【化工儀器網(wǎng) 項目成果】近日，質(zhì)譜再升北方工業(yè)大學(xué)電控學(xué)院李明研究員在國際知名學(xué)術(shù)期刊《Talanta》(中科院一區(qū)、技術(shù)級TOP期刊)上發(fā)表了題為“Signal Processing for Miniature Mass Spectrometer Based on LSTM-EEMD Feature Digging”的質(zhì)譜再升重要研究論文。該研究在小型質(zhì)譜儀數(shù)據(jù)處理領(lǐng)域取得了重大突破，技術(shù)級提出了一種創(chuàng)新的質(zhì)譜再升基于長短期記憶-集合經(jīng)驗?zāi)B(tài)分解(LSTM-EEMD)的數(shù)據(jù)處理方法，為提升小型質(zhì)譜儀在復(fù)雜基質(zhì)樣品和惡劣環(huán)境下的技術(shù)級現(xiàn)場檢測性能開辟了新紀(jì)元。
微型質(zhì)譜儀由于體積小、質(zhì)譜再升成本低，技術(shù)級在現(xiàn)場檢測方面具有巨大的質(zhì)譜再升應(yīng)用潛力。然而，技術(shù)級其信號的質(zhì)譜再升非平穩(wěn)性和易受干擾的特性一直是制約其應(yīng)用擴展的關(guān)鍵因素，尤其是技術(shù)級在生命科學(xué)、生物醫(yī)藥等需要高精度檢測的質(zhì)譜再升領(lǐng)域。傳統(tǒng)數(shù)據(jù)處理方法在面對復(fù)雜基質(zhì)樣品時往往力不從心，技術(shù)級難以有效濾除干擾，質(zhì)譜再升提升數(shù)據(jù)質(zhì)量。李明研究員及其團隊針對這一難題，深入探索并創(chuàng)新性地提出了LSTM-EEMD數(shù)據(jù)處理方法，為質(zhì)譜數(shù)據(jù)的優(yōu)化處理提供了新思路。
該研究的核心在于將集合經(jīng)驗?zāi)B(tài)分解(EEMD)與長短期記憶網(wǎng)絡(luò)(LSTM)相結(jié)合。EEMD方法以其強大的信號分解能力，能夠清晰地區(qū)分質(zhì)譜信號中的不同物理特征分量；而LSTM網(wǎng)絡(luò)則以其獨特的記憶機制和自適應(yīng)學(xué)習(xí)能力，能夠深入挖掘信號內(nèi)部的復(fù)雜關(guān)系。通過將兩者有機結(jié)合，研究團隊成功設(shè)計出一種能夠自適應(yīng)優(yōu)化EEMD信號重構(gòu)參數(shù)的數(shù)據(jù)優(yōu)化算法，顯著提升了質(zhì)譜數(shù)據(jù)的質(zhì)量。
實驗結(jié)果顯示，LSTM-EEMD方法不僅在數(shù)據(jù)決定系數(shù)(R2)和相對標(biāo)準(zhǔn)偏差(RSD)等關(guān)鍵指標(biāo)上表現(xiàn)出色，還極大地拓寬了小型質(zhì)譜儀的線性范圍，實現(xiàn)了全自適應(yīng)處理流程，顯著提高了檢測效率和準(zhǔn)確性。這一成果不僅為小型質(zhì)譜儀在生命科學(xué)、生物醫(yī)藥等領(lǐng)域的廣泛應(yīng)用奠定了堅實基礎(chǔ)，也為質(zhì)譜數(shù)據(jù)處理技術(shù)的發(fā)展注入了新的活力。
【素材來源：北方工業(yè)大學(xué)】 
關(guān)注本網(wǎng)官方微信 隨時閱讀專業(yè)資訊
（作者：汽車音響）