[发明专利]紫外可见光谱降噪综合评价参数及其去噪方法

权利要求书

1.一种紫外可见光谱降噪综合评价参数，其特征在于，所述降噪综合评价参数YTA＝(MSE·SA)/SNR，YTA越小表示光谱降噪效果越好，其中，SA为光谱角，SNR为信噪比，MSE为均方误差。

2.一种基于小波分析的紫外可见光谱去噪方法，其特征在于，包括以下步骤：

S1、定义降噪综合评价参数YTA＝(MSE·SA)/SNR，YTA越小表示光谱降噪效果越好，其中，SA为光谱角，SNR为信噪比，MSE为均方误差；

S2、通过使用不同的去噪工具获取MSE、SA和SNR的值并计算获得多组降噪综合评价参数YTA，比较多组降噪综合评价参数YTA输出，获得最优去噪工具的参数组合。

3.如权利要求2所述的基于小波分析的紫外可见光谱去噪方法，其特征在于，所述S2具体包括：

S21、选用matlab中的wden小波分析函数作为去噪工具，所述wden小波分析函数的去噪参数包括阈值时域函数TPTR、阈值使用方法SORH、阈值调整函数SCAL、小波分解层数N和小波基函数；

S22、遍历S21中所有的wden小波分析函数并计算降噪综合评价参数YTA，获得多组降噪综合评价参数YTA输出；

S23、比较多组降噪综合评价参数YTA输出以获得最优参数组合。

4.如权利要求3所述的基于小波分析的紫外可见光谱去噪方法，其特征在于，所述阈值时域函数TPTR包括rigrsure无偏估计、heursure启发式阈值、sqtwolog固定式阈值和minimaxi极大极小阈值。

5.如权利要求3所述的基于小波分析的紫外可见光谱去噪方法，其特征在于，所述阈值使用方法SORH包括h硬阈值和S软阈值。

6.如权利要求3所述的基于小波分析的紫外可见光谱去噪方法，其特征在于，所述阈值调整函数SCAL包括one、sln、mln，其中，one表示不随噪声水平变化，sln表示根据第一层小波分解的噪声水平进行调整，mln表示根据每一层小波分解的噪声水平进行调整。

7.如权利要求3所述基于小波分析的紫外可见光谱去噪方法，其特征在于，所述小波分解层数N为1-11。

8.如权利要求3所述的基于小波分析的紫外可见光谱去噪方法，其特征在于，所述小波基函数包括Daubechines小波系、Symlets小波系、Coiflet小波系和Biorthogonal。

9.一种基于小波分析的紫外可见光谱去噪参数组合，基于权利要求3-8任一项所述的基于小波分析的紫外可见光谱去噪方法获得，其特征在于，所述TPTR＝‘sqtwolog’，SORH＝‘h’，SCAL＝‘sln’，N＝6，wavename＝‘bior4.4。

10.如权利要求9所述的去噪参数组合，其特征在于，所述去噪参数组合应用在NO3-N溶液的紫外可见光谱去噪中。