文摘
它成为一个关键技术测量车辆排气成分的浓度与透射光谱。但在传统的降噪和基线校正方法,如小波变换、微分,插值、多项式拟合,等等,这些算法的基本功能,分解层数,重构信号的方式要根据不同的特点调整组件的透射光谱。上述算法的参数设置不是先验的,因此,很难达到最佳的降噪效果的车辆排气光谱波形尖锐和激烈。在本文中,自适应集成经验模态分解(EEMD)去噪模型基于一个特殊的光谱中使用归一化指数提出了优化和降噪车辆排气X。它是与实验结果表明,该方法可以有效改善谱降噪的准确性和简化去噪过程及其操作困难。
1。介绍
随着我国机动车数量的增加,汽车排气污染变得越来越严重。PM2.5的连续霾天气和超过标准都与汽车尾气排放有关。因此迫在眉睫的监视和控制车辆尾气排放(1]。目前,利用光谱信息的方法来检索排气组件集中已成为汽车尾气检测的主流技术,所以它是非常重要的,以减少车辆尾气透射光谱的噪声。
紫外线透射光谱在200 - 400海里乐队通常用于分析排气的浓度X组件。然而,主要有三种声音的紫外光谱,电子热噪声、光源波动和外部通信系统的干扰。位置、幅度、能量和宽度信息,等等的X谱峰这些噪音严重的影响了。所以有必要消除干扰X紫外透射光谱为了获得清晰和可靠的光谱数据,这是非常重要的进一步分析和浓度反演。有许多小振幅和低能量的吸收峰排气X光谱,波形尖锐、激烈的和有效的信息频率很高。当使用传统的方法来减少光谱噪声,高频部分有效的信息经常迷路,导致谱峰的变化或其强度变化。因此,有必要研究降噪方法适合cross-mixed高频信号和噪声的条件。
2。自适应EEMD去噪算法
2.1。正常EEMD去噪算法及其不足
经验模态分解(EMD)是一个黄等人1998年提出的信号处理方法(2- - - - - -4),一个信号可以分解成有限数量的固有模态函数(IMF)。国际货币基金组织能满足全球窄带要求和当地为条件,但存在模式混合问题当它用于分解信号(5,6]。因此,集成经验模态分解(EEMD)方法提出了黄等。7),进入添加高斯白噪声信号处理提供足够的极端点平滑异常事件,然后是国际货币基金组织(IMF)组件通过多个分解总体平均克服混合模式。最后,可以消除高斯白噪声与上面的系综平均的过程。
有两个主要步骤EEMD分解。步骤1:相同长度的高斯白噪声和随机振幅被添加到信号处理,然后混合信号与EMD分解,之后重复上述过程K次;最后,国际货币基金组织(IMF)组件c本土知识,其余r本土知识得到了。指出白噪声的振幅应遵循以下规则: 在哪里e原始信号的标准差,这之间的偏差和EMD信号和重建的结果吗一个是白噪声的振幅。它可以得出,当白噪声的振幅增加,重复的数字KEMD分解应该增加到减少噪音对分解结果的影响。当要处理的信号主要是由高频组件,振幅一个应该较小,反之亦然(8]。和噪声幅度不会影响分解的结果,除非是非常小的或大。因此,EEMD处理结果不会改变太多的不同设置一个或多个参数,这意味着EEMD方法的适应性和不依赖于人类的主观干预。
步骤2:国际货币基金组织(IMF)组件整体平均为以下: 在哪里nEMD分解的数量。摘要车辆排气XEEMD后透射光谱分解重构,及其概率误差小于10−9是99.2317%,这意味着使用EEMD分解没有X透射光谱大约是完整的。EMD或EEMD分解过程中不存在混合模式,每个组织都有不同的频率成分和高频的货币总是第一个筛选成为可能。所以分解过程被认为是多个带通滤波,然后通过构造一个低通滤波器,实现降噪(6- - - - - -8]。
施工过程的EMD或EEMD低通滤波器,重构信号的顺序是一个重要的参数的过滤和选择去噪的准确性是至关重要的。通常,后去噪性能指标用于确定参数,这需要指数评价去噪效果光谱方面的变形度和信噪比,等等。然而,当信号与噪声同时存在于同一个国际货币基金组织(IMF)组件,它将所有保留或低通滤波器过滤的EMD EEMD过程,这将导致减少噪音低精度(9,10]。为了解决上述问题,标准化评价指标设计,与循环分解和重建的方法是用来改善去噪EEMD的准确性。
2.2。规范化的设计优化指数EEMD去噪
EEMD方法基于一种特殊的归一化指数优化提出了这里,标准化的全球最佳去噪指数作为还原过程的停止条件,所以这个过程不需要任何参数设置,可以自动完成。信号噪声比(信噪比),标准错误(SE)和相关系数(R)用于索引来评估降噪的效果。为了表达的综合变化能量,形状,和位置的光谱降噪后,归一化指数r设计如下: 在信噪比′代表谱降噪后的信号噪声比。该指数r结合光谱信息细节和近似的两个方面来评估降噪的效果,它可以确保两个方面的指标是负相关,因此,更大的价值r越好(9]。
3所示。去噪实验和分析
3.1。收购不X从车辆排气透射光谱
如图1实验平台,为收购没有气体混合设备X从汽车尾气已建成透射光谱,照片被显示在图2(一个)。紫外吸收截面,不,不2如图2 (b)。没有,没有2紫外线透射光谱(200 nm - 440 nm)不同浓度和吸收路径取得了与平台,也与他们的透射光谱。16个ppm的透射光谱图所示2 (c),25 ppm的光谱2如图2 (d)。
(一)实验系统,100厘米的照片毒气室
(b)吸收截面和NO2在不久的紫外线乐队
(c)没有cm-16 ppm
(d) cm-25 no2 - 100 ppm
获得光谱,可以得出,噪音是显而易见的,它严重影响信噪比低浓度测量,将准确的浓度反演的不,不2气体。所以有必要进行降噪前浓度反演。
3.2。去噪实验基于EEMD和数据分析
与EEMD降噪算法设计方法结合归一化指数r,去噪流程图如图3。
步骤1:光谱信号x我与EEMD分解,然后呢n取得了国际货币基金组织(IMF)组件(没有特殊操作的残余在去噪过程中,残留的是记录为国际货币基金组织(IMF)n)。
步骤2:国际货币基金组织(IMF)的低阶组件1高频率被移除,然后形成新的光谱光谱信号的重构,这是记录为x我+ 1。
步骤3:计算indecr我+ 1,x我,x我+ 1被放入以下公式: 在哪里 , ,n在每个光谱的数据量。然后,信噪比、SE和R可以放入(4)计算指数r我+ 1。
步骤4:在索引r我+ 1计算,如果r我+ 1>r我,它意味着的归一化指数进行了优化(我+ 1)去噪,所以有可能分解,过滤,再一次光谱信号和重建;然后,我=我+ 1设置和整个去噪过程返回步骤1。如果r我+ 1<r我,这意味着EEMD最好的归一化指数获得的我去噪,EEMD降噪过程结束x我是最好的结果与NIO EEMD去噪,最后信号x我被分配给x′( )。
根据上面的算法和流程图,EEMD Matlab程序编程,然后用于去噪三没有X紫外线透射光谱。结果如图所示4。信噪比的三个光谱去噪前后的比较表1,没有X吸光度和浓度倒在各自的峰值表中列出2。从实验结果可以得出两个表中,透射光谱的信噪比改善去噪后,浓度和吸光度,倒更接近理论值计算与实验系统参数。
(一)no2 - 100 cm-25 ppm
(b) cm-25 no2 - 100 ppm
(c) no2 - 300 ppm -不- 786 ppm - 100厘米
然后EMD低通滤波器(5,6),db4小波分解(10分别,使用NIO EEMD降噪的没有一个X透射谱(没有混合2-300 ppm /不- 786 ppm / 100厘米)进一步验证NIO EEMD方法的去噪效果。如图5 (b),EMD分解低通滤波方法已被用于一个,然后是一级国际货币基金组织(IMF)组件已被删除,最后仍然存在很多噪声去噪光谱,和三个没有吸收峰在200 - 230纳米带大变形。EMD分解产生的原因是混合模式已过滤与有用信号从原始光谱。如图5 (c)db4小波基础五分解和软阈值方法用于构造小波滤波和去噪模型,最后还有一定量的噪声频谱。最后,自适应NIO EEMD方法的降噪效果如图5 (d)。
(一)原
(b) EMD滤波器
(c)小波
(d) EEMD NIO
三个算法去噪指标如表所示3具有低通滤波器频率代表和NIO表明基地规范化指数降噪方法优化上面提到的。有吸光度值和反向浓度相同的光谱与去噪算法三列在表中4。与原始光谱数据相比,可以获得更好的去噪效果与NIO EEMD自适应方法,由于其计算精度的吸光度也可以提高检索的精度X气体浓度。与此同时,另外两个算法参数设置有很强的依赖,一旦参数设置不当,去噪效果会明显影响。
4所示。结论
摘要EEMD方法用于分解的紫外透射光谱X从车辆排气;然后,规范化的噪声性能指标构造,根据全局极值的循环顺序EEMD分解的透射光谱可以自适应地确定。基函数等参数阈值,和分解层不需要用这种方法,所以没有的降噪效果X光谱不依赖于参数的设置是否合适。与实验的结果,可以得出结论,当使用的去噪X透射光谱,EEMD算法基于归一化指数优化比EMD低通滤波器和db4小波分解算法在相同的情况下。
的利益冲突
作者宣称没有利益冲突。
确认
工作是国家重点支持的研究和发展项目的中国(2016 yfc0201003)和863年中国国家高技术研究发展计划(2014 aa06a503)。