| 第1章 绪论 | 第12-28页 |
| 1.1 分析化学与化学谱图数据处理 | 第12-15页 |
| 1.2 化学谱图数据处理研究对象及内容 | 第15-16页 |
| 1.3 化学谱图数据处理的方法 | 第16-20页 |
| 1.3.1 数值计算方法 | 第16-17页 |
| 1.3.2 非数值计算方法 | 第17页 |
| 1.3.3 人工智能 | 第17-19页 |
| 1.3.4 各种计算方法的集成运用 | 第19-20页 |
| 1.4 本文研究的范围、内容、方法及目标 | 第20-26页 |
| 1.4.1 研究范围 | 第20页 |
| 1.4.2 研究内容 | 第20-25页 |
| 1.4.3 研究方法和预期目标 | 第25-26页 |
| 1.5 本文的结构安排 | 第26页 |
| 本章小结 | 第26-28页 |
| 第2章 小波变换的基本原理及应用 | 第28-45页 |
| 2.1 由Fourier变换到小波变换 | 第28-32页 |
| 2.1.1 Fourier变换 | 第28-29页 |
| 2.1.2 短时Fourier变换 | 第29-30页 |
| 2.1.3 小波变换和自适应时频窗 | 第30-32页 |
| 2.2 正交小波变换和多分辨分析概念的统一 | 第32-37页 |
| 2.2.1 连续小波变换的冗余性 | 第32-33页 |
| 2.2.2 离散和正交小波变换 | 第33-35页 |
| 2.2.3 多分辨分析概念 | 第35-36页 |
| 2.2.4 由多分辨分析构造正交小波基 | 第36-37页 |
| 2.2.5 函数的正交小波分解 | 第37页 |
| 2.3 小波变换的Mallat算法与双通道滤波器组 | 第37-40页 |
| 2.4 双正交小波 | 第40-41页 |
| 2.5 小波基函数的选择和主要性质 | 第41页 |
| 2.6 分析信号的小波变换处理 | 第41-44页 |
| 2.6.1 数据压缩 | 第41-42页 |
| 2.6.2 信号平滑滤噪 | 第42页 |
| 2.6.3 信号的基线扣除 | 第42-43页 |
| 2.6.4 信号奇异性检测 | 第43-44页 |
| 本章小结 | 第44-45页 |
| 第3章 化学谱图信号中的噪声峰辨识 | 第45-76页 |
| 3.1 化学谱图信号中的噪声与噪声滤除 | 第45-60页 |
| 3.1.1 分析仪器信号中的噪声特性 | 第45-47页 |
| 3.1.2 谱图信号噪声去除的常用方法 | 第47-50页 |
| 3.1.3 噪声滤除方法的评价标准 | 第50-53页 |
| 3.1.4 噪声滤除的小波方法 | 第53-57页 |
| 3.1.5 几种噪声滤除方法性能比较 | 第57-58页 |
| 3.1.6 化学谱图中的噪声 | 第58-60页 |
| 3.2 信号的奇异性分析 | 第60-62页 |
| 3.2.1 函数的奇异性与Lipschitz指数 | 第60页 |
| 3.2.2 Fourier变换用于信号的奇异性分析 | 第60-62页 |
| 3.2.3 信号的奇异性和小波变换 | 第62页 |
| 3.3 利用小波变换模极大值分析信号奇异性 | 第62-66页 |
| 3.3.1 小波变换模极大值和Lipschitz指数 | 第62-64页 |
| 3.3.2 奇异性分析中小波函数的选择 | 第64-66页 |
| 3.4 奇异性分析用于噪声峰的识别 | 第66-74页 |
| 3.4.1 噪声峰的形态 | 第66-68页 |
| 3.4.2 噪声峰奇异性分析 | 第68-70页 |
| 3.4.3 噪声峰识别的抗噪能力与适用性分析 | 第70-73页 |
| 3.4.4 实际色谱数据识别效果 | 第73-74页 |
| 本章小结 | 第74-76页 |
| 第4章 化学谱图中信号峰的检测 | 第76-100页 |
| 4.1 化学谱峰的数学描述 | 第76-78页 |
| 4.2 谱峰检测的传统方法 | 第78-84页 |
| 4.2.1 谱峰检测的内容 | 第78-81页 |
| 4.2.2 谱峰检测的方法 | 第81-82页 |
| 4.2.3 基于小波变换的重叠峰检测方法的提出 | 第82-84页 |
| 4.3 信号奇异点的小波变换多尺度检测 | 第84-85页 |
| 4.4 基于小波变换的化学谱图检测方法 | 第85-93页 |
| 4.4.1 小波函数的选择 | 第85-86页 |
| 4.4.2 构造仿真谱峰和数据预处理 | 第86-87页 |
| 4.4.3 谱图检测的逻辑原理 | 第87-90页 |
| 4.4.4 谱峰位置和类型判断 | 第90-92页 |
| 4.4.5 谱峰特征点检测和峰形识别算法 | 第92-93页 |
| 4.5 峰检测方法验证 | 第93-95页 |
| 4.6 峰检测方法的抗噪能力分析 | 第95-98页 |
| 4.7 讨论 | 第98-99页 |
| 本章小结 | 第99-100页 |
| 第5章 重叠峰面积分解 | 第100-117页 |
| 引言 | 第100-102页 |
| 5.1 谱峰重叠程度的衡量 | 第102-104页 |
| 5.2 经典的面积分峰方法 | 第104-106页 |
| 5.2.1 几何分峰法 | 第104页 |
| 5.2.2 局部积分法 | 第104-106页 |
| 5.2.3 函数拟合法 | 第106页 |
| 5.3 小波变换用于重叠峰的分解 | 第106-108页 |
| 5.4 基于RBF网络的模式法分解重叠色谱峰 | 第108-115页 |
| 5.4.1 方法的理论基础 | 第108-109页 |
| 5.4.2 特征准数的提取 | 第109-111页 |
| 5.4.3 基于RBF神经网络的模式表达 | 第111-113页 |
| 5.4.4 实验验证 | 第113-115页 |
| 5.5 结果与讨论 | 第115页 |
| 本章小结 | 第115-117页 |
| 第6章 近红外光谱压缩和分析建模 | 第117-137页 |
| 6.1 近红外光谱分析简介 | 第118-122页 |
| 6.1.1 近红外光谱波长 | 第118页 |
| 6.1.2 近红外光谱吸收的信息特点 | 第118-120页 |
| 6.1.3 近红外光谱的检测方式 | 第120-121页 |
| 6.1.4 近红外光谱分析的特点 | 第121-122页 |
| 6.1.5 近红外光谱分析的基本步骤 | 第122页 |
| 6.2 建立近红外光谱定量分析模型的原理及方法 | 第122-128页 |
| 6.2.1 朗伯-比尔(Lambere-Beer)定律 | 第122-123页 |
| 6.2.2 近红外光谱分析中的浓度计算方程 | 第123页 |
| 6.2.3 建立校正模型的化学计量学方法 | 第123-124页 |
| 6.2.4 建立近红外光谱定量分析模型的PLSR算法 | 第124-128页 |
| 6.3 近红外光谱数据处理中的高维空间问题 | 第128页 |
| 6.4 利用小波变换预处理柴油NIRS数据 | 第128-135页 |
| 6.4.1 小波变换系数压缩原理 | 第128-129页 |
| 6.4.2 小波变换压缩柴油NIRS数据的准则及步骤 | 第129-131页 |
| 6.4.3 小波函数和分解尺度的选择 | 第131-134页 |
| 6.4.4 小波变换和常规方法预处理NIRS数据建模效果比较 | 第134-135页 |
| 本章小结 | 第135-137页 |
| 第7章 总结 | 第137-139页 |
| 参考文献 | 第139-147页 |
| 致谢 | 第147-148页 |
