基于LCEEMD的低信噪比拉曼光谱自适应去噪方法研究

摘要

在生物体拉曼光谱快速采集或低功率采集过程中,往往会获得低信噪比拉曼光谱.针对低信噪比光谱数据,提出应用补充总体经验模态方法(CEEMD)分解拉曼光谱,并且依据特征模态分量的归一化排列熵值(NPE)按比例扣除噪声成分的方法,称为局部补充总体均值经验模分解方法(LCEEMD).LCEEMD方法不仅解决了经验模态(EM D)分解中高频信号与噪声的模态混叠问题,还有效降低了总体经验模态分解法(EEMD)中的残留噪声.仿真数据实验显示,LCEEMD方法在处理10db信噪比模拟光谱时获得了39.6150 db信噪比,0.00117标准差和0.9999相关系数.在人体皮肤拉曼光谱试验中,LCEEMD方法滤波后数据准确呈现出角质层脂质酰胺I带激发拉曼强谱峰以及甘油三酸酯中(C O)酯微弱谱峰.在水稻叶片可溶性糖定量预测模型中,LCEEMD方法取得了0.8717预测相关系数和0.9120预测标准误差,优于EMD和EEMD软阈值去噪(0.5114,1.6478和0.6382,1.5088).LCEEMD方法实施过程中,根据去噪性能指标反馈调整归一化排列熵阈值,直至获得最佳去噪效果,滤波过程无需参数设置,可以自适应实现.