.png){kind=icon}
返回
Spectral Denoising Approach Using Enhanced Wavelet Packet-Optimized EEMD Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.vibspec.2025.103844.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
烃类气体在储层流体中的定量分析对于通过测井地球物理技术探测和评价油气藏至关重要。然而，光谱数据常因烷烃气体的异质性和广泛的浓度谱系，以及环境干扰而充满复杂性和噪声污染。这种普遍存在的噪声会显著扭曲吸收光谱，进而影响烷烃气体定量分析的准确性。关键挑战在于精确去噪获取的红外光谱，同时细致保持信噪比和光谱分辨率。本文提出了一种创新的去噪方法用于红外光谱分析，该方法结合了先进的小波包与优化的集成经验模态分解（EEMD）算法。该方法首先采用双变量相关性分析来识别和分离固有模态函数（IMF）中的噪声成分。随后，它结合噪声信号的样本熵与灰狼优化（GWO）算法，确定每个IMF分量最有效的阈值集。该方法最终通过综合小波包系数的样本熵与噪声的相关系数来形成阈值参数，从而将阈值函数定制为适应每个小波系数的独特噪声属性。实证结果表明，该方法优于传统去噪技术，实现了更优的信噪比和分辨率，且特征峰的平均扰动小于0.3%。
Keyword:
infrared spectroscopy
wavelet packet
ensemble empirical mode decomposition
noise reduction
signal-to-noise ratio
