[发明专利]用于近红外织物纤维成分无损清洁分析的降噪处理方法

权利要求书

1.近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，包括：

S1：织物纤维近红外光谱数据采集；

S2：织物纤维近红外光谱数据维纳滤波降噪；

S3：织物纤维近红外光谱数据中值滤波降噪；

S4：织物纤维近红外光谱数据Savitzky-Golay平滑滤波降噪；

S5：织物纤维近红外光谱数据傅里叶变换降噪；

S6：织物纤维近红外光谱数据小波变换降噪；

S7：降噪数据融合。

2.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S1所述的织物纤维近红外光谱数据采集进一步包括：

S11:使用近红外光谱扫描仪扫描织物纤维获得织物纤维近红外光谱数据，织物纤维近红外光谱数据为吸收率谱和反射率谱，吸收率谱是样品在不同频率近红外光的吸收率，反射率谱是样品在不同频率近红外光的反射率，吸收率谱和反射率谱的平滑降噪方法一致，分别单独进行降噪处理融合后获得吸收率降噪数据的融合数据与反射谱降噪数据的融合数据。

3.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S2所述的织物纤维近红外光谱数据维纳滤波降噪进一步包括：

S21：使用维纳滤波器对织物纤维近红外光谱数据进行平滑，维纳滤波器是基于最小均方误差准则下提出的线性滤波方法，均方误差的定义可以使用公式表示为：

F(e(k))＝ε(k)＝E[e²(k)]＝E[d²(k)-2d(k)y(k)+y²(k)]

输出信号y(k)是输入信号的和自适应滤波器系数的线性组合，可以使用公式表示为：

y(k)＝w^T(k)x(k)

x(k)＝[x₀(k)x₁(k)…x_N(k)]^T

w(k)＝[w₀(k)w₁(k)…w_N(k)]

输出信号为使得均方误差最小的信号。

4.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S3所述的织物纤维近红外光谱数据中值滤波降噪进一步包括：

S31：使用维纳滤波器对织物纤维近红外光谱数据进行平滑，中值滤波器是一种非线性平滑技术，将信号序列中一点领域中个点的中值作为该点平滑后的值。

5.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S4所述的织物纤维近红外光谱数据Savitzky-Golay平滑滤波降噪进一步包括：

S41：使用Savitzky-Golay平滑滤波器对织物纤维近红外光谱数据进行平滑，计算方法可以用公式表示为：

Savitzky-Golay滤波是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。

6.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S6所述的织物纤维近红外光谱数据傅里叶变换降噪进一步包括：

S51:使用傅里叶变换降噪对织物纤维近红外光谱数据进行平滑，对输入信号进行傅里叶变换得到输入信号的频谱，截断高于预设定阈值的高频信号后再使用逆变换获得平滑后的数据。

7.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S6所述的织物纤维近红外光谱数据小波变换降噪进一步包括：

S61：使用小波变换降噪对织物纤维近红外光谱数据进行平滑，对输入信号进行小波分解，获得各个尺度的系数，对小波系数的绝对值小于预设定阈值时将其截断重置为0，大于预设定阈值的根据使用者需求可以选择软阈值截断或者硬阈值截断，选择硬阈值截断则大于预设定阈值的令其保持不变，选择软阈值截断则大于预设定用户直的令其都减去阈值，完成截断后进行小波重构得到去噪后的信号。

8.根据权利要求1所述的近红外织物纤维成分无损清洁分析的降噪处理方法，其特征在于，S7所述的降噪数据融合进一步包括：

S71：将每一种降噪方法平滑降噪后的数据作为一个维度，将所有降噪方法获得的数据直接组合成二维的数据，将组合后的数据作为使用神经网络算法处理织物纤维近红外光谱数据来预测织物成分时训练模型以及已训练好模型实际预测时的输入数据。