土壤高光谱在采集过程中难以避免噪声干扰, 造成高光谱数据信噪比较低, 影响土壤有机质含量估测精度。 尝试探究小波能量特征方法, 降低高光谱噪声, 提升土壤有机质含量高光谱估测模型性能。 选取湖北省潜江市运粮湖管理区为试验区, 于2016年9月采集80份深度为0~20 cm的水稻土样本; 土壤样本经风干、 碾磨、 过筛等一系列处理后, 在实验室内采集样本光谱, 并通过重铬酸钾-外加热法测定土壤有机质含量; 利用浓度梯度法, 将总体样本集(80个样本)划分为建模集(54个样本)和验证集(26个样本); 以mexh为小波基函数进行连续小波变换(continuous wavelet transformation), 将土壤高光谱转换为10个分解尺度的小波系数(wavelet coefficients); 逐尺度计算小波系数的均方根作为小波能量特征(energy features), 将10个尺度的小波能量特征组成小波能量特征向量(energy features vector); 逐尺度逐波长计算小波系数与有机质含量的相关系数, 将达到极显著水平(p<0.01)的小波系数作为敏感小波系数(sensitive wavelet coefficients); 利用主成分分析法(principal component analysis)分别计算土壤高光谱和小波能量特征向量的各主成分载荷, 通过比较两者第一主成分贡献率的高低和两者前三个主成分得分的空间离散程度, 判断小波能量特征转换前后建模自变量的主成分信息变化趋势; 基于小波能量特征向量和敏感小波系数分别建立多元线性回归和偏最小二乘回归土壤有机质含量估测模型。 结果表明, 土壤有机质含量越高, 全波段反射率越低, 但不同土样的光谱反射率曲线特征相似, 近红外部分的反射率(780~2 400 nm)高于可见光部分(400~780 nm); 敏感小波系数对应的波长为494, 508, 672, 752, 1 838和2 302 nm; 土壤高光谱与小波能量特征向量的第一主成分贡献率分别为96.28%和99.13%, 小波能量特征向量的前三个主成分散点较土壤高光谱的主成分散点在空间上更为聚集, 表明小波能量特征方法有效减少了噪声影响; 比较全部土壤有机质含量估测模型, 以小波能量特征向量为自变量的多元线性回归模型具有最佳估测精度, 其验证集决定系数(R2)、 相对估测误差(RPD)和均方根误差(RMSE)分别为0.77, 1.82和0.82。 因此, 小波能量特征方法既能够提高数据的信噪比, 提升土壤有机质含量的估测精度, 又实现了土壤高光谱数据降维, 降低了模型复杂度, 可用于土壤有机质含量快速测定和土壤肥力动态监测等研究。

提出一种基于监督保局投影(SLPP)与虚假最近邻(FNN)准则的原始特征选择方法。该方法首先将非线性原始数据映射到监督保局子空间, 消除样本数据输入变量之间的相关性; 然后, 利用虚假近邻点方法计算剔除每个原始特征前后输入样本在监督保局子空间里的相似性测度, 获得每个原始特征对类别变量不同程度的解释力; 最后, 从全特征开始逐步剔除解释能力弱的特征进而获得多组特征子集, 并建立最近邻分类器, 识别率最高且含特征数最少的特征子集即为最优特征子集。采用合成数据对该方法进行了仿真验证, 结果表明, 该方法可获得与数据集本质分类特征吻合的最佳特征子集。将该方法应用于选择真实的低阻油气层特征, 获得的最佳特征子集比全特征集合的特征数量减少了50%以上, 分类识别率高出8%。结果显示该方法具有优秀的原始特征选择能力, 是一种有效的非线性特征选择方法。

由正弦信号驱动PZT调制参考镜以实现参考光相位调制,CCD光探测器的曝光时间为正弦驱动信号的四分之一周期,利用频率-同步探测技术,在一个参考光调制周期共提取四帧全视场参考光与样品反射和散射光干涉图像.为了获得最优的参考光信号调制参数,一种基于PID控制器的闭环控制技术与数字移相相结合的方法用于调制系统,采用50Hz的理想正弦曲线的数字离散量来控制PZT的调制幅度,数字移相电路调整PZT的振动相位来保证最优调制参数的获得.CCD(频率f=200Hz)由软件驱动,采用积分算法,实现了由CCD探测器提取微弱全视场层析信号的方法.