一种适用于细菌检测的光谱数据处理方法技术

本发明专利技术涉及光谱数据处理，具体涉及一种适用于细菌检测的光谱数据处理方法，获取光谱信号并读入信号数组；对信号数组进行分组，并对各组信号数组分别进行一维离散小波分解，得到小波系数；利用阈值函数对小波系数进行阈值去噪，并采用去噪后的小波系数进行小波重构，得到重构后的信号数组；对重构后的信号数组的重叠部分进行均值处理，并写回至光谱信号中，得到初去噪光谱信号；确定初去噪光谱信号的梯度信息，根据梯度信息确定时间调制函数；本发明专利技术提供的技术方案能够有效克服现有技术所存在的去噪效果较差，以及不能在去噪的同时较好地保持光谱局部峰值信息的缺陷。保持光谱局部峰值信息的缺陷。保持光谱局部峰值信息的缺陷。

【技术实现步骤摘要】
一种适用于细菌检测的光谱数据处理方法


[0001]本专利技术涉及光谱数据处理，具体涉及一种适用于细菌检测的光谱数据处理方法。

技术介绍

[0002]由于每种物质都有自己的特征谱线，因此可以根据光谱来鉴别物质种类及确定相应的化学组成，对于细菌检测也是如此。这种方法的优点是非常迅速并且灵敏，当某种元素在物质中的含量达到10
‑
10
g时，就可以从光谱中发现其特征谱线，从而能够将它检查出来。
[0003]但是，光谱信号极易受到噪声干扰。因此，光谱信号去噪对数据处理和分析非常重要，将会直接影响到后续的信息挖掘和定量分析，选择合适的去噪方法是提高光谱分析能力和光谱分析精度的关键。目前有很多种光谱信号去噪方法，常用的包括平滑、傅立叶变换、导数校正等，但是这些光谱信号去噪方法的去噪效果较差，并且不能在去噪的同时较好地保持光谱局部峰值信息。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术所存在的上述缺点，本专利技术提供了一种适用于细菌检测的光谱数据处理方法，能够有效克服现有技术所存在的去噪效果较差，以及不能在去噪的同时较好地保持光谱局部峰值信息的缺陷。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种适用于细菌检测的光谱数据处理方法，包括以下步骤：
[0009]S1、获取光谱信号并读入信号数组；
[0010]S2、对信号数组进行分组，并对各组信号数组分别进行一维离散小波分解，得到小波系数；
[0011]S3、利用阈值函数对小波系数进行阈值去噪，并采用去噪后的小波系数进行小波重构，得到重构后的信号数组；
[0012]S4、对重构后的信号数组的重叠部分进行均值处理，并写回至光谱信号中，得到初去噪光谱信号；
[0013]S5、确定初去噪光谱信号的梯度信息，根据梯度信息确定时间调制函数；
[0014]S6、基于时间调制函数对预设的非线性扩散函数进行调整，并根据调整后的非线性扩散函数对初去噪光谱信号进行迭代去噪。
[0015]优选地，S2中对各组信号数组分别进行一维离散小波分解，得到小波系数，包括：
[0016]对各组信号数组分别进行j层一维离散小波分解，分解后得到第j层的低频小波系数和高频小波系数。
[0017]优选地，S3中利用阈值函数对小波系数进行阈值去噪，包括：
[0018]设定下阈值λ1、上阈值λ2和调整因子α，并构建阈值函数，利用阈值函数对高频小波
系数进行阈值去噪。
[0019]优选地，所述设定下阈值λ1、上阈值λ2和调整因子α，包括：
[0020]采用下式计算上阈值λ2：
[0021][0022]其中，σ为小波系数的方差，N为光谱信号的长度；
[0023]采用下式计算下阈值λ1：
[0024]λ1＝0.4λ2；
[0025]并设定0＜α≤1。
[0026]优选地，S3中采用去噪后的小波系数进行小波重构，得到重构后的信号数组，包括：
[0027]采用第j层的低频小波系数和经过阈值去噪的第j层的高频小波系数进行小波重构，得到重构后的信号数组。
[0028]优选地，S5中确定初去噪光谱信号的梯度信息，包括：
[0029]采用下式确定初去噪光谱信号波长方向的梯度平方值：
[0030][0031]其中，u代表初去噪光谱信号，x代表空间坐标。
[0032]优选地，S6中基于时间调制函数对预设的非线性扩散函数进行调整，包括：
[0033]采用下式对预设的非线性扩散函数进行调整：
[0034][0035]其中，u代表初去噪光谱信号，t代表时间变量，x代表空间坐标，g代表任意的空间非线性去噪算子函数，T代表时间调制函数。
[0036]优选地，S6中根据调整后的非线性扩散函数对初去噪光谱信号进行迭代去噪，包括：
[0037]利用调整后的非线性扩散函数确定单步迭代去噪后的光谱信号；
[0038]若初去噪光谱信号的第一信噪比不小于单步迭代去噪后的光谱信号的第二信噪比，则对初去噪光谱信号进行迭代去噪，直至第一信噪比小于第二信噪比，输出去噪光谱信号。
[0039]优选地，所述输出去噪光谱信号后，包括：
[0040]若去噪光谱信号的精确度小于预设精确度，则缩短时间步长并重新对去噪光谱信号进行迭代去噪；否则输出去噪光谱信号。
[0041](三)有益效果
[0042]与现有技术相比，本专利技术所提供的一种适用于细菌检测的光谱数据处理方法，具有以下有益效果：
[0043]1)对信号数组进行分组，并对各组信号数组分别进行一维离散小波分解，得到小波系数，利用阈值函数对小波系数进行阈值去噪，并采用去噪后的小波系数进行小波重构，
得到重构后的信号数组，对重构后的信号数组的重叠部分进行均值处理，并写回至光谱信号中，得到初去噪光谱信号，通过对高频小波系数进行阈值去噪，实现对光谱信号中噪声的初步去除；
[0044]2)确定初去噪光谱信号的梯度信息，根据梯度信息确定时间调制函数，基于时间调制函数对预设的非线性扩散函数进行调整，并根据调整后的非线性扩散函数对初去噪光谱信号进行迭代去噪，实现了非线性扩散函数针对时间调制函数的有效调节，从而能够对光谱信号中的噪声进行再次去除的同时较好地保持光谱局部峰值信息。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0046]图1为本专利技术的流程示意图；
[0047]图2为本专利技术中得到初去噪光谱信号的流程示意图。
具体实施方式
[0048]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0049]一种适用于细菌检测的光谱数据处理方法，如图1和图2所示，
①
获取光谱信号并读入信号数组。
[0050]②
对信号数组进行分组，并对各组信号数组分别进行一维离散小波分解，得到小波系数。
[0051]其中，对各组信号数组分别进行一维离散小波分解，得到小波系数，包括：
[0052]对各组信号数组分别进行j层一维离散小波分解，分解后得到第j层的低频小波系数和高频小波系数。
[0053]③
利用阈值函数对小波系数进行阈值去噪，并采用去噪后的小波系数进行小波重构，得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于细菌检测的光谱数据处理方法，其特征在于：包括以下步骤：S1、获取光谱信号并读入信号数组；S2、对信号数组进行分组，并对各组信号数组分别进行一维离散小波分解，得到小波系数；S3、利用阈值函数对小波系数进行阈值去噪，并采用去噪后的小波系数进行小波重构，得到重构后的信号数组；S4、对重构后的信号数组的重叠部分进行均值处理，并写回至光谱信号中，得到初去噪光谱信号；S5、确定初去噪光谱信号的梯度信息，根据梯度信息确定时间调制函数；S6、基于时间调制函数对预设的非线性扩散函数进行调整，并根据调整后的非线性扩散函数对初去噪光谱信号进行迭代去噪。2.根据权利要求1所述的适用于细菌检测的光谱数据处理方法，其特征在于：S2中对各组信号数组分别进行一维离散小波分解，得到小波系数，包括：对各组信号数组分别进行j层一维离散小波分解，分解后得到第j层的低频小波系数和高频小波系数。3.根据权利要求2所述的适用于细菌检测的光谱数据处理方法，其特征在于：S3中利用阈值函数对小波系数进行阈值去噪，包括：设定下阈值λ1、上阈值λ2和调整因子α，并构建阈值函数，利用阈值函数对高频小波系数进行阈值去噪。4.根据权利要求3所述的适用于细菌检测的光谱数据处理方法，其特征在于：所述设定下阈值λ1、上阈值λ2和调整因子α，包括：采用下式计算上阈值λ2：其中，σ为小波系数的方差，N为光谱信号的长度；采用下式计算下阈值λ1：λ1＝0.4λ2；并设定0＜α≤1。5.根据权利要求3所述的适用于细...

【专利技术属性】
技术研发人员：龙淑珊，
申请(专利权)人：安庆市康明纳包装有限公司，
类型：发明
国别省市：