【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及紫外光譜去噪相關(guān)，具體為一種基于改進swo優(yōu)化vmd-kpca算法的紫外光譜去噪方法。
技術(shù)介紹
1、紫外可見吸收光譜是一種常用的分析技術(shù)，廣泛應(yīng)用于化學(xué)、材料科學(xué)、環(huán)境監(jiān)測、生物醫(yī)學(xué)等領(lǐng)域。該技術(shù)通過測量樣品在紫外和可見光區(qū)域的吸收光譜來獲得其分子結(jié)構(gòu)和成分信息。然而，實際測量過程中，由于儀器噪聲、環(huán)境干擾和樣品本身的復(fù)雜性，獲取的光譜數(shù)據(jù)往往包含大量噪聲，影響分析結(jié)果的準(zhǔn)確性和可靠性。為了提高光譜數(shù)據(jù)的質(zhì)量和分析精度，需要有效的去噪方法。傳統(tǒng)的去噪方法包括低通濾波、小波變換、經(jīng)驗?zāi)B(tài)分解(emd)等，但這些方法在處理復(fù)雜非線性和非平穩(wěn)信號時存在一定的局限性。
2、蜘蛛黃蜂優(yōu)化算法(swo)，它基于復(fù)制自然界中雌性蜘蛛黃蜂的狩獵、筑巢和交配行為。該算法具有多種獨特的更新策略，因此適用于具有不同探索和利用要求的各種優(yōu)化問題。紫外光譜的監(jiān)測噪聲太大，會影響全自動手性分離系統(tǒng)的分離效果和峰值計算。
3、傳統(tǒng)去噪方法主要有以下幾種：
4、低通濾波：雖然可以去除高頻噪聲，但同時可能損失信號的高頻有效成分，導(dǎo)致信號失真。
5、小波變換：依賴于預(yù)設(shè)的小波基函數(shù)，難以適應(yīng)各種復(fù)雜信號的特點。對于信號的自適應(yīng)性較差。
6、經(jīng)驗?zāi)B(tài)分解(emd)：易受模式混疊問題影響，且計算復(fù)雜度較高，對噪聲的魯棒性較差。
7、變分模態(tài)分解(vmd)：雖然vmd能有效分解信號，但在處理復(fù)雜信號時仍可能存在模式混疊問題，影響去噪效果。vmd需要選擇適當(dāng)?shù)哪Ｊ綌?shù)和懲罰參數(shù)，參數(shù)選擇
8、以上對于噪聲的處理方法均存在降噪不充分，參數(shù)設(shè)定困難等問題。
技術(shù)實現(xiàn)思路
1、針對上述不足，本專利技術(shù)通過以下技術(shù)方案：
2、一種基于改進swo優(yōu)化vmd-kpca算法的紫外光譜去噪方法，包括以下步驟：首先，將紫外可見吸收光譜信號作為輸入導(dǎo)入到改進的swo算法(iswo),算法根據(jù)適應(yīng)度函數(shù)輸出vmd的最優(yōu)參數(shù)組合懲罰因子、分解模態(tài)數(shù)和閾值；設(shè)置變分模態(tài)分解最優(yōu)參數(shù)進行紫外可見吸收光譜信號的分解,得到本征模態(tài)函數(shù)imf并使用kpca對每個imf進行特征提取；并利用方差貢獻率vcr區(qū)分imf是否為有效信號分量和噪聲分量；最后對有效信號分量重構(gòu),最終得到去噪后的紫外可見吸收光譜信號。
3、swo優(yōu)化算法iswo介紹如下：
4、每個蛛黃蜂(雌性)代表當(dāng)前一代中的一個解決方案，并且可以通過公式(3)表達式編碼在j維向量中：
5、swi＝[x1,x2,x3……xj]???(3.0)
6、根據(jù)參數(shù)設(shè)定的上下限生成初始種群，具體方法如公式(4.0)所示：
7、
8、其中l(wèi)、h為參數(shù)的下界和上界；其中t表示世代索引；i表示索引數(shù)(i＝1,2,…,n)；r是j維隨機初始化的0到1之間的數(shù)字的向量。
9、狩獵和筑巢行為
10、在這個階段，為尋找最好的蜘蛛產(chǎn)卵，雌性黃蜂以恒定的步長隨機探索搜索空間，如方程(5)所示，在每一代t以恒定的運動更新每只雌性黃蜂的當(dāng)前位置，以模擬雌性黃蜂的探索行為。
11、
12、μ1＝r1|rn|(6.0)
13、其中a和b是從種群中隨機選擇的兩個解的索引，以確定探索方向；μ1用于確定當(dāng)前方向的恒定運動；其中r1是(0,1)間的隨機數(shù)，rn是正態(tài)分布生成的隨機數(shù)。
14、蜘蛛有時會從網(wǎng)上掉落，此時雌性蛛黃蜂會搜索蜘蛛掉落的確切地點周圍的整個區(qū)域。swo采用了一個二級方程，以不同的探索策略為特點，使用較小的步長探測被轉(zhuǎn)移的蜘蛛周圍的區(qū)域。該方程每一代都會根據(jù)隨機選取的代表掉落蜘蛛的雌蜂的位置，以恒定運動更新當(dāng)前的雌蜂位置。該方程描述如下：
15、
16、μ2＝bcos(2πl(wèi))(8.0)
17、
18、其中c是從總體中隨機選擇的索引，l是在(-2,1)之間隨機生成的數(shù)字。
19、最后，雌性蜘蛛蜂的下一個位置在公式(5.0)和(7.0)之間隨機選擇，公式如(10.0)所示：
20、
21、跟蹤和逃逸階段(勘探和開采)
22、這種行為模擬了兩種趨勢：第一種是黃蜂捕食蜘蛛來誘捕它們，見公式(11.0)。第二個行為通過設(shè)計距離因子來模擬躲避黃蜂，以隨著當(dāng)前迭代的增加而增加它們之間的距離。第一種趨勢，模擬了黃蜂到蜘蛛那里去捕捉它們，獵物和黃蜂之間的距離最初很小，可能會根據(jù)黃蜂和獵物的速度增加或減少。在這種趨勢下，提出了一個數(shù)學(xué)模型，模擬兩種情況：黃蜂比蜘蛛(獵物)快(c>0.5)和獵物比黃蜂快(c<0.5)。其中c是決定黃蜂速度的距離控制因素。在這種情況下，黃蜂比獵物移動得更快，模擬蜘蛛從黃蜂手中逃跑，黃蜂和蜘蛛之間的距離增加。因此，當(dāng)黃蜂以小于0.5的速度移動時，其位置的變化率特別小，以至于它無法到達獵物。
23、
24、c＝r6(2-2t’/tmax)???(12.0)
25、其中a、b是從總體中隨機選擇三個解的索引；t'和tmax分別表示當(dāng)前和最大評估；r5是表示在區(qū)間[0,1]中隨機生成的值的向量；r6是區(qū)間[0,1]中的隨機數(shù)。
26、當(dāng)一只蜘蛛逃離雌蜂時，雌蜂和蜘蛛之間的距離逐漸增加。這一階段是初步開發(fā)。隨著距離的增加，開采轉(zhuǎn)化為勘探。使用以下公式模擬此行為：
27、
28、k＝1-t′/tmax???(13.0)
29、其中νc是根據(jù)正態(tài)分布在k和-k之間生成的向量。
30、下式顯示了這兩種趨勢如何隨機權(quán)衡：
31、
32、筑巢(開采)
33、雌性蜘蛛蜂在土壤中建造巢穴，在各種材料中建造泥巢，或利用現(xiàn)有的巢穴或洞穴作為巢穴并將麻痹的蜘蛛運入巢中。鑒于這些不同的筑巢方法，swo采用了兩個方程來模擬這些行為。第一個等式如(15.0)所示，將引導(dǎo)雌性蜘蛛蜂找到最佳位置，即建造巢穴的最佳位置，以容納癱瘓的蜘蛛并在其腹部產(chǎn)卵。第二個等式如(16)所示。根據(jù)從種群中隨機選擇的雌性蜘蛛的位置建造巢穴。為了防止在同一地點形成多個巢穴，增加了步長。：
34、
35、其中sw*代表迄今為止最好的解決方案。第二個方式將在從種群中隨機選擇的雌性蜘蛛的位置內(nèi)筑巢，使用額外的步長，以避免在同一位置內(nèi)建造兩個巢。該方程設(shè)計如下：
36、
37、其中r3、r4是在區(qū)間[0,1]中創(chuàng)建的隨機數(shù)；r2是根據(jù)levy?flight生成的數(shù)；a、b和c是從總體中隨機選擇的三個解的索引；u是一個二進制向量，用于確定何時應(yīng)用步長以避免在同一位置構(gòu)建兩個巢。
38、二進制向量u，按式(17)計算，決定了防止在同一地點產(chǎn)生兩個巢的步長。
39、
40、式中和是介于0和1之間的隨機向量。利用公式隨機交換(15.0)和本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于改進SWO優(yōu)化VMD-KPCA算法的紫外光譜去噪方法，其特征在于包括以下步驟：
【技術(shù)特征摘要】
1.一種基于改進swo優(yōu)化vmd-kpca算法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐磊，徐洋，謝婷，孫旭東，張維冰，
申請(專利權(quán))人：中科沃業(yè)江蘇生物有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。