光谱测量数据去噪与存储方法研究

论文摘要

随着现代测量技术和计算机技术的飞速进步,光谱测量技术已经应用到科学研究、工业生产和日常生活等诸多方面。由于使用环境、测量目标的多样性和远程数据获取与控制等应用要求的提升,使用光谱仪器在对各类物质进行光谱测量所产生的大量数据的分析处理与存储等面临挑战。因此,开展这方面的研究具有迫切性且实用价值很高。本文以光谱测量数据处理与存储为主要工作内容,从以下几个方面开展了研究工作。一、主要介绍了研究的课题背景、内容和仿真工具。二、研究了噪声谱数据的去噪方法。通过分析小波阈值去噪方法,在分析其优缺点的基础上,给出了一种新型的小波阈值去噪方法。实验结果表明,与传统的小波阈值去噪方法相比,本文提出的改进的小波阈值去噪方法结合了硬阈值去噪和软阈值去噪的优点,摒弃了其缺点,去噪效果更好,并且将改进的小波阈值去噪算法和遗传算法相结合,比其他现有的去噪方法具有更好的去噪效果。三、分析研究了光谱数据文件的压缩方法用以提高远程数据传输的效率。通过比较LZO算法和LZW算法在压缩比和压缩时间上的性能表现,得出LZO算法在压缩、解压缩速度上有着明显的优势,但压缩比比较低;相比之下,LZW算法通过牺牲压缩时间来提高算法的压缩比。为满足未来利于光谱测量数据网络传输的要求,得出使用LZW算法作为光谱数据压缩算法的结论。总之,本文给出的将改进的阈值函数、遗传算法和LZW压缩算法应用于光谱数据处理与存储,它可以有效提高远程光谱数据分析的准确性,方便性,灵活性和实用性。对光谱测量接入物联网具有促进作用。

论文目录

摘要

abstract

第一章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 光谱数据处理方法的研究

1.2.2 数据无损压缩的研究

1.3 论文研究内容说明

1.3.1 研究工具

1.3.2 研究内容及章节安排

第二章光谱数据预处理方法

2.1 光谱数据预处理内容

2.2 光谱数据的筛选与处理

2.2.1 异常数据分析与处理

2.2.2 数据增强算法

2.3 光谱数据去噪处理

2.3.1 平滑算法

2.3.2 傅里叶变换

2.3.3 小波变换

2.4 消除其他因素对算法的影响

2.4.1 导数算法

2.4.2 SNV和去趋势算法

2.5 本章小结

第三章小波去噪与遗传算法

3.1 小波去噪

3.1.1 小波去噪原理

3.1.2 小波去噪常用方法

3.1.3 小波阈值去噪

3.2 传统的小波阈值去噪方法

3.2.1 阈值的选取

3.2.2 阈值函数的选取

3.2.3 传统小波阈值去噪方法的缺陷分析

3.3 改进的小波阈值去噪方法

3.3.1 改进的阈值

3.3.2 改进的阈值函数

3.4 去噪效果的评价标准

3.5仿真实验

3.5.1 简单含噪信号的处理

3.5.2 光谱实测数据噪声处理

3.6 遗传算法

3.6.1 遗传算法理论

3.6.2 基于遗传算法的阈值优化

3.6.3噪声处理实验

3.7 本章小结

第四章无损数据压缩算法

4.1 无损数据压缩基本概念

4.1.1 无损数据压缩介绍

4.1.2 主要性能指标

4.2 字典编码

4.2.1 LZ77 算法与LZO算法

4.2.2 LZ78 算法与LZW算法

4.2.3 LZO算法与LZW算法比较

4.3 数据存储

4.3.1 CSV格式

4.4 本章小结

第五章光谱测量数据管理系统

5.1 系统环境搭建

5.1.1 系统处理流程

5.1.2 系统平台搭建

5.1.3 系统操作界面

5.2系统处理实验

5.2.1 性能指标

5.2.2 LZW算法字典大小的选定

5.2.3 实验测试

5.2.4 结果分析

5.3 本章小结

第六章总结与展望

参考文献

发表论文和科研情况说明

致谢

文章来源

类型: 硕士论文

作者: 姜晓晖

导师: 孙杰

关键词: 光谱数据处理,阈值去噪,小波去噪,数据压缩

来源: 天津理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 物理学,自动化技术

单位: 天津理工大学

分类号: O433.1;TP18

总页数: 63

文件大小: 3009K

下载量: 130

光谱测量数据去噪与存储方法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢