噪声滤除是光谱数据处理中的重要环节,现今采用的各种常规处理方法如平滑,傅立叶分析等虽能取得一定的效果,但是在灵敏度,精度和速率等方面都还存在着许多不足之处。小波分析由于能够同时在时域和频域内进行信号分析,所以它能够有效地实现对信号的去噪。阈值的选择是小波去噪的一个重要问题,采用同一种小波对同一个信号进行去噪处理的时候,阈值的选择直接关系到去噪效果的优劣。如果阈值选择太小,那么有一部分的噪声小波系数将不能被置零,从而在去噪后的信号中保留了部分噪声信息,使去噪的效果变差。如果阈值选择过大,则会将一部分有用信号当作噪声滤除,使得去噪后的信号丢失信息。因此,在去噪的过程中如何有效地选取阈值,使得噪声被去除的同时尽可能地保存有用信号,是一个值得研究的问题。本文在总结前人有关小波分析处理光谱数据的工作基础上,充分发挥小波分析的多种优良特性,结合matlab,vc++编程软件,在近红外光谱去噪方面,进行了一些研究和探讨,并编写了小波分析的c++语言源程序代码。全文主要内容如下:第1章为绪论,介绍了本课题的研究目的和所作的主要研究工作,最后介绍了本课题的研究工具。第2章为小波分析基础理论部分。通过和傅立叶分析的比较,从数学原理上阐明了小波分析的时频局域化特点和时频窗口的自适应特性。由于在实际计算机处理数据时,处理的都是离散数据,连续小波都必须加以离散化,所以着重介绍了离散和正交小波分析的概念和原理,然后从多分辨分析方面介绍了离散小波分析。第3章对小波去噪的方法进行了研究。首先介绍了光谱中存在的各种噪声特性和常用的噪声滤除方法,然后利用小波分析时频局部化奇异性分析原理,研究了信号峰和噪声峰在峰顶附近的奇异性特征,提出利用小波分析奇异性分析识别同频噪声的方法。其次提出了几种常用的阈值选择方法,并在仿真信号实验中对小波去噪进行了初步探索。第4章小波去噪在近红外光谱分析数据处理中的应用,包括定量牛奶成分的近红外光谱和定量人血清中葡萄糖含量的短波近红外光谱。第一个实验测量了38个巴氏杀菌牛奶样品的近红外光谱,利用小波包分析技术对光谱信号进行了去噪处理,滤波后重构光谱信号,采用可变窗宽窗口移动偏最小二乘法(CSMWPLS)对脂肪、蛋白质及乳糖成分含量分别建立预测模型,由相关系数和预测均方根误差(RMSEP)等对预测模型的精确度进行了评价。其中脂肪,蛋白质,乳糖的预测均方根误差分别为0.0327,0.0239,0.0631mg/L。将该结果和采用传统的光谱去噪预处理后用可变窗宽窗口移动偏最小二乘法(CSMWPLS)建模的结果进行了比较。第二个实验测量了14名志愿者18个血清样品的短波近红外光谱,利用小波分析技术对光谱信号进行了去噪处理,以血糖仪测定的血糖浓度为参考标准,采用间隔偏最小二乘法(iPLS)在700～1060nm短波近红外波段建立葡萄糖浓度预测模型。预测模型的相关系数为0.9654,均方根预测误差为0.2435mmol/L。然后和采用传统的傅立叶分析去噪的方法进行了比较。上述两个实验的结果表明:小波包分析和小波分析预处理数据的方法比传统的傅立叶分析去噪方法更能有效地扣除噪声干扰,使模型具有更强的抗干扰能力和更高的预测精度。第5章小波分析去噪软件的编制。采用VC++6.0编译环境,编制了一维信号的小波分析去噪程序。阈值设定采用小波系数加权重的方法。小波分析的源代码在光谱分析软件中将有实际应用的价值。第6章对本文的工作进行了总结,并对小波去噪的理论研究和小波去噪在实际应用中存在的问题进行了讨论和展望。