清华大学王晓浩团队与至秦仪器长期合作，开展小型化质谱仪系列产品的研发及产业化。近期基于数据驱动（DD-CF）的分析仪器基线校正算法成果在分析化学领域重要期刊AnalyticaChimicaActa在线发表。清华大学深圳国际研究生院与至秦仪器联合培养的实习生徐向春为本文第一作者，校内导师为钱翔副教授，企业导师为至秦仪器技术总监鲁信琼博士，此外清华大学霍新明博士、余泉副教授、倪凯副教授及王晓浩教授也一同参与了课题的指导工作。
原文信息：
XiangchunXu;XinmingHuo,XiangQian*,XingiongLu,QuanYu,KaiNi,XiaohaoWang."Data-DrivenandCoarse-to-FineBaselineCorrectionforSignalsofAnalyticalInstruments".AnalyticaChimicaActa,,,online13March.
基线校正是各类分析仪器信号预处理中重要的一步，对仪器后续定性、定量分析有着重要的影响。随着仪器小型化和应用场景现场化需求的提出，仪器原始数据的基线校正算法也亟需向着智能化、用户友好型的方向发展。传统基线校正算法通常基于改进的拟合模型，需要人为不断的干预算法模型参数，特别是针对不同分析仪器获得信号，由于其谱峰和基线特性的不同，拟合模型的参数也会千差万别；更甚，即便对于同一台分析仪器获得的信号，仅仅因为采样率或者信号长度的不同，仍会导致拟合模型参数的差异，需要人为的调整才能获得最优的校正效果。这十分不利于仪器的智能化。
我们的创新点在于，避开参数复杂的拟合模型，而从数据本身出发，将数据驱动的经验模态分解（EMD）算法引入基线校正，并针对分析仪器谱图信号的特点，对原版的EMD算法进行了改进，解决了分析仪器信号谱峰的带来的模态混叠效应。通过筛选基线的模态，可以准确的重建各种类型的基线，并将其从信号中消除。
图DD-CF算法用于至秦仪器质谱产品的基线校正效果
我们将提出的DD-CF算法和传统算法同时应用到多种分析仪器信号中，包括了至秦仪器自主研发的小型化质谱仪，以及校内团队研发的小型化离子迁移谱仪等。比较的结果表明，DD-CF算法面对小型质谱仪、小型离子迁移谱仪以及色谱仪等不同的分析仪器，以及针对不同的采样点数、不同的谱峰形状、不同的谱峰数量、不同的谱峰高度、不同的基线类型这些信号特征，都表现出了优异的校正效果和自适应能力，在无需调参的情况下，DD-CF算法对于各类基线的重建准确度以及校正后谱峰面积的计算精确度都优于传统算法，为后续的定量分析打下了坚实的基础。同时DD-CF算法的计算速度也处于领先位置，达到了分析仪器信号基线校正的快、准、稳。
DD-CF算法与传统算法的能力比较：基线重建准确度
峰面积精确度及计算时间
目前，我们正在积极推进该方案在至秦仪器的系列质谱产品中的落地应用。同时，未来双方将持续开展工程实践课题的合作，更加深入的研究分析仪器信号处理领域的各类关键技术，为至秦仪器的系列产品贡献更多的解决方案。
点击此处“阅读全文”预览时标签不可点收录于话题#个上一篇下一篇