第33卷，第12期 2013年12月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
EEMID自适应去噪在拉曼光谱中的应用
赵肖宇1.2，方一鸣1，王志刚”，翟哲2 1.燕山大学电气工程学院，河北秦皇岛066004
2.黑龙江八一农垦大学信息技术学院，黑龙江大庆163319
3，齐齐哈尔大学生命科学与农林学院，墨龙江齐齐哈尔161006
Vol. 33 ,No. 12 -pp3255-3258
December : 2013
摘要二代小波是公认较好的降噪手段，但是降噪效果依赖于基函数、分解层数和阅值等参数设置。经验模态分解（empiricalmodedeoomposition，EMD）无需参数设定，按照频率特性将信号分解成本征模函数（in trinsicmodefunction，IMF），对IMF滤波，实现了信号自适应去噪。拉曼光谱中信号和噪声交叠集中在极高频段，EMD产生模态混叠间题，影响去噪效果。应用总体平均经验模态分解（ensembleempiricalmodede-composition，EEMD)拉曼光谱克服了模态混叠，有效区分出高频信号和噪声，获得了与小波函数相似去噪效果。文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解，可见模态混叠，EEMD分解出清晰模态的特征分量。然后分别用快速傅里叶变换（fastFouriertransform，FFT）、小波变换（Wavelet)、EMD和EEMD 处理含噪光谱，信噪比、均方根误差、相关系数三个方面指标表明FFT高频去噪效果最差，其次是EMD，恰当的Wavelet同EEMD效果相当，EEMD的优势是降噪过程的自适应。最后提出光谱时频分析方法和 IMF噪声属性判别准则研究趋势，
关键词总体平均经验模态分解；拉曼光谱；信号降噪；自适应
中图分类号：0657.3
引言
文献标识码：A
DOI : 10. 3964 /j. issn. 1000-0593 (2013 )12-3255-04
做到了从信号内部关注细节。不足之处是小波变换需要根据对象不同特点由经验确定小波基、阅值和分级层数等6]，而参数的选取对滤波精度影响很大，即小波变换是非自适应
拉受光谱中噪声有两类，来自仪器的电子热运动噪声和外部通信系统干扰。噪声的存在极大影响了光谱真实信息的解读，因此信号降噪在光谱解析中有者举足轻重的作用，拉曼光谱仪激光源波长为纳米级，考虑到正负几千的散射频移，拉受光谱有效信息主要集中在极高频至甚高频段，所以拉曼光谱降噪不同于其他信号降噪，应该更多些关注高频处理方法和效果，
傅里叶变换是降噪方法中基础的一种处理手段，文献[2］对拉曼光谱快速傅里叶变换（fastFouriertransform， FFT），通过带通滤波器滤波，提高了光谱信噪比。傅氏变换之后的信号频率是混合的，因而无法从细节方面识别高频信号和高频巢声。小波滤波从回世至今的几十年间得到广最产泛的关注和应用，陈晨等首先将小波变换（Wavelet)理论应用于拉受光谱降噪研究，在较小均方误差前提下提高广信噪比3]。小波变换将信号映射到小波域同时对信号尺度划分，
收稿日期：2013-03-17，修订日期：2013-05-25
的。2009年出现经验模态分解（empirical mode decomposi-tion，EMD拉曼降噪方法)，该方法能将信号按照不同频率自适应分解，通过对分量高通、低通、带通或阅值滤波实现降噪。但是对高频信号去噪时出现模态混叠，影响包含异常事件的非平稳信号滤波效果。为广解决模态混登间题，文中提出用总体均值经验模分解（ensembleempiricalmodede-composition，EEMD)处理含噪拉曼光谱。EEMD方法利用高斯白噪声零均值以及频率均勾分布特性，使信号特征尺度均匀分布，异常事件得以平滑处理，从而获得优于EMD的高频去噪效果，并且处理过程是自适应的，较小波滤波简便。
EMD及EEMD分解光谱 1.1EMD分解光谱
EMD方法是Huang等提出的一种信号处理方法]，该
基金项目：国家青年基金项目（31200390），黑龙江省教育厅科学技术研筑项目（12521378)和黑龙江八一农垦大学研筑生创新科研项目
(YJSCX2013-16BYND)资助
作者简介：赵肖宇，女，1977年生，燕山大学电气工程学院博士研究生
e-mail : xy_zhao77@ 163 -com