首页 > 自己对平滑去噪算法的理解
头像
携程内推小仙女
发布于 2021-03-05 15:56
+ 关注

自己对平滑去噪算法的理解

就是信号平滑算法是消除噪声最常用的一种方法。基本假设是光谱中含有的噪声为零均随机白噪声,若多次测量取平均值可降低噪声提高信噪比。

移动平均平滑法

1、原理:选择一个具有一定宽度的平滑窗口,没窗口内有奇数个波长点,用窗口内中心波长点k以及前后w点处测量值的平均值代替波长点的测量值,自左到右依次移动k,完成对所有点的平滑。

2、  步骤:

      关键是平滑窗口宽度的选取,太小:平滑去噪效果不佳;太大:会平滑掉有用信息,造成光谱信号的失真。

 Savitzky-Golay卷积平滑法(S-G平滑)

 原理:又称为多项式平滑,其思想与移动平均平滑法的基本思想类似,只是该方法没有使用的是多项式而不是简单的平均来对移动窗口内的数据进行多项式最小二乘拟合。

  优点:此方法的实质是一种加权平均法,更强调中心点的中心作用。效果比移动平均平滑法更好。并且随着平滑点数的增加,平滑效果明显改善。

 Savitzky-Golay卷积求导:

1、  原理:Savitzky-Golay卷积平滑也可以用于求取导数光谱,此处差分宽度(常称为导数或微分点数)的选择十分重要。差分宽度过小:造成噪声大,影响分析模型的预测能力;差分宽度过大:造成平滑过渡,会失去大量的细节信息。

2、  步骤:

a)         通过差分宽度与交互验证校正标准偏差(RMSEC)或预测标准偏差(RMSEP)作图来选择最佳最佳差分宽度;

b)        通过最小二乘法计算得到与平滑系数相似的导数系数;

c)         计算出其一阶导数和二阶导数

3、  优缺点:

a)         优点:导数可以有效的消除基线和其他背景的干扰,分辨重叠峰,提高分辨率和灵敏度,

b)        缺点:同时引入噪声,降低信噪比。

  SNV和去趋势算法

  原理:标准正态变量变换主要是用来消除固体颗粒大小、表面散射以及光程变化对NIR慢反射的影响。SNV与标准化算法的计算公式相同,不同之处在于一个是一组,一个是一条。去趋势算法通常用于SNV处理后的光谱,用来消除漫反射光谱的基线漂移

 步骤:

a)   按多项式将光谱x和波长拟合出一趋势线d,然后从x中剪掉d



全部评论

(4) 回帖
加载中...
话题 回帖

相关热帖

近期精华帖

热门推荐