[發(fā)明專利]一種基于自適應(yīng)濾波的近紅外土壤光譜去噪方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201210169229.9
• 申請(qǐng)日: 2012-05-28
• 公開（公告）號(hào): CN102721663A
• 公開（公告）日: 2012-10-10
• 發(fā)明（設(shè)計(jì)）人: 盧啟鵬;陳叢;彭忠琦
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所
• 主分類號(hào): G01N21/35
• 分類號(hào): G01N21/35
• 代理公司: 長春菁華專利商標(biāo)代理事務(wù)所 22210
• 代理人: 南小平

技術(shù)領(lǐng)域

本發(fā)明涉及基于自適應(yīng)濾波的光譜預(yù)處理領(lǐng)域，特別適用于近紅外土壤成分分析中的光譜去噪。

背景技術(shù)

自適應(yīng)濾波方法是上世紀(jì)60年代B.Widrow等人在卡爾曼濾波的基礎(chǔ)上提出的，它兼具了卡爾曼濾波運(yùn)算量小、速度快、可遞推實(shí)時(shí)處理的優(yōu)點(diǎn)，并在此基礎(chǔ)上加以改進(jìn)，使其不需要已知信號(hào)的統(tǒng)計(jì)特性，通過自動(dòng)調(diào)節(jié)自身的參數(shù)也可以達(dá)到最優(yōu)濾波。在近紅外土壤光譜的分析過程中，由光譜儀直接獲取的光譜經(jīng)常由于溫度、濕度、儀器不穩(wěn)定、電阻熱效應(yīng)等因素的干擾，使獲得的土壤光譜含有噪聲，最終導(dǎo)致其含量分析測(cè)定的不準(zhǔn)確。因此，需要對(duì)原始近紅外土壤光譜進(jìn)行去噪。

目前常用微分法、平滑法、傅里葉變換法和小波變化法等對(duì)近紅外土壤光譜進(jìn)行去噪。其中微分法對(duì)消除基線漂移、強(qiáng)化譜帶特征、克服譜帶重疊有很好的效果，但原始光譜經(jīng)過微分后光譜噪聲會(huì)增大，需要進(jìn)一步的光譜去噪。平滑法可以有效地平滑信號(hào)中的高頻噪聲，但同時(shí)也會(huì)對(duì)土壤光譜進(jìn)行平滑，造成信號(hào)失真。傅里葉變換法將時(shí)域信號(hào)與頻域信號(hào)分開，利用信號(hào)的頻率特征進(jìn)行去噪，但它只對(duì)平穩(wěn)信號(hào)有很好的去噪效果。小波變換法是目前使用最廣泛的近紅外土壤光譜去噪方法，它可以只針對(duì)特定頻率或時(shí)刻的局部信號(hào)進(jìn)行頻譜處理，但小波變換的運(yùn)算復(fù)雜，計(jì)算量大，且實(shí)現(xiàn)速度較慢。因此需要一種基于自適應(yīng)濾波的近紅外土壤光譜去噪方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決現(xiàn)有技術(shù)中去噪失真、計(jì)算復(fù)雜、運(yùn)算速度慢等問題，提出了一種基于自適應(yīng)濾波的近紅外土壤光譜去噪方法，可以有效地抑制直接采集的近紅外土壤光譜中的噪聲。

為實(shí)現(xiàn)上述目的，本發(fā)明具體實(shí)施步驟為：

步驟一：應(yīng)用近紅外光譜儀采集任意時(shí)刻t₁的土壤光譜數(shù)據(jù)x₁(λ)，并將x₁(λ)作為輸入信號(hào)，在同一土壤樣品，實(shí)驗(yàn)條件不變、土壤各組分含量不變的情況下，采集t₂時(shí)刻的土壤光譜數(shù)據(jù)x₂(λ)，并將x₂(λ)作為參考信號(hào)，所述x₁(λ)由光譜信號(hào)s₁(λ)和噪聲信號(hào)n₁(λ)組成，所述x₂(λ)由光譜信號(hào)s₂(λ)和噪聲信號(hào)n₂(λ)組成；

步驟二：將輸入信號(hào)x₁(λ)通入輸入通道中，將參考信號(hào)x₂(λ)通入?yún)⒖纪ǖ乐校瑓⒖夹盘?hào)x₂(λ)經(jīng)自適應(yīng)濾波器后得到輸出信號(hào)y(λ)′，輸入信號(hào)與輸出信號(hào)經(jīng)減法器得到差值e(λ)；

步驟三：自適應(yīng)濾波通過歸一化最小均方誤差自適應(yīng)濾波算法根據(jù)輸出信號(hào)y(λ)'與輸入信號(hào)x₁(λ)的差值e(λ)不斷調(diào)整濾波參數(shù)，使e(λ)滿足最小均方誤差準(zhǔn)則，輸出純凈的土壤光譜信號(hào)y(λ)。

所述的歸一化最小均方誤差自適應(yīng)濾波算法是一種變步長自適應(yīng)濾波算法，具體計(jì)算過程為：

x₁(λ)=s₁(λ)+n₁(λ)????????????????????????（1）

x₂(λ)=s₂(λ)+n₂(λ)????????????????????????（2）

e(λ)=x₁(λ)-y(λ)′=s₁(λ)+n₁(λ)-y(λ)′???（3）

自適應(yīng)濾波的均方誤差信號(hào)為：

E[e²(λ)]=E{n₁²(λ)+[s₁(λ)-y(λ)′]²+2n₁(λ)[s₁(λ)-y(λ)′]}（4）

展開得：

E[e²(λ)]=E[n₁²(λ)]+E{[s₁(λ)-y(λ)′]²}+2E[n₁(λ)s₁(λ)]-2E[n₁(λ)y(λ)′]（5）