Количественный анализ газовых смесей методами оптической спектроскопии актуален для решения прикладных задач экологии, климатологии, изучения атмосферы Земли, контроля технологических процессов, а также для разработки перспективных методов медицинской диагностики на основе спектрального анализа выдыхаемого воздуха. Однако точность анализа ограничена из-за наличия шумов в экспериментальных данных. Физики Томского государственного университета совместно с коллегами из Института оптики атмосферы СО РАН разработали новый алгоритм фильтрации зашумленных спектральных данных, который не только эффективно подавляет шум, но и максимально сохраняет форму исходного спектра. Это позволяет существенно повысить точность обнаружения и количественного анализа газов в атмосфере. К примеру, в эксперименте томских ученых относительная погрешность вычислений снизилась в 3,7 раза по сравнению с применением стандартной фильтрации.
Разработка защищена патентом, правообладателем которого является Томский государственный университет. Работа выполнена при поддержке Минобрнауки РФ в рамках масштабного научного проекта, направленного на обеспечение безопасности страны. Исполнители проекта – ТГУ, институты РАН и МГУ – создают фундаментальные основы для разработки аппаратно-программной платформы, позволяющей дистанционно обнаруживать и обезвреживать токсичные и взрывчатые вещества. На эти цели получен государственный грант в размере 300 млн рублей. Промышленными партнерами выступают ведущие российские компании.
Основная цель экологического мониторинга атмосферы заключается не только в том, чтобы «увидеть» потенциально опасный газ, но и в том, чтобы точно измерить его концентрацию. Для этого используются методы оптической спектроскопии. Однако экспериментальные данные всегда искажены шумом, и слабые сигналы могут полностью «тонуть» в этом шуме.
Для выделения полезного сигнала в экспериментальных данных используют разные виды фильтров – аппаратные и цифровые. Вторые более универсальны, однако недостаток популярных цифровых фильтров в том, что они используют одни и те же настройки для всего спектра. В результате параметры, хорошо подавляющие шум в области спектральных сигналов большой амплитуды, могут «смазать» или уничтожить часть спектральных данных малой амплитуды, и наоборот.
С этой проблемой справляются цифровые адаптивные фильтры – в них параметры фильтрации действуют индивидуально для каждой небольшой части данных. Такие фильтры более эффективны: лучше подавляют шум и меньше искажают сигнал.
– Но и у цифровых адаптивных фильтров есть ключевая проблема. Чтобы подобрать параметры фильтрации, мы должны понимать, каким был идеальный, то есть незашумленный сигнал. А каков реальный сигнал – никто не знает. Можно использовать статистические параметры, вариации по отношению к среднему значению. Но все равно это не информация о том, как выглядит незашумленный сигнал, – рассказывает заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения Научного управления ТГУ Юрий Кистенев.
Для решения этой задачи томские ученые разработали алгоритм адаптивной фильтрации с использованием адаптивного варианта фильтра Савицкого – Голея в комбинации с методом независимых компонент (Independent component analysis, ICA). ICA – инструмент из области хемометрики и машинного обучения, который умеет разделять смесь сигналов c существенно различными статистическими характеристиками.
Упрощенно принцип ICA можно объяснить на примере аудиозаписи, где два человека говорят одновременно. ICA может «расслоить» эту аудиодорожку, выделив каждый голос отдельно. Точно так же метод ICA может разделить полезный регулярный сигнал (спектр газа) и случайный шум.
Алгоритм работы, заданный адаптивному фильтру Савицкого – Голея, использует ICA как внутренний «советник». Он перебирает параметры фильтра для каждого участка данных в заданном «окне» и с помощью ICA выбирает те, которые лучше всего разделяют сигнал и шум, максимально приближаясь к идеальной фильтрации.
Поскольку неизвестно, как выглядит идеальный сигнал, для определения эффективности предлагаемого метода ученые сначала проверили его на смоделированных данных. Для анализа была выбрана газовая смесь диоксида серы, азота и лабораторный воздух.
– Мы зашумляли расчетные спектры и смотрели, насколько эффективно адаптивный вариант фильтра Савицкого – Голея в комбинации с методом ICA подавляет шумовую составляющую. Затем предложенный подход к подавлению шума был проверен в реальных экспериментальных условиях с использованием терагерцового спектрометра. Результаты оказались впечатляющими: относительная погрешность определения концентрации SO₂ после обработки новым адаптивным фильтром оказалась в 3,7 раза ниже, чем после использования стандартного метода, – объясняет суть и эффективность разработки Юрий Кистенев.
Внедрение этого алгоритма в практику позволит создать новое поколение газоанализаторов для экологического контроля, систем безопасности на промышленных объектах и высокоточного медицинского диагностического оборудования.
Статью томских ученых о новом подходе к применению адаптивного фильтра Савицкого – Голея для подавления шума в спектрах поглощения газовых смесей опубликовал научно-теоретический журнал РАН «Оптика атмосферы и океана» (Q3, входит в базы данных Scopus и Web of Science, импакт-фактор 0.9).
Источник: ТГУ
