基于统计特征和显著度的光谱信号提取算法

各类光谱信号都会受到噪声和基线畸变的影响,在提取光谱信号过程中若不考虑基线畸变和噪声的影响,将会严重影响信号提取的精度和准确性,所以需要在信号提取前消除噪声和基线畸变的影响。大多数信号提取算法的步骤是先提取整体基线,再提取信号,这样难以保证基线的提取精度。为了降低信号提取过程中背景噪声、基线畸变等不利因素的影响,根据信号的存在总是会导致该区域的统计特征不同于背景的特点,提出了一种基于显著度和统计特征的光谱信号检测与提取算法(SSD算法)。首先,在待测数据的不同尺度空间中计算出信号在各尺度下的显著度,将检测出的显著信号点作为候选信号点;其次,利用信号特征去除候选信号点中的伪信号点;最后,对候选信号点所在区域采用二次多项式进行基线拟合以剔除伪信号区域并实现最终的信号提取。为验证SSD算法的综合性能,首先,通过仿真的方法对高斯信号和矩形信号在不同基线类型、不同信噪比下进行实验;然后将该算法与AirPLS算法、Wavelet算法以及DoG算法对两种信号在不同信噪比,不同基线类型下的提取结果进行比较。仿真实验结果表明:与其他算法相比,SSD算法信号提取结果基本不受信号类型和基线畸变类型的影响,且当信噪比大于40时基本不受信噪比的影响;在不同基线畸变类型下,SSD算法对两种信号提取结果的准确度、稳定性、离散度均较好,其他算法则只适用于某种基线畸变类型。从总体提取结果上看,SSD算法提取结果的绝对误差的均值仅为AirPLS算法的8.71%、Wavelet算法的3.52%、DoG算法的2.01%;绝对误差的均方根也仅为AirPLS算法的13.08%、Wavelet算法的5.45%、DoG算法的3.11%。因此,所提出的SSD算法在提取信号时具有良好的综合性能,能够在不同的信噪比及基线畸变情况下准确的提取出信号。

光谱信号区域基线拟合算法

为消除基线畸变对光谱信号后续处理产生的不利影响,提出了一种光谱信号区域基线拟合算法.首先,利用渐变惯性力和吸引力的思想,针对具有曲率突变的基线提出了GradSuck拟合算法,该算法弥补了多项式拟合算法在信号区域周围基线曲率发生突变时拟合基线不准确的不足;然后将这种算法与分段二次多项式拟合算法进行结合,提出了更具有普适性的信号区域基线拟合算法,同时将该算法与不同的基线拟合算法做了对比.实验结果表明,信号区域基线拟合算法在不同的基线类型和不同的信噪比下均具有较高的准确性和稳定性,其总体拟合精度的相对误差仅为分段二次多项式拟合的47.0%,为AirPLS拟合的35.6%,为Wavelet拟合的20%,且由于只对光谱信号区域进行基线拟合,因此具有较好的实时性.