激光诱导击穿光谱的小波降噪的最佳分解层数选择方法
【专利摘要】本发明公开了一种用于激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，基于噪声能量分布的数学模型，通过小波能量熵计算得到噪声能量值的预测区间并用于确定激光诱导击穿光谱的小波降噪的最佳分解层数，通过本方法可以自动地选择LIBS小波降噪的分解层数，取得了很好的小波降噪效果，在提高了信噪比同时降低了检出限。
【专利说明】激光诱导击穿光谱的小波降噪的最佳分解层数选择方法
【技术领域】
[0001]本发明涉及激光诱导击穿光谱的信号预处理分析领域，具体是一种基于噪声能量 分布的数学模型，通过小波能量熵计算得到噪声能量值的预测区间并用于确定激光诱导击 穿光谱的小波降噪的最佳分解层数。
【背景技术】
[0002]激光诱导击穿光谱（LIBS)是一种常用的激光烧蚀光谱分析技术。激光经过透镜 聚焦到样品上就会在样品局部产生等离子体。用光谱仪直接收集样品表面等离子体产生的 发射谱线信号，根据发射光谱的强度对样品进行元素分析。LIBS发射光谱的强度受到多种 噪声源因素的影响，比如光电耦合器的暗电流、电子电路的热噪声以及光谱仪的杂散光和 等离子体的连续辐射等。这些噪声往往与LIBS发射光谱信号混杂在一起，不利于后续的样 品元素分析。
[0003]为了解决LIBS光谱信号的降噪问题，通常采用的方法有两类：硬件优化方法和软 件方法。硬件优化方法通常包括设计滤波器以及隔离器来降噪，但是受到开发周期较长和 耗费多的影响，造成了硬件优化方法使用起来受到了较大的局限性。软件方法不但具备硬 件优化方法不可比拟的可靠性和精度，而且还具有硬件优化方法无法达到的性能。软件滤 波降噪的方法有很多，其中以具有出色的时频局部特性的小波降噪方法为最常用的方法。 小波降噪方法主要包括三种：系数相关性方法、模极大值方法和阈值方法。这三种小波滤波 方法的降噪效果均受到小波分解层数的影响。分解层数过多会造成信号有用信息的丢失， 信噪比反而下降且增加运算量；分解层数过少则降噪效果不理想，信噪比提高有限。常用的 确定小波最佳分解层数的方法是白噪声检测方法，它基于小波系数的相关性系数白化检验 来确定小波降噪的最佳分解层数。但是，这种方法在较大的分解层上会产生自相关性较好 的子信号，与真实信号混淆，造成了小波最佳分解层数的选择出现偏差影响了小波降噪效 果。
【发明内容】
[0004]为了解决现有小波降噪中选择最佳分解层数的困难所引起的降噪效果不理想的 不足，本发明的目的在于提出了一种基于噪声能量分布的数学模型，通过小波能量熵计算 得到噪声能量值的预测区间并用于确定激光诱导击穿光谱的小波降噪的最佳分解层数。
[0005]本发明为实现上述目的所采用的技术方案是：一种激光诱导击穿光谱的小波降噪 的最佳分解层数选择方法，包括以下步骤：
[0006]步骤1)输入整个激光诱导击穿光谱信号Y，并对激光诱导击穿光谱信号Y进行标 准化计算得到标准化后的激光诱导击穿光谱信号y;
[0007]步骤2)利用蒙特卡洛方法产生与步骤1)中激光诱导击穿光谱信号Y长度一致、 统计特性一致的高斯白噪声N;
[0008]步骤3)利用Shannon熵来选择小波基函数*并计算得到最大的分解层数M;
[0009] 步骤4)根据小波基函数f对标准化后的激光诱导击穿光谱信号y进行离散小波变 换，计算得到标准化后的激光诱导击穿光谱信号y在每一个分解层上的细节系数cD^根据 小波基函数-对高斯白噪声N进行离散小波变换，计算得到高斯白噪声N在每一个分解层上 的细节系数cD'」，j=l，…，M;
[0010] 步骤5)根据标准化后的激光诱导击穿光谱信号y在每一个分解层上的细节系 数d^_重构标准化后的激光诱导击穿光谱信号y在每一层的高频子信号& ;根据高斯白 噪声N在每一个分解层上的细节系数cD'_重构高斯白噪声N在每一层的高频子信号S'」， j=l，…，M;
[0011] 步骤6)根据标准化后的激光诱导击穿光谱信号y在每一层的高频子信号Sj， j=l，…，M，计算小波能量熵WEE」及其差分导数D(WEEP，j=2,…，M;根据高斯白噪声N在 每一层的高频子信号S'_，j=l，…，M，计算小波能量熵WEE'_，j=l，…，M，及其差分导数D (WEE、)，j=2,…，M;
[0012] 步骤7)根据D(WEEP在置信水平为0. 95下，计算预测区间；
[0013] 步骤8)如果某一D(WEE'p超出所述预测区间，就得到了最佳分解层数j-1。
[0014] 所述的标准化后的激光诱导击穿光谱信号y的计算公式是
【权利要求】
1. 一种激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其特征在于，包括以 下步骤： 步骤1)输入整个激光诱导击穿光谱信号Y，并对激光诱导击穿光谱信号Y进行标准化 计算得到标准化后的激光诱导击穿光谱信号y ; 步骤2)利用蒙特卡洛方法产生与步骤1)中激光诱导击穿光谱信号Y长度一致、统计 特性一致的高斯白噪声N; 步骤3)利用Shannon熵来选择小波基函数f，并计算得到最大的分解层数M ; 步骤4)根据小波基函数f对标准化后的激光诱导击穿光谱信号y进行离散小波变换， 计算得到标准化后的激光诱导击穿光谱信号y在每一个分解层上的细节系数cD^根据小 波基函数夢对高斯白噪声N进行离散小波变换，计算得到高斯白噪声N在每一个分解层上 的细节系数cD'」，j=l，…，M; 步骤5)根据标准化后的激光诱导击穿光谱信号y在每一个分解层上的细节系数cDj重 构标准化后的激光诱导击穿光谱信号y在每一层的高频子信号M艮据高斯白噪声N在每 一个分解层上的细节系数cD'.重构高斯白噪声N在每一层的高频子信号S'.，j=l，…，M ; 步骤6)根据标准化后的激光诱导击穿光谱信号y在每一层的高频子信号Sp j=l，… ，M，计算小波能量熵WEE」及其差分导数D(WEEp，j=2,…，M ;根据高斯白噪声N在每一层 的高频子信号S'」，j=l，…，M，计算小波能量熵WEE'」，j=l，…，M，及其差分导数D (WEE'」）， j=2,…，M; 步骤7)根据D(WEEP在置信水平为0. 95下，计算预测区间； 步骤8)如果某一 D (WEE' p超出所述预测区间，就得到了最佳分解层数j-1。
2. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述的标准化后的激光诱导击穿光谱信号y的计算公式是
，其中， u是Y的平均值，〇是￥的标准方差。
3. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述统计特性是激光诱导击穿光谱信号Y的平均值和标准方差。
4. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述的最大分解层数M的计算公式是M= [log2 (L)]，其中，L是激光诱导击穿光谱 信号y的长度，[.]是取整函数。
5. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述小波能量熵WEE」的计算公式是
骤5)中的Sj和S'」分别代入小波能量熵计算公式得到了 WEE」和WEE'」；j是分解层数。
6. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述的差分导数D (WEEP，j=2,…，M，的计算公式是D (WEEP iWEE^WEEm。
7. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述的差分导数D (WEE' p，j=2,…，M，的计算公式是 D(WEE，』)=職，「WEE，m。
8. 根据权利要求1所述的激光诱导击穿光谱的小波降噪的最佳分解层数选择方法，其 特征在于，所述步骤7)中的计算预测区间包括以下步骤： 对于分解层数j=2,…，M所对应的差分导数D (WEE'p的预测区间计算公式是
【文档编号】G06F19/00GK104346516SQ201310349886
【公开日】2015年2月11日 申请日期:2013年8月9日 优先权日:2013年8月9日
【发明者】于海斌, 张博, 孙兰香, 杨志家, 辛勇, 丛智博, 齐立峰 申请人:中国科学院沈阳自动化研究所