第30卷，第10期 2010年10月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 30,No. 10,pp2797-2801
October,2010
小波变换在激光诱导击穿光谱压缩中的应用
凯，董美蓉
蒋梅城，陆继东，姚顺春，潘圣华，陈
510640
华南理工大学电力学院，广东广州
摘要将小波变换应用于8种燃煤的激光诱导击穿光谱数据的压缩，并通过考察db小波阶数、分解层数和阀值化方法等参数对压缩效果的影，总结了压缩参数选取的规律，确定了较好的压缩方案。以压缩分数、恢复分数、谱线强度相对误差为衡缺准则，比较了压缩前后谱图的差异，评价了压缩的效果。结果表明，在所选的较优方案下，8个煤样其1，2，5通道的谱图恢复分数RS为81%～99.96%，压缩分数CS为 79.02%～92.07%，谱线相对误差均在5%之内，重构光谱与原始光谱基本一致，存储量减小。
激光诱导击穿光谱；小波变换：压缩；燃煤
关键词
中图分类号：0657.3
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2010)10-2797-05
率部分，保存主要能林集中的系数，仍然能在大幅度压缩数据的同时很好地恢复原始光谱，不影明分析的精度，
小波变换用于数据压缩的基本原理”是：原始信号投影
激光诱导击穿光谱技术（laser-inducedbreakdownspec tra，LIBS)作为一种潜在的多元象同步快速检测技术，已越来越多的尝试应用于工业过程的在线控制中[1.3)。一般使用较高频率的脉冲激光激发样品，产生大量的光谱数据。而 LIBS光谱分析中，需要提取的只是光谱信号的突变部分，即特征峰的波长与强度信息等。因此在保证光谱基本特征不变前提下，尽可能的别除无关紫要的信息，可以大量压缩光谱数据，为数据的存储和后续处理带来方便。
光谱数据缩中常用的方法有主成分分析法[3]、傅里叶变换4和小波变换等。主成分分析法可用于大型的数据库系统，但计算大：傅里叶变换法缺乏对局部信号的解析能力。基于傅里叶变换发展起来的小波分析，由于其局部分辨能力高、压缩率大与失真度低，已被广泛应用于光谱谱图处理如红外和紫外-可见等光谱分析54J。由于LIBS分析以特征峰为对象，其赖率特性相对稳定，因此选用局部分辨能力强的小波变换方式对LIBS光谱数据进行压缩处理的研究，
1原理
1.1小波变换数据压缩原理
小波变换在LIBS光谱压缩中应用的思想是：LIBS分析所需的特征峰信息主要集中在高频部分，忽略能虽很小的频
到小波空间，形成原始信号对应的小波系数，分解成各层近似系数和细节系数，进行阅值量化处理，并保存处理后的系数及其位置信息，最后利用Mallet重构算法反变换即可以得
到重构光谱。 1.2评价参数
压缩效果评价包括压缩量和失真效果评价]。压缩量的多少用压缩分数来表示
CS =100X
N
(1)
式中，CS是乐缩分数；N;是量化后的小波系数为零的数目；N；为小波系数的数目，压缩分数越高，压缩虽越大。
失真程度用恢复分数来表示，其定义为量化前后小波系数的L2范数的比值的100倍，即
RS=100×
(2)
c
式中，RS为恢复分数，C,和C为量化前后的小波系数的L2范数。恢复系数越大，谱图的失真越小。应该在满足对失真度要求的情况下，追求更大的压缩空间，
对于一个分析波段内的LIBS光谱而言，只有特征峰的信息是该光谱数据的特征信息，其是否能被全部保留是衡量压缩效果的重要标准。本文的LIBS分析基于单波长谱线峰值强度值，定义压缩重构之后谱线α的相对光谱强度偏差为
收稿日期：2009-12-15，修订日期：2010-03-18
基金项目：国家白然科学基金项目（50576029)和广东省科技计划项月(2008B010400044)资助
作者简介：蒋梅城，女，1984年生，华南理工大学电力学院硕土研究生
*通讯联系人
万方数据
e-mail;jdlu@scut, edu. cn
e-mail:jmcjmc@qq,com