遗传算法优化小波阈值对水质光谱数据的去噪研究

摘要

针对紫外-可见光谱法水质检测系统易受到仪器本身和外界环境的噪声干扰,所测得的光谱数据存在大量系统和杂散光噪声的问题,在对紫外-可见光谱法水质检测系统的噪声源分析的基础上提出将遗传算法应用于小波阈值优化的去噪方法,并与小波软阈值、SG平滑和中值滤波方法进行了对比。为评价去噪效果,对同一浓度的邻苯二甲酸氢钾标液的紫外-可见光谱数据进行去噪实验。在采用遗传算法选取小波最优阈值对标液进行去噪处理的同时,还采用传统小波软阈值去噪、SG平滑和中值滤波去噪作为对比。为验证该算法的实际可行性,进一步用这四种方法对某地排水沟和某污水处理厂排水口的实际水样光谱进行去噪处理。实验结果表明:基于遗传算法的小波阈值去噪效果良好,相较于传统的小波软阈值去噪、SG平滑和中值滤波的方法,信噪比分别提高了2.2994、5.7066、2.6155 dB,均方根误差分别减小了0.0028、0.0087、0.0033,峰值信噪比分别提高了2.0837、5.2569、2.7375 dB。基于遗传算法的小波阈值去噪算法不仅抑制了光谱数据中的噪声,同时也提高了系统精度,为紫外-可见光谱法水质光谱去噪处理提供了一种新的解决办法。