实测光谱常含有大量干扰信息, 消噪在光谱数据处理和分析中极为重要, 它直接影响后续的定量分析和信息挖掘。因此, 选择适当的消噪方法是改善光谱分析精度, 提升光谱分析能力的一个关键性突破。集合经验模态分解(EEMD)方法是一个以信号固有特征尺度为度量的时空滤波过程, 能充分保留信号本身的非线性和非平稳特征, 在信号的滤波和消噪中具有较大的优势。结合EEMD的多尺度滤波特性, 提出了一种新的EEMD阈值光谱消噪方法, 并应用于新疆塔里木河中游典型绿洲33个土壤剖面反射光谱数据的预处理。为探讨EEMD阈值法在土壤剖面反射光谱消噪中的效用, 对EEMD阈值法和小波阈值法的消噪结果进行了对比分析。结果表明: 与传统的小波阈值法相比, EEMD阈值法消噪结果的信噪比从14.836 6 dB提高到34.275 7 dB, 均方根误差由6.786 1×10-5降到7.240 6×10-6, 相关系数从0.982 5提高到0.999 8, EEMD阈值法的三个消噪效果衡量指标均优于小波阈值法。证明了EEMD阈值法可有效地去除土壤剖面光谱噪声, 较好地保留了光谱的细节信息, 提高了光谱的定量分析精度, 且与小波阈值消噪方法相比具有较强的可靠性和自适应优势, 作为光谱数据预处理的一种新方法, 其应用前景良好。

二代小波是公认较好的降噪手段, 但是降噪效果依赖于基函数、 分解层数和阈值等参数设置。 经验模态分解(empirical mode decomposition, EMD)无需参数设定, 按照频率特性将信号分解成本征模函数(intrinsic mode function, IMF), 对IMF滤波, 实现了信号自适应去噪。 拉曼光谱中信号和噪声交叠集中在极高频段, EMD产生模态混叠问题, 影响去噪效果。 应用总体平均经验模态分解(ensemble empirical mode decomposition, EEMD)拉曼光谱克服了模态混叠, 有效区分出高频信号和噪声, 获得了与小波函数相似去噪效果。 文中首先对一段非线性非平稳豆油脂拉曼光谱EMD分解, 可见模态混叠, EEMD分解出清晰模态的特征分量。 然后分别用快速傅里叶变换(fast Fourier transform, FFT)、 小波变换(Wavelet)、 EMD和EEMD处理含噪光谱, 信噪比、 均方根误差、 相关系数三个方面指标表明FFT高频去噪效果最差, 其次是EMD, 恰当的Wavelet同EEMD效果相当, EEMD的优势是降噪过程的自适应。 最后提出光谱时频分析方法和IMF噪声属性判别准则研究趋势。