应用小波Firm阈值滤波实现光谱实时采集

　　1　引　言

　　近几年,由于CCD的普遍使用,微型光谱仪发展很快,在CCD信号噪声处理方面也有不少的突破。CCD输出噪声主要有光子散粒噪声、暗电流散粒噪声、读出噪声(包括放大器复位噪声、输出放大器噪声),另外还存在低频噪声和宽带白噪声。去噪方式上基本可分为硬件去噪和软件去噪。硬件去噪根据噪声来源可分控温去噪和模拟前端设计去噪。控温去噪是对CCD器件采取致冷措施,设计模拟前端去噪是把CCD输出的模拟信号经过放大降噪等处理后,在采样及控制脉冲的作用下变换成相应的数字图像信号[1]。然而硬件去噪的方法在实际应用中并不能完全去除随机噪声,并且采集和处理电路也存在随机噪声,因此,还需要通过软件进一步去噪滤波。传统的软件去噪方法有多点平滑、多次平均、傅里叶去噪等,这些去噪方法各有局限性。多点平滑易失真;多次平均耗费采集时间;傅里叶去噪尽管使测定的准确度、测量误差、测量速度得到了提高,但对信号的分解却常受噪声的干扰,效果也不是很理想。

　　小波变换是近几年发展起来的一种信号处理方法,其基本思想是将原始信号分解成一系列具有良好时频局部化的基元信号,利用这些基元信号的局部特征,实现对信号的时频局域化分析。小波变换这种表征信号局部特征的多分辨率分析方法十分适用于光谱分析[2],许多文献已对该方法的实现进行了详细阐述。

　　现有文献中描述的用滤波方法来分析特殊谱线的评定标准(凭借感官经验,峰值信噪比,MSE,峰位置、峰高、峰面积误差,信噪比等[3-4])只是对小波滤波前后的信号进行对比分析,对实时采集滤波作用不大。因此,本文根据小波滤波理论的基本原理,提出了将小波域Firm阈值[5-6]滤波应用于光谱实时采集的方法。

　　2　基本原理和方法

　　2.1　小波域阈值滤波基本原理

　　基于信号和噪声在不同尺度上有不同的特征表现这一原理,Mallat、Xu和Donoho等提出了各自的信号滤波方法。目前存在的小波滤波方法主要分为三种:第一种是Mallat提出的模极大值重构滤波;第二种是Xu提出的空域相关滤波;第三种是Donoho提出的小波域阈值滤波[7]。文献[7]指出模极大值重构滤波方法计算量大速度慢,而空域相关滤波对相关系数的定义要求严格,容易出现偏差。因此,本文选择小波域阈值滤波作为降噪方法。

　　在小波域阈值滤波算法中。阈值函数选取和阈值确定是两个基本问题。首先,小波域阈值滤波方法也有多种,由于选取的阈值函数不同,体现了对小波系数的不同处理策略。阈值函数主要分为硬阈值函数、软阈值函数和Firm阈值函数,他们的基本思想都是去除小的系数,对大的系数进行收缩或保留。硬阈值法有较大的方差而软阈值法有较大的偏差[5]。