Новый метод обработки спектральных данных позволил уменьшить погрешность измерений. Высокая эффективность данной технологии была подтверждена экспериментально.
Методы оптической спектроскопии находят широкое применение для анализа состава атмосферных газов, решения задач экологической безопасности, климатических исследований, контроля в промышленности и даже развития новых технологий медицинской диагностики на основе анализа дыхания пациентов. Однако качество получаемых результатов часто ухудшается из-за наличия шума в измеренных сигналах, что уменьшает чувствительность приборов и затрудняет точное определение концентраций веществ.
Исследователи Томского государственного университета совместно с коллегами разработали инновационный метод обработки спектральных данных, который позволяет значительно уменьшить уровень помех, сохраняя при этом форму исходного спектра. Созданный ими адаптивный фильтр улучшает разделение полезных сигналов от посторонних шумов, что повышает надежность обнаружения компонентов газовой смеси. Проведенные эксперименты продемонстрировали снижение относительной погрешности измерений почти в четыре раза по сравнению с традиционными методами фильтрации.
Основная задача экологического мониторинга атмосферного воздуха заключается не только в выявлении вредных примесей, но также в точной оценке их содержания. Спектральные методы позволяют получать необходимые данные, но наличие фонового шума нередко мешает интерпретации слабых сигналов.
Существуют различные методы для устранения случайных шумов: использование аппаратных фильтров или применение цифровых обработчиков сигналов. Последние особенно распространены благодаря своей универсальности, хотя стандартные цифровые фильтры имеют общий недостаток — одинаковые настройки, применяемые ко всему диапазону спектра, могут приводить либо к избыточному сглаживанию интенсивных линий, либо недостаточному подавлению мелких деталей спектра.
Исследователи из Томска разработали специальный адаптивный цифровой фильтр, который использует комбинацию классического подхода Савицкого-Голея и метода независимых компонент (ICA). Последний заимствует идеи из статистики и машинного обучения, что позволяет автоматически отделять полезные компоненты спектра от случайных колебаний. Принцип работы нового алгоритма можно сравнить с ситуацией, когда запись разговора двух людей обрабатывается так, что их голоса становятся различимы отдельно. Аналогично спектральный сигнал выделяется из общего фона, обеспечивая наилучшее возможное качество результата.
Тестирование предложенного метода подтвердило его высокую эффективность при моделировании реальных условий измерения газовых смесей. Полученные результаты открывают путь к созданию принципиально новых высокочувствительных газоанализаторов для промышленности, охраны окружающей среды и медицины.
Фото: hi-tech.mail.ru