[发明专利]最优小波去噪组合的选取方法及THz光谱去噪方法

说明书

本发明公开了最优小波去噪组合的选取方法，包括：S10、确定备选参数，包括小波基函数、分解层次、阈值准则和阈值处理方式；S20、利用所述备选参数对原始含噪信号进行小波分解和重构，得重构信号；S30、计算基于不同小波基函数和分解层次下获得的所述重构信号与所述原始含噪信号的平滑度r和均方根误差RMSE，并将其进行归一化处理和加权处理，获得复合评价指标T；S40、获取T值最小时所对应的小波基函数和分解层次，得最优小波去噪组合。以及，THz光谱去噪方法，电子设备和存储介质。本发明有效解决了最优小波选取困难的问题，为小波去噪在太赫兹技术领域的应用提供了算法基础。

技术领域

本发明涉及THz光谱处理领域。更具体地说，本发明涉及一种最优小波去噪组合的选取方法及THz光谱去噪方法。

背景技术

在太赫兹光谱(THz光谱)的测量中，噪声对测量结果的影响无法避免。因此，需要对太赫兹光谱信号进行去噪预处理，以便最大程度的提取有用信号。小波去噪作为预处理方法的一种，其具有良好的时域局部性和多分辨分析能力，借助小波分析与重构技术，小波在光谱预处理中极为重要。

传统小波去噪质量评价指标主要包括均方根误差(Root Mean Square Error，RMSE)、信噪比(Signal to Noise Ratio，SNR)、相关系数(Correlation Coefficient，R)、以及平滑度(Smoothness，R)等，但基于统计原理的传统评价指标具有很大的局限性，当真值已知时才能准确判断小波去噪质量，而在实际应用中真值大小未知，传统指标将无法满足质量评价的需求。

发明内容

本发明的一个目的是提供一种最优小波去噪组合的选取方法，其采用复合评价指标方法系统分析小波变换在太赫兹光谱预处理中的质量效果，以获取最优小波基函数和最优分解层次，进而提高太赫兹光谱预处理的有效性。

为了实现根据本发明的目的和其它优点，提供了一种最优小波去噪组合的选取方法，包括：

S10、确定备选参数，包括小波基函数、分解层次、阈值准则和阈值处理方式；

S20、利用所述备选参数对原始含噪信号进行小波分解和重构，得重构信号；

S30、计算基于不同小波基函数和分解层次下获得的所述重构信号与所述原始含噪信号的平滑度r和均方根误差RMSE，并将其进行归一化处理和加权处理，获得复合评价指标T；

S40、获取T值最小时所对应的小波基函数和分解层次，得最优小波去噪组合。

优选的是，所述的最优小波去噪组合的选取方法，S40中还包括，将备选小波基函数按照小波簇进行分类，获取每个小波簇中T值最小时所对应的小波基函数和分解层次，得备选最优小波去噪组合；对比所述备选最优小波去噪组合的去噪效果，得最优小波去噪组合。

优选的是，所述的最优小波去噪组合的选取方法，S10中，所述小波基函数包括sym2～sym8、db1～db10、fk4～fk22和coif1～coif5小波，分解层次为1～8层，阈值准则为Universal Threshold准则，阈值处理方式为软阈值法。

优选的是，所述的最优小波去噪组合的选取方法，S20中，具体包括：

S21、采用备选小波基函数和分解层次N对测得的所述原始含噪信号进行N层小波分解，获得第1层到第N层的高频小波系数ψ_ji和第N层低频小波信号系数φ；

S22、采用备选阈值准则和阈值处理方式对第1层到第N层的高频小波系数ψ_ji进行阈值估计，从而得出第1层到第N层的高频小波估计系数

S23、根据小波分解得到第1层到第N层的高频小波估计系数和第N层的低频小波信号系数φ进行小波重构，得所述重构信号。