[发明专利]一种优化小波算法的拉曼光谱峰识别方法

说明书

本发明涉及一种优化小波算法的拉曼光谱峰识别方法，特别涉及未知物品拉曼光谱峰识别探测与拉曼光谱峰小波算法的分析识别方法，属于分析仪器领域。

技术领域

本发明涉及一种优化小波算法的拉曼光谱峰识别方法，特别涉及未知物品拉曼光谱峰识别探测与拉曼光谱峰小波算法的分析识别方法，属于分析仪器领域。

背景技术

光谱分析技术作为一种行之有效的检测分析方法，是现代分析技术的重要组成部分，被广泛应用于公共安全领域。拉曼散射光谱法是由上世纪20年代逐步发展起来的一项技术，拉曼光谱由于具有无损、信息丰富、无需样品制备等优点，被广大科研人员所重视。拉曼光谱信息蕴藏于拉曼谱峰之中，因此拉曼谱峰识别是拉曼光谱定性分析中至关重要的一个环节。

小波分析是由上世纪70年代逐渐发展起来的一种新的变换分析技术，通过采用在时域和频域都具有紧支撑的小波对信号做小波分解，可获得信号局部的时频信息，通过小波尺度的伸缩可以实现对信号的多分辨率分析。因此，与传统的傅里叶分析方法相比，小波分析技术具有时频分析局域化和多分辨率的优点，能够更加有效地获取信号中的信息。目前，最普遍的是连续小波变换法识别谱峰，该方法通过在小波系数矩阵中搜索谱峰引起的局部极大值形成的脊线来识别谱峰。该方法需要确定脊线长度阈值及脊线信噪比阈值，谱峰识别准确率、峰位定位准确度不高。

针对现有拉曼谱峰识别方法中存在的缺陷和不足，本发明提出了一种优化小波算法的拉曼光谱峰识别方法。

发明内容

本发明的目的是针对现有拉曼谱峰识别方法中存在的缺陷和不足，本发明提出了一种优化小波算法的拉曼光谱峰识别方法。

逐点/逐段三次样条拟合原理

三次样条曲线拟合的主要目的是通过插值的方法来预测点位，而该方法的已经蕴含着降噪的某些理念。下列函数对观测点(X,Y)进行拟合。

p是平衡参数，wi是权重的第i个元素。yi是Y的第i个元素。xi是X的第 i个元素。f(x)是三次样条函数f(x)的二阶导数。p＝0时，该拟合模型相当于线 性模型。p＝1时，该拟合模型相当于三次样条插值。p必须落在区间[0,1]内，使 拟合的曲线平滑并接近于观测点。p越接近于0，拟合曲线越平滑。p越接近于1， 拟合曲线越接近观测点。下图1为p取不同值时的拟合结果。

改进小波算法

小波阈值滤噪方法在最小均方误差意义上有效并可达到很好的效果，它的主要理论依据是在Besov空间的信号能量主要集中在几个有限的系数中，而噪声的能量却分布于整个小波域中，因此经小波分解后信号的系数要大于噪声的系数，因此采用阈值的办法可以把信号的系数保留，而使大部分噪声系数减小到零。

目前应用最广的是Donoho的软阈值函数，其表达式如下

Donoho证明，当阈值估计所产生的估计风险最接近与理论上的最小风险。因此当小波系数大于t时，认为是信号，保留此系数。小于t时认为是噪声，剔除此系数。σ表示噪声方差，采用最小尺度的小波系数上的中位数估计可得σ的估计值

Donoho的阈值滤噪法是针对每一个孤立尺度上的小波系数进行估计而得到了接近最佳的效果。如果我们在应用Donoho的阈值滤噪法时，考虑到信号小波系数和噪声小波系数在不同尺度间的传播的性质不同，即：信号小波系数的模值随着尺度的增大而增大，随机噪声的模值随着尺度的增大而迅速减小。如果能将这一信息加入到阈值函数中去，应该能够获得比Donoho的阈值滤噪法更小的风险。

如果以w(m,n)表示m尺度上信号的二进小波变换值，取相邻尺度的变换值进行相关计算，定义corr(m,n)＝w(m,n)*w(m+1,n)，计算各尺度与相邻尺度的 corr(m,n)，再对corr(m,n)进行归一化处理。