基于小波分析的光谱数据处理方法研究

摘要

随着数字信号处理技术的发展，各个相关领域为适应自身需求而不断寻找更为合适的数字信号处理方案。从传统傅立叶时域频域变换到小波分析，各种理论都在不断的进行修正以及自我修正，使得对数据处理的结果能够更好的满足用户的需求。
　　 在实验中得到的光谱数据不可避免的掺杂噪声信号、趋势项信息，有时信号中也会包含重叠峰等现象。通过应用不同小波基函数对数据处理光谱信号所得来的不同结果进行比较，得出最优的数据处理结果，从而找到最适合的小波基函数。进而为实验人员对实验数据进行定性和定量的分析提供方法。本论文中通过对实际采集的光谱信号进行处理，对比了使用几种常用小波基函数的处理结果，并做出了最有的选择。
　　 在基于matlab软件平台提供的算法实现这种功能之后，为适应将来的实验数据处理的需要，可继续开发出独立的软件模块-动态链接库，以实现对光谱实验数据进行自动分析处理。

目录

文摘

英文文摘

第一章 引言

第一节 研究开发背景

第二节 论文所完成的工作

第二章 光谱数据分析的理论基础

第一节 傅立叶分析

2.1.1 傅立叶级数

2.1.2 傅立叶变换

2.1.3 传统傅立叶分析的局限性的分析

第二节 窗口傅立叶变换

2.2.1 窗口傅立叶变换的引入

2.2.2 窗口傅立叶变换的时频分析

2.2.3 窗口傅立叶变换中时频窗的讨论

第三节 小波变换

2.3.1 从传统傅立叶变换分析到小波变换分析

2.3.2 小波变换分析的起源

2.3.3 小波分析的数学基础

2.3.4 连续小波变换

2.3.5 二进小波

2.3.6 小波的多分辨率分析

2.3.7 小波变换分析的优点

第三章 常用小波母函数介绍

第一节 小波基函数选取的原则

第二节 几种常用小波基函数介绍

第四章 小波分析在光谱数据处理中的应用

第一节 小波分层模型

第二节 利用小波变换去除信号噪声方法介绍

4.2.1 信号去噪概述

4.2.2 信号与噪声的特性

4.2.3 小波去噪的基本方法

第三节 信号中趋势项的去除

第四节 重叠峰的初步探讨

第五节 实验处理结果分析

第五章 总结与展望

参考文献

致谢

个人简历