将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%~99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。

基于三维荧光光谱结合交替惩罚四线性分解(APQLD)对痕量多环芳烃（PAHs）进行检测， 实验以苊(ANA)和萘（NAP）为研究对象。 首先利用小波变换对得到的三维荧光光谱数据进行压缩， 以消除数据的冗余信息。 分别在乙醇溶剂、 甲醇溶剂以及超纯水条件下测定不同浓度的PAHs的激发-发射荧光光谱， 并将其组合构建四维数据， 利用APQLD对构建的四维光谱数据进行分析， 并对比了PAHs在三种溶剂条件下各自的回收率。 实验结果表明， 用不同溶剂构建的四维数据能更准确地测定PAHs的浓度， 其回收率更高； 对比二阶校正以及其他四维校正算法， APQLD更能体现四维算法所具有的优越性； 当因子数N=3时， ANA的回收率为96.5%~103.3%， 预测均方根误差为0.04 μg·L-1； NAP的回收率为93.3%~110.0%， 预测均方根误差为0.08 μg·L-1。Environmental Analysis: Determination of Polycyclic AromaticHydrocarbons

基于三维荧光光谱结合小波压缩与交替惩罚三线性分解(APTLD)对水中多环芳烃(PAHs)进行定性和定量分析, 实验以萘(NAP)、 芴(FLU)、 苊(ANA)为测量样品。 首先用FS920荧光光谱仪测量获得样品的三维荧光光谱数据, 对数据进行激发和发射校正且去散射, 得到真实光谱。 为了解决三维荧光光谱数据的冗余信息, 通过小波变换对实验光谱数据进行压缩, 其压缩分数和数据恢复分数分别大于92%和95%。 用APTLD对压缩后的光谱数据进行分析, 体现了二阶优势, 实验结果表明, 在PAHs的荧光光谱严重重叠和有干扰物共存下, 该方法仍能准确地测定, 其回收率为94%~98%、 预测均方根误差小于0.29 μg·L-1。

为探讨小波压缩算法结合近红外光谱技术在马铃薯全粉还原糖含量检测中的可行性, 采用傅里叶变换近红外光谱仪采集了250份马铃薯全粉样品的近红外光谱。 分别优化了消失矩、 小波系数和主成分因子数, 优化结果为10, 100和20。 基于db小波函数将1 501个马铃薯全粉的近红外光谱变量压缩成100个小波系数。 分别以1 501个光谱变量和100个小波系数为变量分别建立了偏最小二乘(PLS)校正模型。 以62个未参与建模的样品作为预测集, 考察模型的预测能力。 经比较, 小波压缩结合PLS的校正模型预测结果最优, 模型预测相关系数为0.98, 预测均方根误差为0.181%。 实验结果表明小波压缩算法结合近红外光谱技术有效地保留了有效光谱信息, 实现了光谱数据降维, 简化了马铃薯全粉还原糖PLS校正模型, 提高了模型的预测能力。

提出了一种使用小波子带熵进行比特分配的遥感图像压缩算法。对遥感图像进行小波提升分解后,分析了各高频子带能量百分比及其熵的变化趋势,在此基础上提出了一种新的快速比特分配方法-使用子带熵进行比特分配。然后对各个高频子带进行均匀量化,量化后的数据采用比特平面编码。对最高比特平面只记录该比特平面中非零系数的坐标,其它比特平面采用行程编码和Huffman编码方法进行压缩。实验结果表明,纹理复杂以及相对平坦的遥感图像使用该算法压缩后都可以获得很好的重构图像质量,峰值信噪比均大于34dB,而压缩比则与图像的复杂程度有关。