[发明专利]一种基于傅里叶变换和小波分析的光谱数据趋势去除方法

说明书

本发明公开了一种基于傅里叶变换和小波分析的光谱数据趋势去除方法，包括以下步骤：（1）截取位于待测气体吸收波长范围内的光谱数据，对所述光谱数据进行傅里叶变换，以获取待测气体的吸收频率范围；（2）根据所述吸收频率范围，确定所述光谱数据的分解层数并利用小波分析法进行分解；（3）重构不同层数的小波分解系数，然后将各层对应的部分低频信息相减，即可去除光谱慢变化趋势及噪声。本发明提供的方法不仅可以去除光谱的慢变化趋势以及光谱噪声，而且能降低计算量，提高去除光谱慢变化趋势的准确度。

技术领域

本发明涉及混合气体紫外分析仪的光谱数据分析方法技术领域，尤其涉及一种基于傅里叶变换和小波分析的光谱数据趋势去除方法。

背景技术

利用紫外气体分析仪采集到的气体吸收光谱中不仅包含了气体的吸收信息，还包含光谱散射、烟尘和气溶胶的吸收及散射等信息。气体分子的吸收特征多表现为快变的离散吸收谱，而气体的散射以及烟尘和气溶胶的吸收与散射等无选择吸收则表现为慢变的连续吸收谱，因此如何准确地将光谱中随波长慢变的连续吸收和快变的离散吸收进行分离，提取所要检测气体的特征吸收谱是准确反演得出气体浓度的关键。现在紫外光谱数据分析中多采用多项式拟合方法拟合光谱的慢变化趋势，但是对于特征峰较多变化复杂的光谱曲线，利用多项式拟合无法准确的获得光谱的慢变化趋势，且如果采用较高阶次的多项式拟合，不仅容易过拟合，而且计算量较大。

发明内容

本发明的目的在于解决去除紫外光谱的慢变化趋势的问题，从而提供一种基于傅里叶变换和小波分析的光谱数据趋势去除方法，该方法不仅可以去除光谱的慢变化趋势以及光谱噪声，而且能降低计算量，提高去除光谱慢变化趋势的准确度。

为了实现上述目的，本发明提供技术方案如下：

一种基于傅里叶变换和小波分析的光谱数据趋势去除方法，包括以下步骤：

（1）截取位于待测气体吸收波长范围内的光谱数据，对所述光谱数据进行傅里叶变换，以获取待测气体的吸收频率范围；

（2）根据所述吸收频率范围，确定所述光谱数据的分解层数并利用小波分析法进行分解；

（3）重构不同层数的小波分解系数，然后将各层对应的低频信息相减，即可去除光谱慢变化趋势及噪声。

优选地：步骤（1）中所述光谱数据的个数为2的次幂。

优选地：步骤（2）中所述小波分解中的最高层数所包含的最大频率低于所述待测气体的吸收频率。

优选地：步骤（1）中所述的傅里叶变换采用MATLAB进行仿真，以确定小波分解层数和重构层数，此过程不需要移植到单片机上。

优选地：步骤（2）和步骤（3）中在进行所述的小波分析过程之前先采用MATLAB进行仿真，以确定小波分析的效果，然后移植到单片机中进行小波分析。

优选地： 步骤（3）中所述各层对应的低频信息为重构的低层的低频信息和重构的高层的低频信息，其中所述重构的低层的低频信息是指低层中大于光谱吸收频率的信息，所述重构的高层的低频信息是指高层中小于光谱吸收频率的信息。

与现有技术相比，本发明具有以下有益效果：

本发明利用傅里叶变换结合小波分析的方法去除光谱慢变化趋势，首先对光谱数据进行傅里叶变换分析，获得气体吸收频率范围，进而利用小波分析对光谱数据进行分解，根据小波分解层数与重构后数据所包含频域信息之间的关系，重构不同层的小波系数，获得不同频率区域的信号，根据利用傅里叶变换得到的气体吸收频率范围，选取合适的频率区域信号，进行相减，进而达到去除光谱数据趋势及噪声的目的。