第36卷，第7期 2016年7月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 36 ,No. 7 ,pp2144-2147
July,2016
基于提升小波变换的矿物油荧光光谱去噪研究
王玉田，杨哲，侯培国*，程朋飞，曹丽芳燕山大学河北省仪器科学与技术重点实验室，河北秦皇岛066004
摘要矿物油的使用是造成雾霾等空气污染问题的重要原因，矿物油荧光光谱检测系统光谱消噪处理的有效性和快速性是在线实时监测系统的热点问题。研究应用提升算法小波变换（LWT)矿物油荧光光谱去噪的方法。与传统的离散小波变换(DWT)相比，提升小波变换将现有的小波滤波器分解成基本的构造模块，分步骤完成变换，结构简单，运算速度快。在矿物油荧光光谱去噪过程中具有运算量低、原位运算和便于实现的特点，有效解决了传统小波变换在这方面的不足。提升算法的小波变换、传统离散小波变换和经验模态变换（EMD)分别运用到0柴油、97汽油、煤油三种矿物油的荧光光谱去噪中，评价去噪效果指标的信噪比(SNR)、重构均方根误差(RMSE)和波形相似度（NCC)证明了提升方法小波变换用于矿物油荧光光谱去噪的有效性。同时，提升算法变换能提高构造的灵活性和运算的简单性使消噪时间降低62，证明了提升
算法的小波变换运用到矿物油荧光光谱去噪中的快速性，适于矿物油实时消噪处理系统，关键调提升小波；去噪；荧光信号；信噪比
中图分类号：TH744.1
文献标识码：A
引言
DOI : 10. 3964 /j. issn. 1000-0593 (2016 )07-2144-04
中，选取合适的小波基对矿物油荧光光谱数据进行提升实现，作用改进的围值处理函数后重构光谱信号，信噪比(SNR)、均方误差（MSE)和波形相似系数（NCC)较传统小
荧光分析法是检测水中矿物油含量的重要方法，具有灵敏度高、选择性好、易于设计等优点-2，在荧光检测矿物油含量过程中，光电倍增管（photomultipliertube，PMT)将荧光信号转化为电流信号时包含本底噪声3，直接影响有效信号的检测。所以，信号消噪，提高荧光信号信噪比，提高检测精度是矿物油荧光分析法中的关键问题
荧光光谱消噪的传统时域平滑和频域去噪方法存在诸多缺点。小波分析具有多分辨率及良好的局部特性，在信号处理、语音识别、故障诊断等领域有着广泛应用-]。基于提升算法的小波变换有效解决了传统离散小波变换采用Mallat 算法时基于券积的离散小波在对信号进行伸缩和平移运算的多尺度分解过程中滤除了部分有用细节信息，计算量大计算复杂度高，实时性欠佳的问题。它将现有的小波滤波器分解成基本的构造模块，分步骤完成变换，不依赣于傅里叶变换，维承了第一代小波的多分辨率特征，面且绪构简单，计算速度快，这一算法相对于Mallat算法而言，是一种更为快速有效的小波变换实现方法，被誉为第二代小波变换。
本文将提升算法小波变换去噪法运用到矿物油荧光光谱收稿日期：2015-04-17，修订日期：2015-08-12
波去噪法均有所提高，去噪时间仅占原来的约40%。结果表明此法用于矿物油荧光光谱去噪处理系统的有效性和实时性。
基于提升算法的小波变换滤波去噪提升算法的小波变换
1.1
称为第二代小波变换的提升算法小波变换是20世纪90 年代中期由Sweldens和Daubechies等学者提出的关于小波构造的一种新方法"}，提升算法的分解和重构如图1所示。提升方法把传统小波变换过程分为3个阶段：分解(Split)、预测(Predict)和更新(Update)。
(1)分解。将输人信号s按奇偶性分为si-1和d-1两个较小的子集，也称d-1为小波子集，分解过程表示为F(s）( 1p* 18) =
(2)预测。原始数据有较大相关性，奇数序列d-1用偶数
序列&-1的预测值P(s-1)预测，残差信号为奇信号的实际值与预测值之差，即d-1=d;-1一P(s-1)。这样此时的d-1较
基金项目：国家白然科学基金项目(61471312）；河北省白然科学基金项目(F2015203240，F2015203072)资助
作者简介：王玉田，1952年生，燕山大学电气工程学院教投
*通讯联系人
e-mail : pghou@ ysu .edu .en
e-mail : y -t .wang@ 163 .com