CN102323241A - 面向光学传感器的一维光谱数据特征检测方法 - Google Patents
面向光学传感器的一维光谱数据特征检测方法 Download PDFInfo
- Publication number
- CN102323241A CN102323241A CN201110212578A CN201110212578A CN102323241A CN 102323241 A CN102323241 A CN 102323241A CN 201110212578 A CN201110212578 A CN 201110212578A CN 201110212578 A CN201110212578 A CN 201110212578A CN 102323241 A CN102323241 A CN 102323241A
- Authority
- CN
- China
- Prior art keywords
- curve
- dimension
- detection method
- optical sensor
- spectroscopic data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种光学通信技术领域的面向光学传感器的一维光谱数据特征检测方法,根据光学传感器所得待测分子溶液反射率-波长的反射谱一维曲线上待检测的特征尺寸制定降采样因子,通过对原始数据依次进行降采样、均值滤波和线性检测,得到一维曲线的粗检测特征点,如峰值和谷值;然后以特征点为中心,在原始数据周围进行第二次线性检测得到原始一维曲线的精确特征点。最后将该特征点位置减去基准位置得到红移,并利用红移与溶液浓度变化的线性关系得出待测分子溶液的浓度。本发明相比于使用基于傅立叶变换的传统信号处理方法,算法效率和硬件资源消耗大为减小,能够提升检测设备的性能,提升检测设备的便携性。
Description
技术领域
本发明涉及的是一种光学通信技术领域的方法,具体是一种面向光学传感器的一维光谱数据特征检测方法。
背景技术
P型多孔硅微纳米谐振腔可作为一种重要的光学生物传感器,通过将待测溶液注入多孔硅的孔道,可以检测出不同的反射光谱。由于反射谱上谐振谷位置的移动与溶液浓度变化成正比,所以提取光谱中谐振谷的红移可以分辨出不同的待测溶液。现有的面向光学传感器的一维光谱数据特征提取方法主要是基于快速傅立叶变换(FFT)的方法,对得到的一维光谱数据进行基于快速傅立叶变换(FFT)算法处理,然后提取其中有效的部分。
经对现有技术的文献检索发现,Tanya Hutter、Shlomo Ruschin等人在《IEEE SensorsJournal》(电机及电子学工程师联合会传感器杂志)VOL.10.No.1(January 2010)上发表有“Non-Imaging Optical Method for Multi-Sensing of Gases Based onPorous Silicon”(基于多孔硅的多传感器光学方法)。在该文中,作者通过FFT算法将光谱数据变换至频域,通过频谱的幅值大小来判断原反射谱上谐振谷的红移。该文只考虑了特征检测本身,并没有考虑面向实际应用,特别是针对嵌入式应用的算法所需要具备的低功耗高效率的特点,该检测方法难以在嵌入式设备中实现实时检测。
在一维光谱数据的特征数据提取方法中,以上的基于快速傅立叶变换的检测方法对硬件的消耗很大,速度也慢,难以将这样得算法直接移植到计算能力有限的嵌入式设备,特别是便携式设备中。而面向一维光谱谐振谷的红移的检测,完全可以通过跟踪一维曲线的斜率分别找出不同谐振谷的位置来计算红移这一简洁有效的方法来完成。并且通过合理的降采样与多次检测,以及合理的时域滤波去噪,这种方法在保证检测精度的前提下,可以极大地提高算法效率加快检测速度,并降低硬件消耗,使得基于光学传感器的低功耗便携式可处理多样本的现场医学检测设备成为可能。
发明内容
本发明针对现有技术存在的上述不足,提供一种面向光学传感器的一维光谱数据特征检测方法,在这一应用场合下,该特征提取算法相比于使用基于傅立叶变换的传统信号处理方法,算法效率和硬件资源消耗大为减小,为光学传感器的一维光谱数据特征提取提供了参考方法,有助于实现基于光学传感器的便携式检测设备的工业化应用,特别是用于医疗现场检测设备(Point-Of-care Testing,POCT),该发明能够提升检测设备的性能,提升检测设备的便携性。
本发明是通过以下技术方案实现的,本发明根据光学传感器所得待测分子溶液反射率-波长的一维曲线上待检测的特征尺寸制定降采样因子,通过对原始数据依次进行降采样、均值滤波和线性检测,得到一维曲线的粗检测特征点,如峰值和谷值;然后以特征点为中心,在原始数据周围进行第二次线性检测得到原始一维曲线的精确特征点;最后将该特征点位置减去基准位置得到红移,并利用红移与溶液浓度变化的线性关系得出待测溶液的浓度。
所述的降采样是指:对原始一维数字曲线l0以降采样因子D进行降采样,得到一条新的降采样后的曲线l1,原曲线的数据需保存,其中P原始一维数字曲线上尺寸最小的波峰/波谷的像素个数,p为设计预期降采样后的曲线上尺寸最小波峰/波谷的像素个数,p取奇数且p≥5。
所述的均值滤波是指:用窗长为L的均值滤波器对l1均值滤波,得到一条光滑的曲线l2。L由对l1枚举测试所得,并且取L=2l。
所述的线性检测是指:逐一计算l2上每个像素的斜率,并记录曲线上连续p个点的斜率,循环比对待检测特征,找到l2上的粗检测特征点。
所述的第二次线性检测是指:根据找到的l2上的特征点的像素序号t,取出原始曲线上l0上像素序号在与的像素点作为局部曲线,其中:D为降采样因子,p为曲线上连续的点的个数,α=3,对得到的局部曲线进行均值滤波和线性检测,得到原始一维曲线的精确特征点。
所述的基准位置是指:浓度为0%待测分子溶液的反射谱上的特征点位置x0,由前述步骤事先测得,供检测现场直接使用。
所述的红移与溶液浓度变化的线性关系是指:不同浓度的同一种待测分子溶液,其浓度变化与相应浓度下反射谱上特征点的红移成正比,即y=k(x-x0),其中:x,x0分别为待测溶液和浓度为0%的溶液反射谱上特征点的位置,y为待测分子溶液的浓度,比例因子k事先测得,供检测现场直接使用。
本发明是基于以下原理提出的:对于光学传感器输出的不同浓度待测溶液的反射谱,需要确定的谐振谷的红移,可以通过直接记录各谐振谷的位置并相减得到。对于此类谐振谷特征点的检测,核心算法完全可以通过在时域跟踪一维曲线的斜率的方法来完成。对于原始数据的去噪处理,则可以通过简洁有效的时域方法代替如低通滤波,维纳去噪等常用的基于傅立叶变换的方法。在这一特定应用场合下,避免使用傅立叶变换,使检测方法更快速高效节省硬件资源。
本发明与现有技术相比,优点在于:(1)相比传统的基于傅立叶变换的数据处理算法,检测速度快,效率高,硬件开销大大降低,能够满足嵌入式应用需求。(2)可以用于医疗现场检测设备(Point-Of-care Testing,POCT),能够提升检测设备的性能,提升检测设备的便携性。
附图说明
图1为本发明的算法流程图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
待测分子溶液及数据特征:待测分子溶液为已知浓度5%的葡萄糖溶液,反射率-波长曲线共3648个像素点,最小波峰波谷尺寸P=180个像素点,待检测谐振谷特征点为反射率值最大的波谷,基准谐振谷位置序列号x0=2729,比例因子k=0.077%/每像素点。
实施例1
如图1所示,本实施例具体步骤如下:
(1)对原始一维数字曲线l0以降采样因子32进行降采样,得到一条新的降采样后的曲线l1。
其中选定p=5,
(2)用窗长为4的均值滤波器对l1均值滤波,得到一条光滑的曲线l2。L=4=22由对l1枚举测试所得。
(3)逐一计算l2上每个像素的斜率,并记录曲线上连续5个点的斜率,循环比对待检测特征,找到l2上的特征点t=88,即最高的波谷。
(4)根据找到的l2上的特征点的像素序号t,取出原始曲线上l0上像素序号在32t-240=2576与32t+240=3056的像素点。
(5)对(4)中得到的局部曲线重复步骤(2),(3),进行第二次检测,得到原始一维曲线的待检测特征点序号2793。
(6)由y=k(x-x0)算得溶液浓度y=0.077%×(2793-2729)=4.928%≈5%。
实施例2:
(1)对原始一维数字曲线l0以降采样因子16进行降采样,得到一条新的降采样后的曲线l1。
其中选定p=7,
(2)用窗长为8的均值滤波器对l1均值滤波,得到一条光滑的曲线l2。L=8=23由对l1枚举测试所得。
(3)逐一计算l2上每个像素的斜率,并记录曲线上连续7个点的斜率,循环比对待检测特征,找到l2上的特征点t=175,即最高的波谷。
(4)根据找到的l2上的特征点的像素序号t,取出原始曲线上l0上像素序号在16t-168=2632与16t+168=2968的像素点。
(5)对(4)中得到的局部曲线重复步骤(2),(3),进行第二次检测,得到原始一维曲线的待检测特征点序号2793。
(6)由y=k(x-x0)算得溶液浓度y=0.077%×(2793-2729)=4.928%≈5%。
以上2个实施例中,均能准确地检测出光学传感器输出的数据,即反射率-波长曲线上的特征点,并将其转化为溶液浓度,实测溶液浓度与已知浓度误差较小。实施例1相比实施例2资算法速度更快,资源消耗更小,但是实施例2相比实施例1可靠性和适应性更强。
Claims (8)
1.一种面向光学传感器的一维光谱数据特征检测方法检测方法,其特征在于,根据光学传感器所得的待测分子溶液反射率-波长的一维曲线上待检测的特征尺寸制定降采样因子,通过对原始数据依次进行降采样、均值滤波和线性检测,得到一维曲线的粗检测特征点,然后以特征点为中心,在原始数据周围进行第二次线性检测得到原始一维曲线的精确特征点,最后将该特征点位置减去基准位置得到红移,并利用红移与溶液浓度变化的线性关系得出待测分子溶液的浓度。
3.根据权利要求1所述的面向光学传感器的一维光谱数据特征检测方法,其特征是,所述的降采样因子即降采样因子小于等于原始曲线上尺寸最小波峰/波谷像素个数于设计降采样后曲线上尺寸最小波峰/波谷的像素个数,这样设计是为了保证降采样后仍然能保证检测到所有波峰波谷点。
4.根据权利要求1所述的面向光学传感器的一维光谱数据特征检测方法,其特征是,所述的均值滤波是指:用窗长为L的均值滤波器对l1均值滤波,得到一条光滑的曲线l2,L由对l1枚举测试所得,并且取L=2l。
5.根据权利要求1所述的面向光学传感器的一维光谱数据特征检测方法,其特征是,所述的线性检测是指:逐一计算l2上每个像素的斜率,并记录曲线上连续p个点的斜率,循环比对待检测特征,找到l2上的粗检测特征点。
7.根据权利要求1所述的面向光学传感器的一维光谱数据特征检测方法,其特征是,所述的基准位置是指:浓度为0%待测分子溶液的反射谱上的特征点位置x0,由前述步骤事先测得,供检测现场直接使用。
8.根据权利要求1所述的面向光学传感器的一维光谱数据特征检测方法,其特征是,所述的红移与溶液浓度变化的线性关系是指:不同浓度的同一种待测分子溶液,其浓度变化与相应浓度下反射谱上特征点的红移成正比,即y=k(x-x0),其中:x,x0分别为待测溶液和浓度为0%的溶液反射谱上特征点的位置,y为待测分子溶液的浓度,比例因子k事先测得,供检测现场直接使用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110212578 CN102323241B (zh) | 2011-07-27 | 2011-07-27 | 面向光学传感器的一维光谱数据特征检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110212578 CN102323241B (zh) | 2011-07-27 | 2011-07-27 | 面向光学传感器的一维光谱数据特征检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102323241A true CN102323241A (zh) | 2012-01-18 |
CN102323241B CN102323241B (zh) | 2013-07-03 |
Family
ID=45451026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110212578 Expired - Fee Related CN102323241B (zh) | 2011-07-27 | 2011-07-27 | 面向光学传感器的一维光谱数据特征检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102323241B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070211248A1 (en) * | 2006-01-17 | 2007-09-13 | Innovative American Technology, Inc. | Advanced pattern recognition systems for spectral analysis |
CN101458214A (zh) * | 2008-12-15 | 2009-06-17 | 浙江大学 | 有机聚合物溶液浓度的检测方法 |
CN101839858A (zh) * | 2010-05-13 | 2010-09-22 | 大连海事大学 | 一种非线性激光荧光光谱实时识别方法 |
-
2011
- 2011-07-27 CN CN 201110212578 patent/CN102323241B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070211248A1 (en) * | 2006-01-17 | 2007-09-13 | Innovative American Technology, Inc. | Advanced pattern recognition systems for spectral analysis |
CN101458214A (zh) * | 2008-12-15 | 2009-06-17 | 浙江大学 | 有机聚合物溶液浓度的检测方法 |
CN101839858A (zh) * | 2010-05-13 | 2010-09-22 | 大连海事大学 | 一种非线性激光荧光光谱实时识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102323241B (zh) | 2013-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101813497B (zh) | 一种布里渊散射谱实时频谱分析装置及其数据处理方法 | |
Wei et al. | Generalized wavelet transform based on the convolution operator in the linear canonical transform domain | |
CN101315397A (zh) | 一种幅相测量方法 | |
CN103033481A (zh) | 基于fft的激光分析仪二次谐波滤波方法 | |
WO2017103694A1 (en) | Single-flux-quantum probabilistic digitizer | |
CN101251445B (zh) | 旋转机械碰摩声发射信号的分形特征分析方法 | |
CN107545213B (zh) | 基于飞行时间质谱的信号处理方法、系统及电子设备 | |
Zhang et al. | Operation conditions monitoring of flood discharge structure based on variance dedication rate and permutation entropy | |
Jingang et al. | Outlier detection and sequence reconstruction in continuous time series of ocean observation data based on difference analysis and the Dixon criterion | |
CN102269803A (zh) | 基于时间延迟的离散频谱低频成分的校正方法 | |
Bellasi et al. | A Broadband Multi-Mode Compressive Sensing Current Sensor SoC in 0.16$\mu $ m CMOS | |
CN109164300A (zh) | 基于谐波扩增的微波频率高精度测量系统及方法 | |
CN106404743A (zh) | 一种结合拉曼光谱和近红外光谱的探测方法及探测装置 | |
CN103823177A (zh) | 基于窗函数设计的滤波器性能检测方法和系统 | |
CN106840230A (zh) | 一种振弦式传感器的信号处理装置及方法 | |
EP3058479A1 (en) | Method and system for tracking the centre of a peak from a plurality of sample points in an optical system | |
CN102323241B (zh) | 面向光学传感器的一维光谱数据特征检测方法 | |
CN116718834A (zh) | 一种发动机组件频率特性分析方法、装置、设备及介质 | |
CN111639763B (zh) | 一种液压油污染度的检测模型训练方法、检测方法及装置 | |
Jiang et al. | Acoustic emission source localization technique based on least squares support vector machine by using FBG sensors | |
Hou et al. | Signal processing of single-mode fiber sensor system based on Raman scattering | |
Shevgunov | Algorithm for Estimating the Spectral Correlation Function Using the 2D Fast Fourier Transform | |
CN114061638B (zh) | 一种布里渊光时域反射仪及其相位解调方法、装置 | |
Wei et al. | Evaluation method of spindle performance degradation based on VMD and random forests | |
CN114323105B (zh) | 一种光纤光栅光谱分析方法、系统、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130703 Termination date: 20180727 |