近红外“3R”法双谱自适应去噪

合集下载

红外与近红外光谱常用数据处理算法

一、数据预处理（1）中心化变换（2）归一化处理（3）正规化处理（4）标准正态变量校正（标准化处理）（Standard Normal Variate,SNV）（5）数字平滑与滤波（Smooth）（6）导数处理（Derivative）（7）多元散射校正（Multiplicative Scatter Correction,MSC）（8）正交信号校正（OSC）二、特征的提取与压缩（1）主成分分析（PCA）（2）马氏距离三、模式识别（定性分类）（1）基于fisher意义下的线性判别分析（LDA）（2）K-最邻近法（KNN）（3）模型分类方法（SIMCA）（4）支持向量机（SVM）（5）自适应boosting方法（Adaboost）四、回归分析（定量分析）（1）主成分回归（PCR）（2）偏最小二乘法回归（PLS）（3）支持向量机回归（SVR）一、数据预处理（1）中心化变换中心化变换的目的是在于改变数据相对于坐标轴的位置。

一般都是希望数据集的均值与坐标轴的原点重合。

若x ik 表示第i 个样本的第k 个测量数据，很明显这个数据处在数据矩阵中的第i 行第k 列。

中心化变换就是从数据矩阵中的每一个元素中减去该元素所在元素所在列的均值的运算：u ik k x x x =- ，其中k x 是n 个样本的均值。

(2) 归一化处理归一化处理的目的是是数据集中各数据向量具有相同的长度，一般为单位长度。

其公式为：'ik x =归一化处理能有效去除由于测量值大小不同所导致的数据集的方差，但是也可能会丢失重要的方差。

（3）正规化处理正规化处理是数据点布满数据空间，常用的正规化处理为区间正规化处理。

其处理方法是以原始数据集中的各元素减去所在列的最小值，再除以该列的极差。

min()'max()min()ik ik k k x xk x x x -=-该方法可以将量纲不同，范围不同的各种变量表达为值均在0~1范围内的数据。

红外图像中的自适应维纳滤波噪声抑制技术

ｒｓｌｈｗｔｅｐｏｏｅｌｏｔｍａｄｕｔｌｒｇｐｒｍｅｅｓｄｐｉｅ，ｅｖｅｎｉ，ｎｅｍｅｎｔｅｕｔｓｏｒｐｓｄａｇｒｈｃｎａｊｓｆｔｉａａｔａｔｌｒｍｏｅｔｏｓａｄｉｔａｍｅｓｈｉｅｎｉｒａｖｙｈｅｎｈｉ
ｅｅｔｅｙｐｅｅｖｅｉｆｒｔｎｏｄｅａｄｄｔｉｗｈｃａｅａｐｉｄｔｆａｅｅｌｉｇｎｙｔｍ．ｆｃｉｌｒｓｒｅｔｏｍａｉｆｇｎｅａｌｖｈｎｏｅ，ｉｈｃｎｂｐｌｉｒｒｄｒａ— ｍｅｉｅｏｎｔｍａｉｇｓｓｅＫｅｒｓｉｆａｅｇ；ｉｎｒｌｒｇｓｌａａｔｅＰＳｙｗｏｄ：ｎｒｄｉｒｍａｅＷｅｅｔｉ；ｅｆｄｐｉ；ＮＲｉｆｅｎ－ｖ
红外图像中的自适应维纳滤波噪声抑制技术
白俊奇，赵春光，王寿峰，孙宁
（中国电子科技集团公司第二十八研究所，南京２００）１０７
摘要：红外图像存在信噪比低、对比度差的问题，在目标辐射强度低、距离远以及恶劣天气状况下尤为严重。为
了高图像信噪比，提出一种红外图像中的自提适应维纳滤波噪声抑制算法。算法突破了维纳滤波要求未退化图像
ＢＡＩＪｎｑ，ＺＨＡＯｕ — ｕｎｕ－ｉＣｈｎｇａｇ，ＷＡＮＧｈｕｆｎＳｏ－ｅｇ，ＳＵＮｎＮｉｇ
（ｈ８ｅｅｒｈｎｔｕｅｆＣｉａＥｅｔｎｃｅｈｏｏｙＧｏｐＣｒｏａｉｎＮｎｉ１０７Ｃｉａ）ＴｅｔＲｓａｃｓｔｔｏｈｎｌｒｉＴｃｎｌｒｕｏｐｒｔ，ａｊｎ２００，ｈｎ２ｈＩｉｃｏｓｇｏｇＡｓｒｃ：ＴｅＳｇａ— －ｉａｏ（ＵＲｎｏｔｓａｅｌｗｎａｅｇ，ｉｈｉｓｒｕｏａｅｂｔａｔｈｉｌｏＮｏｓＲｔＳ）ａｄｃｎｒｔｒｏｉｉｆｒｄｉｅｗｈｃｓｅｉｓｉｌｗｔｇｔｎｔｅｉａｎｒｍａｏｎｒ

红外图像的自适应混合消噪方法

ｆｒｎｅｏｈｓｍｅｈｄｉａｓｒｖｄｂｔｄｔｉｒｓｒａｉｎｃｐｃｔｎｔｆｓｆｔｒｎｐｅ．ｏｍａｃｆｔｉｔｏｓｌ０ｐｏｅｙｉｅａｌｐｅｅｖｔａａｉａｄｉａｔｉｅｉｇｓｅｄｓｓｏｙｓｌ
的像素区分开来，后对被脉冲噪声污染的像素采用自适应层叠中值滤波法，然对被高斯噪声污染的像素采用基于局部噪声方差估计的自适应局部滤波法。实验表明，方法在信噪比（Ｎ）最小均方误差（Ｅ）改善上明显优于线性平滑该ＳＲ和ＭＳ的
滤波法和普通中值滤波算法，并具有较好的图像细节保护能力和较快的滤波速度。
关键词红外图像混合消噪自适应层叠中值滤波自适应局部滤波文章编号１０ — ３１（０６０ — ０７０文献标识码Ａ０２８３一２０）６００ — ３中图分类号１叭．Ｉ３６）
ＧａｓｏｓａｄｍｐｌｎｉｅＦｒｔＧｕｓｎｉａｄｍｐｌｎｉｅｓｉｔｇｉｅｂｔｅｒｐｓｄｕｓｎｉｅｎｉｕｓｅｏｓ，ｉ，ａｓｏｓｓｅｎｉｕｓｅｏｓｉｄｓｉｕｓｄｙｈｐｏｏｅｍｅｈｄＴｈｎｎｎｈｔｏｅａ
ａａｔｅｔｍｅｉｎｉｔｒｎｔｏｉｄｐｅｔｅｖｔｅｍｐｌｅｎｉｅａｄｎｄｐｉｅｏａｆｔｒｎｔｏｄｐｉｓａｖｃｋｄａｆｅｇｍｅｈｄｓａｏｔｄｏｒｍｏｅｈｉｕｓｏｓ，ｎａａａｔｌｃｌｉｅｇｍｅｈｄｌｉｖｌｉｂｓｄｎｈｅｔｔｎｆｏａｓｕｒｄＦｏｉａｅｏｔｅｓｉｉｏｌｃｌｑａｅｅｒｒｓｓｄｏｕｐｅｓｈＧａｓｎｉｘｅｍｅｔｎｉａｅｈｔｈｍａｏｕｅｔｓｐｒｓｔｅｕｓｏｓＥｐｒｅｉｎｓｉｄｃｔｔａｔｅ

基于改进hodrick-prescott分解模型的近红外自适应降噪方法

% 1979
%
e-mail-dehong.cie"
第5期
光谱学与光谱分析
$65$
定抑制噪声的效果$小波分解方法是在小波分解的基础上通过阈值手段去除噪声%因此小波分解的基函数!即小波基"和阈值选择与染噪光谱特征的适应性对降噪至关重要$有研
究'（提出利用Stein无偏风险估计（Stein. unbiased estimate ofris\, SURE"有效地解决了阈值自适应问题%但小波基与染噪光谱特征的匹配问题却鲜有研究关注$据文献'6（研究
第40卷%第期 2020 年 5 月
光谱学与光谱分析
SpectroscopyandSpectralAnalysis
Vol.40%No.5%pp1650-1655
Qay%2020
基于改进Hodrick-Prescott分解模型的近红外自适应降噪方法
谢德红1!李俊锋2!刘菂3!万晓霞4!叶艺1
1X 南京林业大学轻工与食品学院%江苏南京 210037 2X 河南牧业经济学院包装与印刷工程学院%河南郑州 450046 3X 北京工商大学食品安全大数据技术北京市重点实验室%北京 100048 4X 武汉大学湖北省文物颜色信息数字化与虚拟再现工程研究中心%湖北武汉 430079
农药残留和未残留的上海青近红外光谱为基本数据、通过降噪前后信噪比、以及支持向量机分类模型的识
别率%对比分析bior6. 8小波分解方法、sym8小波分解方法、互补集合模态分解方法的降噪效果$实验结果显示%该方法在处理18.79 dB信噪比染噪近红外光谱时获得了 33.35 dB信噪比；在实施上海青农药残留检测中% 处理训练集与测试集近红外光谱数据后% 训练所得支持向量机分类模型的训练集识别率达93.58%、测试集识别率达71.18%% 此识别率明显高于上述三种方法降噪后的结果% 接近于原始未染噪声光谱数据$

红外图像去噪研究毕业论文

摘要随着科学技术的迅速发展，红外成像技术在军事和民用领域中得到了越来越广泛的应用。

但是，红外图像存在成像模糊、噪声较大等缺点。

为了获得良好的检测、识别效果，红外图像的去噪成了很重要的一项工作。

小波去噪已成为目前红外图像去噪的方法的热点之一。

本文介绍了小波阈值去噪的基本原理，并将其应用于红外图像去噪，用MATLAB软件进行仿真，该去噪方法无需建立在对噪声方差的精确估计上。

试验结果表明：该算法优于传统滤波去噪的方法。

它能有效的抑制噪声，可用来对红外图像做进一步的分析和处理。

关键词：红外图像；图像去噪；小波变换；阈值处理AbstractWith the rapid development of science and technology,the infrared thermal imager has been more and more used,and has shown a large market potential and a bright future.But,the infrared image has disadvantages,such as the blurred image and the shrong noise.In order to get better effects of detection and recognition,image denoising is an important work.Wavelet image denoising has become an important methord for infrared image denoising.In this paper,the basic principle of wavelet threshold denoising and the applicantion of the wavelet threshold denoising algorithm to infrared noisy images are presented,Simulation using MATLAB software,the new method did not rely on accurate estimation of noise variance.Experimental results have show that the algarithm is better than the tranditional methods.It can effetively reduce the noise in images and can be used for the further analysis and processing of infrared images.Key words：Infrared image; Image denoising;Wavelet transform;Threshold p-rocessing;摘要 (I)1.引言 (1)2.背景介绍 (1)2.1我国红外成像技术的发展及应用 (1)2.2红外图像产生的过程及特点 (2)2.3红外图像的噪声来源与噪声特性 (3)2.4常用红外图像的去噪方法 (5)3.小波及仿真软件的介绍 (6)3.1小波变换在图像去噪中的应用 (6)3.1.1小波变换概述 (6)3.1.2小波去噪发展的历程 (7)3.2红外图像的质量评价标准 (8)3.3对仿真软件MATLAB的介绍 (9)4.红外图像去噪的原理及实现 (10)4.1小波变换在图像去噪中的一般步骤 (10)4.2几种小波去噪方法的比较 (10)4.3阈值去噪的原理 (11)4．3.1阈值函数的选取 (11)4．3.2阈值的估计 (12)4．3.3阈值的获取函数 (13)4．3.4阈值的去噪函数 (14)4.4红外图像阈值去噪的仿真 (16)4.5几种滤波器的去噪及其仿真 (18)4.6几种去噪方法的对比分析 (19)5.结束语 (19)致谢.......................................................................... 错误！未定义书签。

【推荐下载】噪声对近红外光谱分析的影响及相应的数学处理方法

噪声对近红外光谱分析的影响及相应的数学处理方法摘要以玉米籽粒的粉末样品为例，对噪声较高近红外光谱分析仪进行近红外分析的可行性进行了分析。

结果表明，采用四次平均光谱，不采取其他数据处理，使用P15算法，自编软件CAU_N取可以得到很好的预测模型。

通过与其他噪声较低近红外分析仪预测结果的对比，噪声较高的光栅型近红外光谱分析仪预测样品的相关系数高达98％，变异系数为6．2％。

因此当近红外光谱分析仪器的信噪比低于105时，借助一定的软件技术，仍然可以用于定量分析。

主题词近红外光谱；噪声；数学处理；数学算法引言近红外定量分析技术的分析过程主要是利用一个已知待测成分含量的标准样品集，运用现代统计学的算法建立近红外光谱参数与样品待测成分之间的预测方程，对未知样品的近红外图谱进行预测，从而得到未知样品待测成分的预测值。

近红外定量分析技术具有一些独特优点：制样技术非常简单或者不需制备样品；快速分析；同时测定多种组分；可以实现非破坏性和非污染性的测试；样品测试的费用比较低、测试范围广等。

因此，近红外定量分析技术在短短十几年的时间里迅速发展起来[1-3]。

现代近红外光谱分析通过数学模型直接由样品对某些波长的吸收特征来计算样品中待测组分的含量，属于一种绝对测量技术。

噪声一般对测量的结果有较大的影响。

Stark在1986年提出近红外光谱分析仪器的信噪比应该达到105，但是由于各种原因，近红外光谱分析仪的噪声不易达到此要求。

近年来由于数学算法和一些光谱数据的数学处理方式和各种专用型仪器的发展[5 6]，噪声较高的近红外光谱分析仪能否用于近红外光谱分析引起关注。

本实验对信噪比为102～103光栅型近红外光谱分析仪作近红外分析的可行性及相应的光谱数据处理方式和数学算法进行了研究。

1实验材料和仪器玉米籽粒样品51份；光栅型近红外光谱分析仪，傅里叶变换近红外光谱分析仪2台。

2实验方法 2．1玉米籽粒蛋白质含量的测定供试籽粒用Retchl7 140磨磨碎过筛，颗粒达40目左右，在室内平衡水分一天，装入塑料袋，在干燥器中保存。

近红外光谱分析技术的数据处理方法

引言近红外是指波长在780nm～2526nm范围内的光线，是人们认识最早的非可见光区域。

习惯上又将近红外光划分为近红外短波（780nm～1100nm）和长波（1100 nm～2526 nm）两个区域.近红外光谱（Near Infrared Reflectance Spectroscopy，简称NIRS）分析技术是一项新的无损检测技术，能够高效、快速、准确地对固体、液体、粉末状等有机物样品的物理、力学和化学性质等进行无损检测。

它综合运用了现代计算机技术、光谱分析技术、数理统计以及化学计量学等多个学科的最新研究果，并使之融为一体，以其独有的特点在很多领域如农业、石油、食品、生物化工、制药及临床医学等得到了广泛应用，在产品质量分析、在线检测、工艺控制等方面也获得了较大成功。

近红外光谱分析技术的数据处理主要涉及两个方面的内容：一是光谱预处理方法的研究，目的是针对特定的样品体系，通过对光谱的适当处理，减弱和消除各种非目标因素对光谱的影响，净化谱图信息，为校正模型的建立和未知样品组成或性质的预测奠定基础；二是近红外光谱定性和定量方法的研究，目的在于建立稳定、可靠的定性或定量分析模型，并最终确定未知样品和对其定量。

1工作原理近红外光谱区主要为含氢基团X-H（X=O,N,S,单健C,双健C,三健C等）的倍频和合频吸收区，物质的近红外光谱是其各基团振动的倍频和合频的综合吸收表现，包含了大多数类型有机化合物的组成和分子结构的信息。

因为不同的有机物含有不同的基团，而不同的基团在不同化学环境中对近红外光的吸收波长不同，因此近红外光谱可以作为获取信息的一种有效载体。

近红外光谱分析技术是利用被测物质在其近红外光谱区内的光学特性快速估测一项或多项化学成分含量。

被测样品的光谱特征是多种组分的反射光谱的综合表现，各组分含量的测定基于各组分最佳波长的选择，按照式(1)回归方程自动测定结果：组分含量＝C0＋C1(Dp)1＋C2(Dp)2＋…＋Ck(Dp)k(1)式中：C0～k为多元线性回归系数；(Dp)1～k为各组分最佳波长的反射光密度值（D＝－lgp，p为反射比）。

近红外图像消噪方法的对比实验研究

近红外图像消噪方法的对比实验研究
李明喜;毛罕平
【期刊名称】《红外技术》
【年(卷),期】2007(29)11
【摘要】为了选择一种既能消除近红外图像噪声又能达到保持其图像边缘要求的消噪方法,通过比较各种常见的图像去噪算法,采用信噪比(SNR)、均方根误差(RMSE)和图像灰度曲面图等作为图像去噪效果的评估.对实际拍摄的多幅近红外图像进行消噪效果对比,仿真实验结果表明:在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,分形消噪法较优,可应用于近红外图像的消噪处理.【总页数】5页(P657-661)
【作者】李明喜;毛罕平
【作者单位】江苏大学江苏省现代农业装备与技术重点实验室,江苏,镇江,212013;黄石理工学院,湖北,黄石,435003;江苏大学江苏省现代农业装备与技术重点实验室,江苏,镇江,212013
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种改进的基于近红外图像的去雾方法 [J], 韩松臣;黄畅昕;李炜;程鹏
2.红外图像的自适应混合消噪方法 [J], 何洪英;姚建刚;罗滇生
3.温室黄瓜叶片近红外图像消噪算法与含氮量快速检测 [J], 杨玮;李民赞;孙红;郑
立华
4.冻结立井爆破近区井壁振动信号基线漂移校正和消噪方法 [J], 付晓强;杨仁树;刘纪峰;张会芝;张仁巍
5.基于加权近红外图像融合的单幅图像除雾方法 [J], 朱珍;黄锐;臧铁钢;卢世军因版权原因，仅展示原文概要，查看原文内容请购买。

一种近红外无创血糖检测中的脉搏波预处理方法

一种近红外无创血糖检测中的脉搏波预处理方法张杨;朱健铭;陈真诚【摘要】目的:研究人体光电容积脉搏波提取动态光谱的方法,实现人体血糖浓度的无创伤检测.方法:采用自行研制的光电容积脉搏波采集系统采集人体脉搏波.针对采集到的原始信号中由于呼吸和系统噪声等影响产生的基线漂移和高频噪声,提出基于经验模态分解(empirical mode decomposition,EMD)结合软阈值去嗓及三次样条插值法进行去噪的方法(即EMD-Spline法),并用信号的频谱进行算法效果评价.结果:该方法有效去除了原始脉搏波信号中的基线漂移和高频噪声.结论:该方法提高了血糖浓度测定的准确性,将促进近红外无创检测人体血糖浓度精度的提升.【期刊名称】《医疗卫生装备》【年(卷),期】2016(037)006【总页数】7页(P1-7)【关键词】脉搏波信号;呼吸基线;高频噪声;经验模态分解;软阈值去噪;三次样条插值【作者】张杨;朱健铭;陈真诚【作者单位】541004 广西桂林,桂林电子科技大学电子工程与自动化学院;541004 广西桂林,桂林电子科技大学生命与环境科学学院;541004 广西桂林,桂林电子科技大学生命与环境科学学院【正文语种】中文【中图分类】R318;TN911.7糖尿病是威胁人类健康的全世界范围内流行性疾病。

它是一种内分泌障碍性疾病，可导致多种并发性疾病，成为人类死伤的主要原因。

由于糖尿病的发病率呈上升趋势，为了控制病情和预防并发症，就要做到安全、及时和持续的血糖监测[1]，而传统的有创人体血糖检测需采血，所以实现无创伤检测人体血糖水平成为当今世界的研究热点。

物质的近红外光谱可以在分子层面上结合计算反映出物质所含成分浓度和属性等。

因此可利用近红外光通过人体组织形成的吸收光谱，建立血糖的定量分析模型，实现对血糖的无创检测。

近年来，由人体光电容积脉搏波提取动态光谱的方法成为近红外领域无创伤检测人体血糖浓度的研究发展趋势。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

３．齐齐哈尔大学生命科学与农林学院，黑龙江齐齐哈尔４．齐齐哈尔大学通信与电子工程学院，黑龙江齐齐哈尔
摘
要针对近红外透射和吸收双光谱提出一种自适应的去噪方法。同步采集样品的近红外透射谱和吸收
谱，在相同分解原则下总体经验模态法分解两组光谱，得到单组分特征模态分量。计算特征模态分量与原透
需预设迭代次数，不用考虑分解层数，没有基函数，是自适应的，该方法适合近红外光谱去噪。关键词总体平均经验模态分解；相关性；近红外；双谱；去噪
文献标识码：ＡＤＯＩ：１０．３９６４／］．ｉｓｓｎ．１０００ — ０５９３（２０１５）ｏ４ — １１４６ — ０５
征模态分量（ｉｎｔｒｉｎｓｉｃｍｏｄｅｆｕｎｃｔｉｏｎ，ＩＭＦ）和残余项Ｃ。其中
ＩＭＦ需要满足两个条件：①数据全局范围，极值点的数目以
法非常适合应用于确定的平稳信号去噪，对非线性、非平稳
过程处理，存在一定不足ｌ】］。小波分解是傅里叶思想的发展与延拓，可以处理浪涌、尖峰等突变信号，不足之处是需要
中图分类号：０６５７．３
引言
去噪是光谱预处理的重要环节，降噪效果直接关系到建模准确性和精确性。光谱计量软件提供去噪工具包括数据平滑（厢车平均、移动窗口平均、卷积平滑、最小二乘拟合等）、傅里叶变换滤波，或者小波分解。平滑去噪中信噪比与分辨率是一对矛盾的技术指标，处理不当，光谱易失真。傅里叶
１ＥＥＭＤ低通和阈值去噪原理及存在的问
题
Ｈｕａｎｇ等提出了经验模态分解（ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍ— ｐｏｓｉｔｉｏｎ，ＥＭＤ）方法＿７］，可以将非线性非平稳信号分解成特
导致ＥＭＤ无法准确筛分噪声，称为模态混叠。吴召华教授
先验设计出小波基函数和分解层数，而参数合理与否将直接影响去噪效果．ｓ］。总体平均经验模态分解法将信号分解成单频分量再滤波，可以处理振动故障Ｌ４］、电磁噪声＿５等非线性非平稳信号，同样适合处理光谱信号［６］。另外该方法分解过程是自适应进行的，配合适当的噪声判断准则，可以构造完全自适应的去噪算法。
基金项目：国家青年基金项目（３１２００３９０），黑龙江省教育厅科学技术研究项目（１２５２１３７８，１２５４１８９７），黑龙江省自然科学基金项目（Ｆ２０１３２９）资助作者简介：赵肖宇，女，１９７７年生，燕山大学电气工程学院博士研究生ｅ－ｍａｉｌ：ｘｙ＿ｚｈａｏ７７＠１６３・ｔｏｍ
第３５卷，第４期
２０１５年４月
光
谱
学
与
光
谱
分
析
ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ
Ｖｏ１．３５，Ｎｏ．４，ｐｐ１１４６ — １１５０Ａｐｒｉｌ，２０１５
射谱、吸收谱之间相关性，以及两组特征模态分量之间相关性，相关性最小模态分量初判为噪声分量。分析
该分量在光谱中点处自相关性，若中点处很大，其他点几乎为零或很小，可以判断该分量为噪声。这种基于模态分量相关性的噪声判别方法称为“ ３Ｒ” 法则。剔除噪声分量，重构光谱信号，循环上述分解过程，直到不满足“ ３Ｒ” 法则，降噪过程结束。构造理想光谱，叠加噪声，“ ３Ｒ” 法降噪效果优于ＥＭＤ和ＥＥＭＤ低通滤波器，略逊于小波分解。真实光谱实验中，经过上述方法降噪处理过的玉米叶片光谱采用３层ＢＰ神经网络建立与叶绿素之间预测模型，“ ３Ｒ” 法处理模型具有最大校正相关系数和预测相关系数，最小校正标准差和预测标准差。在四种降噪方法中， “ ３Ｒ ” 法对光谱谱峰位置和峰高的影响最小。实验表明， “ ３Ｒ” 双谱去噪方法无
及过零点的数目必须相等或至多相差一个；②在任何局部点
上，最大值和最小值包络平均值必须等于零［７］。由于分解是
按照信号频率特性尺度进行，各ＩＭＦ反映了信号中不同频率的成分，所以基于ＥＭＤ可以实现信号去噪［８］。当信号突变或噪声与信号频率接近时ＩＭＦ中不同模态能量相互渗透，
收稿日期：２０１４ — ０４ — ２３。修订日期：２０１４ — ０８ — １８
提出将高斯白噪声加入待处理信号，多次ＥＭＤ分解得到ＩＭＦ分量做整体平均，称为总体平均经验模态分解（ｅｎｓｅｍ—
ｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＥＭＤ）［１ｏｊ，ＥＥＭＤ有效
近红外“ ３Ｒ＂法双谱自适应去噪
赵肖宇，方一鸣，谭峰。，王志刚。，佟亮
ｉ．燕山大学电气工程学院，河北秦皇岛０６６００４
２．黑龙江八一农垦大学信息技术学院，黑龙江大庆
１６３３１ ቤተ መጻሕፍቲ ባይዱ
１６１００６１６１００６