一种自适应光谱滤波器的制作方法

1.本发明涉及数字滤波器领域，特别涉及自适应数字滤波器。


背景技术：

2.在仪器分析领域，光谱是一种最常见获取的数据。然而通过仪器直接采集到的光谱数据通常需要处理才能输出为可用的测量结果。目前，数字化手段已经成为仪器发展的主流，其中数字滤波器发挥了关键的作用。
3.众所周知，不同的测量仪器和测试对象得到的光谱数据存在差异。现有的各种滤波器在数据处理时，需要根据数据的自身特点，定义不同参数。同时，滤波器参数的选择和确定对使用者技术能力和经验要求较高；找到适合被处理数据特性的参数，往往还需要先验知识，通过一定程度的试算才能得到，工作量较大。
4.光谱滤波器利用有效信息和噪声的频率分布差异，滤除高频占优的噪声，达到提升输出信噪比的目的。现有两大类型的滤波器，无论是fir(有限冲击响应)还是iir(无限冲击响应)，都是大致地按频率范围，将信号通过性能定义为带通区(完全通过)、带阻区(完全阻止)和过渡区(部分通过)三个区间，通过人为设定一定的参数，把频率响应函数(frequency response function，frf)划定为三个区间。现有的滤波器存在的主要问题，一是很难准确地按照信号的实际特性区分实际信号的具体滤波程度，准确度无法进一步提升；二是预先定义的参数不满足时，要根据输出结果反馈，反复调整至可接受的程度，无法实现对输入信号的自适应。


技术实现要素：

5.为解决上述现有技术存在的问题，本发明的目的在于提供一种用于光谱信号处理的自适应数字滤波器，无需定义参数，可实现光谱降噪、微积分计算等数据处理功能。本发明滤波器可集成于光谱仪器的软硬件中，针对每次获取的原始数据，实现自适应处理，显著降低对用户技术和仪器调整工作量的要求。
6.为达到上述目的，本发明的技术方案为：
7.一种自适应数字滤波器；该滤波器的实施步骤如下：
8.步骤一、输入需要处理的光谱测量信号rs；
9.步骤二、对rs作傅里叶变换，取其实部的绝对值as；
10.步骤三、查找as的上缘边界ep，取其对数值lep；
11.步骤四、采用层次聚类法，将lep聚类为2大类，4小类；其中前三小类(c1-c3)为一大类，对应了含有不同程度噪声的光谱信号聚集区，最后一小类(c4)为一大类，噪声绝对占优区；
12.步骤五、根据lep聚类结果，将ep按大类聚类区分为ep1和ep2，ep1包含了信号和噪声的贡献，ep2的均值mep2为估计的噪声强度；
13.步骤六、序列值(ep1-mep2)为不同频率上的信号分量，那么可以得到不同频率上
的频率响应值frv＝(ep1-mep2)/ep1；
14.步骤七、将离散的frv按照双曲余切函数sech((aω)b)回归出频率响应函数frf；该frf已经具体反映了输入的rs的频率分布，无需进一步寻找和反馈调整；
15.步骤八、将该frf逆傅里叶变换为卷积核函数kf；
16.步骤九、rs与kf直接卷积输出结果为信号降噪后的平滑滤波输出。
17.进一步地，对kf求微分或积分后的ckf函数，与rs的卷积为原始输入对应的微分或积分处理输出。
18.相对于现有技术，本发明的有益效果为：
19.本发明提出根据输入信号的频率特性，通过层次聚类预先识别出多个不同程度通过区间和带阻区，将多个区间回归计算出符合实际输入的、具体的频率响应函数，可以较好地解决目前滤波器存在的关键问题，确定更精确和具有实际输入自适应特性的滤波函数，无需先验输入输出反馈后反复调整，显著降低用户使用的难度，实现准确、便捷的光谱信号滤波处理。
附图说明
20.图1原始光谱数据及fft变换的实部绝对值；
21.图2fft变换数据的上缘边界及其幅度对数值；
22.图3层次聚类结果；
23.图4经fft变换数据的分类结果；
24.图5采用sech((aω)b)回归出频率响应函数frf；
25.图6frf经逆傅里叶变换为卷积核函数kf；
26.图7全波段数据的处理结果；
27.图8局部的最尖锐峰的处理效果；
28.图9布洛芬直接测量拉曼光谱的降噪处理结果比较；
29.图10原始值与滤波结果的差值比较。
具体实施方式
30.下面结合附图和具体实施方式对本发明技术方案做进一步详细描述：
31.如图1-10所示，实施例1
32.一种自适应数字滤波器；该滤波器的实施步骤如下：
33.步骤一、输入需处理的原始数据rs，如图1(a)。
34.步骤二、对rs作fft(快速傅里叶)变换，图1(b)是其实部的绝对值as。
35.步骤三、查找as的上缘边界ep，如图2(a)。计算其对数值lep，如图2(b)。
36.步骤四、通过层次聚类，lep区分为2大类，4小类。如图3。
37.步骤五、将最后一小类定为ep2，前3小类定为ep1，如图4。ep1包含了信号和噪声的贡献，ep2的均值mep2为估计的噪声强度(幅度)。
38.步骤六、序列值(ep1-mep2)为不同频率上的信号分量，那么可以得到不同频率上的频率响应值frv，frv＝(ep1-mep2)/ep1。
39.步骤七、将离散的frv按照双曲余切函数sech((aω)b)回归出频率响应函数frf，
回归出的frf如图5。该frf可具体反映直接输入的光谱信号rs的频率分布，无需进一步寻找和反馈调整。
40.步骤八、将该frf逆傅里叶变换为卷积核函数kf，如图6。
41.步骤九、对rs与kf直接卷积，输出结果为原始信号降噪后的平滑滤波输出。如图7为原始光谱经滤波器处理的结果。图7(a)是平滑结果，图7(b)是二阶导数的计算结果。图8局部的最尖锐峰的处理效果，图8(a)是平滑处理效果，图8(b)是二阶导数的计算结果。
42.从图7和图8可以看出，与目前应用最多的sg滤波器处理结果(参数经反复调优，选择3阶、数据窗宽15)相比，本发明自适应滤波器直接计算的结果既保证了降噪效果，又具有更高的精度。
43.进一步地，若需要原始光谱微分或积分处理输出，可求kf的微分或积分后得到ckf函数，对ckf与rs的卷积后得到与原始输入对应的微分或积分处理输出。
44.实施例2
45.采集布洛芬拉曼原始光谱；
46.采用本发明滤波器处理原始光谱，图9是采用本发明滤波器和sg对直接测量布洛芬拉曼光谱的处理结果比较，由上至下依次为，本发明自适应直接降噪、sg参数调优后降噪、原始测量光谱。图10为原始值与滤波结果的差值，由上至下依次为原始值与本发明结果的差值、原始值与sg调优结果的差值。
47.可以看出，本发明的自适应滤波器，无需人为干预的输出结果具有比sg参数调优后的输出具有更小的误差。
48.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

技术特征：
1.一种自适应数字滤波器；该滤波器的实施步骤如下：步骤一、输入需要处理的光谱测量信号rs；步骤二、对rs作傅里叶变换，取其实部的绝对值as；步骤三、查找as的上缘边界ep，取其对数值lep；步骤四、采用层次聚类法，将lep聚类为2大类，4小类；其中前三小类(c1-c3)为一大类，对应了含有不同程度噪声的光谱信号聚集区，最后一小类(c4)为一大类，噪声绝对占优区；步骤五、根据lep聚类结果，将ep按大类聚类区分为ep1和ep2，ep1包含了信号和噪声的贡献，ep2的均值mep2为估计的噪声强度；步骤六、序列值(ep1-mep2)为不同频率上的信号分量，那么可以得到不同频率上的频率响应值frv＝(ep1-mep2)/ep1；步骤七、将离散的frv按照双曲余切函数sech((aω)b)回归出频率响应函数frf；该frf已经具体反映了输入的rs的频率分布，无需进一步寻找和反馈调整；步骤八、将该frf逆傅里叶变换为卷积核函数kf；步骤九、rs与kf直接卷积输出结果为信号降噪后的平滑滤波输出。

技术总结
一种自适应数字滤波器；该滤波器的实施步骤如下：输入需要处理的光谱测量信号RS；对RS作傅里叶变换，取其实部的绝对值AS；查找AS的上缘边界EP，取其对数值LEP；采用层次聚类法，将LEP聚类为2大类，4小类；其中前三小类(C1-C3)为一大类，对应了含有不同程度噪声的光谱信号聚集区，最后一小类(C4)为一大类，噪声绝对占优区；根据LEP聚类结果，将EP按大类聚类区分为EP1和EP2，EP1包含了信号和噪声的贡献，EP2的均值MEP2为估计的噪声强度；序列值(EP1-MEP2)为不同频率上的信号分量，那么可以得到不同频率上的频率响应值FRV＝(EP1-MEP2)/EP1。EP1。EP1。


技术研发人员：姚志湘 粟晖 马宁 洪刚 常化仿
受保护的技术使用者：苏州沓来软件科技有限公司
技术研发日：2023.05.05
技术公布日：2023/10/6