直接进样测汞仪软件消除信号干扰的应用研究

2021-03-01 09:12闫丽明林建奇
地质装备 2021年1期
关键词:邻域高斯均值

闫丽明,林建奇

(北京海光仪器有限公司,北京 101312)

0 引言

在自然界中,汞的存在形式主要有汞(金属汞)、无机汞和有机汞,其中有机汞的危害最大,尤其是对动物神经系统造成损害。随着工业技术的发展,近些年国内和国际都对汞的具体限排范围做出了详细规定,以减少汞污染对环境和人类健康造成的损害。这就需要有方法或手段,能够准确、快速地对环境中存在的汞进行分析,同时对汞污染进行评估。

当前实验室常规的汞分析测试方法有:电感耦合等离子质谱法、冷原子吸收光谱法(SnCl2预还原体系)、原子荧光光谱法等。诸多的分析方法均需要对样品进行前处理,过程复杂繁琐、误差大,且易造成干扰。因此,本文选用新研发的一种无需化学前处理、电热蒸发、直接进样的光谱检测方法,来分析环境中汞元素。在分析过程中,由于应用控制系统采样信号有数字信号和模拟信号等,难免受到外界环境和其他因素干扰,使得所采集原始信号出现偏离理论值设置、不稳定等情况,从而造成采集的信号数据不能真实反应目标样品实际情况、测量结果不准确等后果。为了消除这些干扰,获得准确的信号数据,就需要对采集的信号数据进行滤波处理。

1 仪器原理及算法概述

1.1 直接进样测汞仪工作原理

将目标样品置于样品舟中,通过自动进样装置将样品舟送入仪器裂解管,在氧气氛围下,按升温控制程序控制各个加热流程。首先,样品在石英管式炉中被加热,彻底氧化分解,分解物进一步被氧气载带入催化炉催化还原,再进入汞捕集阱中,汞(Hg)被镀金石英砂金膜有效吸附,形成金汞齐;接着,通过程序控制,将镀金石英砂加热到一定温度,金汞齐以汞蒸气形式释放汞,汞蒸气被载气带入吸收池。在低压汞灯照射下,汞蒸气对特征波长谱线产生吸收,吸收后强度减弱,经光电检测器检测产生吸收信号的响应值。由于汞蒸气对253.7 nm谱线的吸收,在一定范围内符合朗伯-比尔定律(Lambert-Beer),所以该仪器可以用于汞的定量分析。直接进样测汞仪工作原理流程图见图1。

图1 直接进样测汞仪汞分析流程图Fig.1 Flow chart of mercury analysis in direct injection mercury meter

1.2 常见滤波算法

滤波算法不是建立在频率领域,而是通过随机过程的数学手段(建立的一个数学模型),通过对噪声和信号的统计特性,利用数学原理滤除差异较大的数据,消除干扰因素,保持数据的灵敏度和稳定性,提高分析精度。

1.2.1 高斯滤波

高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。

(1)原理。高斯滤波实质上是一种信号的滤波器用于信号的平滑处理。数字图像用于后期应用,其噪声是最大的问题,由于误差会累计传递等原因,用于得到信噪比SNR较高的图像(反应真实信号)。高斯滤波就是对所有采集数据进行加权平均的过程,使得最终采集数据的值都由其本身和邻域内的其他数据值经过加权平均后得到。高斯模板是连续的二维高斯函数的离散化表示,任意大小的高斯模板均可以通过建立一个(2k+1)×(2k+1)的矩阵M得到(i,j)位置的元素值。为了减少平滑处理中的模糊,得到更自然的平滑效果,一般会适当加大模板中心点的权重,随着远离中心点,权重迅速减小,从而确保中心点看起来更接近与它距离更近的点。

(2)优缺点。采用高斯滤波,系统函数是平滑的,避免了振铃现象,对随机噪声和高斯噪声(服从正态分布的噪声)抑制效果比较好;缺点是高斯滤波只适用一段时间内的平稳信号,对不平稳信号滤波效果不明显,而且当对大量信号数据进行高斯滤波处理时,会花费较多时间,需要在响应时间和滤波效果上做到平衡。

1.2.2 均值滤波

均值滤波是一种线性滤波器,就是把每个采集数据都和前后的n个数据来做均值操作。均值滤波无法去掉噪声,只能减弱噪声。

(1)原理。均值滤波是典型的线性滤波算法,它是对每一个采集数据给一个模板,该模板包括了其周围的临近数据值(以目标采集数据值为中心的周围n个数据,构成一个滤波模板,即去掉目标数据值本身),再用模板中的全体数据的平均值来代替原来采集数据值。

(2)优缺点。平滑所有采集数据速度快,算法简单;缺点是数据灵敏度降低。采集数据的灵敏度也是光谱仪器采集信号区分度的重要特征,也是我们所希望有的特征。

1.2.3 中值滤波

中值滤波是常用的非线性滤波方法,也是信号处理技术中比较常用的处理技术。它在平滑脉冲噪声方面比较有效,同时还可以保护谱图尖锐的边缘。加权中值滤波能够改进中值滤波的边缘信号保持效果。

(1)原理。基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,把采集信号序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的信号值接近真实值,从而消除孤立的噪声点。

(2)优缺点。中值滤波对脉冲噪声有良好的滤除作用,特别是在滤除噪声的同时,能够保护信号的边缘,使之不被模糊,这些优良特性是线性滤波方法所不具有的,此外,中值滤波的算法比较简单,也易于用硬件实现,所以中值滤波方法一经提出后,便在数字信号处理领域得到重要的应用;缺点是对一些细节多,特别是采集信号形成的锐峰谱图和多峰谱图不宜采用中值滤波。

2 算法实验性研究

采用除极限值法对实验室光谱分析仪器应用软件的采集信号数据滤波,通过比较计算将信号数据的最大值和最小值舍去,把剩余数据作为有效采集数据进行处理,这样就能有效克服偶然因素引起的干扰和波动,但是无法抑制周期性的干扰,而且有时会损失信号灵敏度。

在实际应用中,有些偶然因素和变量是突发的,没有规律,单一采用除极限值法或均值滤波算法等,可能会使处理后的数据远离采集信号的真实范围,出现人为造成的失真。因此,通过实验验证,可以采用几种滤波算法的组合来去除各种干扰造成的波动,而且数据不会失真。

针对直接进样测汞仪直接进样固态和液态样品、无需化学前处理、电热蒸发、要求检测响应速度快、信号波峰不复杂等特点,软件正常滤波逻辑是先剔除大的异常干扰,再过滤高频低幅噪声。因此,本仪器的滤波算法采用了带有阈值的除极值法、动态中值滤波和均值滤波的几种算法组合,消除固液态样品高温加热偶然带来的干扰,滤除脉冲噪声,减弱其他干扰信号,还原目标样品信号真实值,也使绘制的信号谱图直观、精准。

由于高斯滤波这种经典的滤波算法是建立在信号和噪声频率分离的基础上,且处理每一个信号数据的值都需要其本身和邻域内的其他信号值经过加权平均后得到。而本仪器噪声和信号的频谱相互混叠,有时噪声又具有偶然因素,因此用高斯滤波算法不能得到满意的滤波效果;且用此算法处理大批量信号数据,需要花费较多时间,人机交互响应时间较慢。

为了找到兼有细节保护和噪声抑制的优良特性的滤波器结构,本算法是基于中值滤波的改进型算法。结合实际情况,先加入了带有阈值的除极值算法,再结合动态中值滤波和均值滤波算法。

2.1 带有阈值的除极值算法

需要对全部采集数据点进行预判断,区分为噪声点、边缘细节区和平坦区。判断噪声点和平坦区算法:先对W[Xij]数组内的数据点进行排序,找出maxW[Xij]和minW[Xij],即最大值和最小值;然后将Xi与maxW[Xij]和minW[Xij]进行比较,如果相等,则用以下介绍的预判段算子判断出孤立噪声点、平坦区和边缘细节点。

判断信号S与噪声点N的标准是在信号谱图中如果某点的灰度值为其邻域的最大值或最小值,那么该点为噪声,反之则为信号。

按此原则对全部信号数据点分类,设Yij表示输出信号谱图像素点,则该滤波方法可表示为

设f(x,y)为信号谱图像素点(x,y)处的灰度值,δ(x,y)为(x,y)邻域像素点的灰度值。首先选择一个算子Y作用在f(x,y)和δi(x,y),得Y=Y(δi,f),然后根据不同的Y做进一步处理。这里取Y的公式为

将f(x+1,y)设为点(x,y)的第0邻域灰度值。T1是一个阈值,其取值与噪声的污染程度及图像的对比度有关。它限定了认为点(x,y)的灰度与其邻域点的灰度非常接近的范围大小,只有点(x,y)的灰度值与其邻域点的灰度值小于该阈值时,才认为点(x,y)与该邻域点灰度值非常接近。

没有任何像素的灰度值与其相等或相当接近时,即y=0,则可以认为此点为孤立噪声点;当有1~m个像素的灰度值与其相等或相当接近时,即1≤y≤m,则可以认为此点为边缘点;当有m个以上像素的灰度值与其相等或相当接近时,即y>m,可以认为此点处于平坦区。

2.2 动态中值滤波算法

中值滤波与平均滤波相比,从总体上来说,能够较好地保留原序列中的波形细节和灵敏度。

2.3 均值滤波算法

邻域平均法是一种局部空间域处理的算法,设一系列信号数据为N×N的阵列,处理后的灰度级由包含(x,y)领域的几个信号像素的灰度级的平均值决定,用如下公式处理:

式中x,y=0,1,2,…,N-1;S是以(x,y)为中心的邻域集合,M是S内坐标点的总数。图像邻域平均法的处理效果与所用的邻域半径有关。

3 处理效果

滤波前后的效果对比见图2。

图2 处理效果对比图Fig.2 Comparison chart of treatment effect

4 结语

目前,直接进样测汞仪能够对样品中的汞含量进行快速、准确、无尾气污染的检测,仪器无需化学前处理,避免了汞的挥发和损失,检测分析快捷高效、稳定性高,其应用软件中的滤波算法精准有效地消除了采集信号所受的外界环境和其他因素干扰,获得的信号更真实、准确,保持了数据的灵敏度和稳定性。这种滤波器结构算法是针对直接进样测汞仪和相关实验室设备进行的应用性研究,并取得了较好的效果。但它不一定适用实验室其他设备,只可作为数字滤波算法的一种参考和技术支持。

猜你喜欢
邻域高斯均值
稀疏图平方图的染色数上界
数学王子高斯
天才数学家——高斯
均值—方差分析及CAPM模型的运用
均值—方差分析及CAPM模型的运用
基于邻域竞赛的多目标优化算法
关于-型邻域空间
从自卑到自信 瑞恩·高斯林
关于均值有界变差函数的重要不等式
关于广义Dedekind和与Kloosterman和的混合均值