CN114676732A - 基于改进卡尔曼滤波算法的色谱峰滤波方法及系统 - Google Patents
基于改进卡尔曼滤波算法的色谱峰滤波方法及系统 Download PDFInfo
- Publication number
- CN114676732A CN114676732A CN202210344794.8A CN202210344794A CN114676732A CN 114676732 A CN114676732 A CN 114676732A CN 202210344794 A CN202210344794 A CN 202210344794A CN 114676732 A CN114676732 A CN 114676732A
- Authority
- CN
- China
- Prior art keywords
- chromatographic peak
- kalman filtering
- filtering
- peak
- improved
- 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.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 19
- 239000007788 liquid Substances 0.000 claims abstract description 7
- 238000004885 tandem mass spectrometry Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H17/00—Networks using digital techniques
- H03H17/02—Frequency selective networks
- H03H17/0248—Filters characterised by a particular frequency response or filtering method
- H03H17/0255—Filters based on statistics
- H03H17/0257—KALMAN filters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种基于改进卡尔曼滤波算法的色谱峰滤波方法及系统，该方法包括以下步骤：S1、预先将与待测样本相同的样本进行液质串联质谱检测，以获取的色谱图中的一个特征色谱峰为基础建立折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程：S2、采用步骤S1建立的折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程对后续待测样品的色谱峰进行滤波。本发明提供的基于改进卡尔曼滤波算法的色谱峰滤波方法具有降噪效果好、实时性高、易于实现等优点；本发明对卡尔曼滤波进行了改进，状态方程采用分段线性方式描述，这样做降低了计算量，增强了实时性。
Description
技术领域
本发明涉及色谱图处理技术领域，特别涉及一种基于改进卡尔曼滤波算法的色谱峰滤波方法及系统。
背景技术
液质串联质谱方法是目前医疗、环境、材料、刑侦等领域的重要检测手段。液质串联检测的直观输出为色谱图，色谱图中我们最为关注的就是色谱峰，色谱峰的峰形直接决定了最终的定量检测结果，因为色谱峰的峰形决定了其积分面积。然而在液质串联系统中，往往噪声比较高，对于浓度低的样本影响大，甚至产生难以积分的峰形，造成的最终结果就是定量下线低或者定量结果不准确。只能依靠实验人员或操作人员进行手动积分，这样不仅降低了定量结果的准确性，也大大降低了检测效率。
所以，现在有必要针对上述问题提供一种可靠的方案来实现色谱峰滤波。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于改进卡尔曼滤波算法的色谱峰滤波方法及系统。
为解决上述技术问题，本发明采用的技术方案是：一种基于改进卡尔曼滤波算法的色谱峰滤波方法，包括以下步骤：
S1、预先将与待测样本相同的样本进行液质串联质谱检测，以获取的色谱图中的一个特征色谱峰为基础建立折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程：
折线式的卡尔曼滤波状态方程为：
其中，x(n)为色谱图在n时刻下的强度，w为一服从高斯分布的随机变量，(T1,C1)为色谱图中的特征色谱峰的左起点坐标，(T2,C2)为该特征峰的右起点坐标，(Th,Ch)为该特征峰的最高点坐标；
卡尔曼滤波的观测方程为：
y(n)＝x(n)+v (2)
其中，x(n)为色谱图在n时刻下的强度；y(n)为n时刻下的观测强度，即我们获知的强度值；v是一个服从高斯分布的随机变量；
S2、采用步骤S1建立的折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程对后续待测样品的色谱峰进行滤波。
优选的是，该方法以如下条件a和b为前提：
a、色谱峰是对于时间轴的一维信号，噪声是加性的且为高斯噪声；
b、色谱峰形成的过程是马尔可夫过程，即当前时刻的强度仅和上一时刻相关。
优选的是，步骤S1中，左起点的确定方法为：如果有连续4个点的斜率大于K，则这4个点中的最左端的一个点为左起点(T1,C1)；右起点的确定方法为：如果有连续4个点的斜率小于-K，则这4个点中的最右端的一个点为右起点(T2,C2)；其中，K为正数。
优选的是，其中，K为5-15。
优选的是，其中，K＝10。
优选的是，所述步骤S2包括：
1)初始化中间变量
P1|0；
2)计算中间变量：
其中Pn|n-1为应用于计算的中间变量；Qv为噪声v的自协方差；Gn是用于后续计算的中间变量；
3)计算过去观测估计
与观测的差量αn：
其中为yn观测色谱峰的强度信息；
为对强度信息的估计，这是一个计算过程的中间变量，初始值为
4)计算当前估计值
其中Gn和αn分别由步骤2)和步骤3)计算得到；
5)由当前观测估计
计算预测估计
6)生成计算所需的中间变量Pn+1|n：
Pn|n＝Pn|n-1(1-Gn) (7)；
其中Pn|n是为计算Pn+1|n所产生的中间变量；Gn由步骤2)计算获得；Qw是噪声w的自协方差；返回步骤2进行迭代；
6)记观测信号(y(1)…y(k)…y(N))的长度为N，当迭代次数达到N时停止迭代，将步骤4)中得到的
作为色谱峰滤波后的输出。
优选的是，所述步骤1)中，初始化
P1|0＝1。
本发明还提供一种基于改进卡尔曼滤波算法的色谱峰滤波系统，其采用如上所述的方法进行色谱峰滤波处理。
本发明还提供一种存储介质，其上存储有计算机程序，该程序被执行时用于实现如上所述的方法。
本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
本发明的有益效果是：
本发明提供的基于改进卡尔曼滤波算法的色谱峰滤波方法具有降噪效果好、实时性高、易于实现等优点；
本发明基于高浓度样本色谱峰失真度低的特性，建立了分段线性卡尔曼状态方程的方法，以用于构建色谱峰滤波方法；
本发明对卡尔曼滤波进行了改进，状态方程采用分段线性方式描述，这样做降低了计算量，增强了实时性。
附图说明
图1为本发明的实施例1中的特征色谱峰的示意图；
图2为利用LC-MSMS(HTQ2020)测试样本中的结果；
图3为利用本发明的实施例1的方法处理后的对比结果。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
实施例1
本实施例提供了一种基于改进卡尔曼滤波算法的色谱峰滤波方法，该方法对色谱峰进行估计，能够得到更加准确的色谱峰信号，较大程度的去除随机噪声对谱峰的影响。该方法以如下两点假设为基础建立：
a、色谱峰是对于时间轴的一维信号，噪声是加性的且为高斯噪声；
b、色谱峰形成的过程是马尔可夫过程，即当前时刻的强度仅和上一时刻相关。
基于以上假设，该方法包括以下步骤：
S1、预先将与待测样本相同的高浓度样本进行液质串联质谱检测，得到色谱图，从色谱图中选择一个明显的特征色谱峰为基础建立折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程：
折线式的卡尔曼滤波状态方程为：
其中，x(n)为色谱图在n时刻下的强度，w为一服从高斯分布的随机变量，(T1,C1)为色谱图中的特征色谱峰的左起点坐标，(T2,C2)为该特征峰的右起点坐标，(Th,Ch)为该特征峰的最高点坐标；
其中，最高点坐标通过直观判断即可确定，左起点的确定方法为：如果有连续4个点的斜率大于K，则这4个点中的最左端的一个点为左起点(T1,C1)；右起点的确定方法为：如果有连续4个点的斜率小于-K，则这4个点中的最右端的一个点为右起点(T2,C2)；其中，K为正数，在本实施例中，K＝10。参照图1，为特征色谱峰的示意图。
卡尔曼滤波的观测方程为：
y(n)＝x(n)+v (2)
其中，x(n)为色谱图在n时刻下的强度；y(n)为n时刻下的观测强度，即我们获知的强度值；v是一个服从高斯分布的随机变量；
S2、采用步骤S1建立的折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程对后续待测样品的色谱峰进行实时滤波，具体方法为：
1)初始化中间变量
P1|0＝1；
2)计算中间变量：
其中Pn|n-1为应用于计算的中间变量，对起始值P1|0进行了初始化；Qv为噪声v的自协方差；Gn是用于后续计算的中间变量；
3)计算过去观测估计
与观测的差量αn：
其中为yn观测色谱峰的强度信息；
为对强度信息的估计，这是一个计算过程的中间变量，初始值
4)计算当前估计值
其中Gn和αn分别由步骤2)和步骤3)计算得到；
5)由当前观测估计
计算预测估计
6)生成计算所需的中间变量Pn+1|n：
Pn|n＝Pn|n-1(1-Gn) (7)；
其中Pn|n是为计算Pn+1|n所产生的中间变量；Gn由步骤2)计算获得；Qw是噪声w的自协方差；返回步骤2进行迭代；
6)记观测信号(y(1)…y(k)…y(N))的长度为N，当迭代次数达到N时停止迭代，将步骤4)中得到的
作为色谱峰滤波后的输出。
参照图2，为利用LC-MSMS(HTQ2020)测试样本中的结果，可以看出，有些样本处理过程中基质效应明显，会对实验人员造成干扰。
参照图3，为利用实施例1的方法处理后的对比结果，可以明显看到干扰峰被排除，而且噪声也被从主峰中滤除。
实施例2
本实施例提供一种基于改进卡尔曼滤波算法的色谱峰滤波系统，其采用实施例1的方法进行色谱峰滤波处理。
实施例3
本实施例提供一种存储介质，其上存储有计算机程序，该程序被执行时用于实现实施例1的方法。
实施例4
本实施例提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如实施例1的方法。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。
Claims (10)
1.一种基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，包括以下步骤：
S1、预先将与待测样本相同的样本进行液质串联质谱检测，以获取的色谱图中的一个特征色谱峰为基础建立折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程：
折线式的卡尔曼滤波状态方程为：
其中，x(n)为色谱图在n时刻下的强度，w为一服从高斯分布的随机变量，(T1,C1)为色谱图中的特征色谱峰的左起点坐标，(T2,C2)为该特征峰的右起点坐标，(Th,Ch)为该特征峰的最高点坐标；
卡尔曼滤波的观测方程为：
y(n)＝x(n)+v (2)
其中，x(n)为色谱图在n时刻下的强度；y(n)为n时刻下的观测强度，即我们获知的强度值；v是一个服从高斯分布的随机变量；
S2、采用步骤S1建立的折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程对后续待测样品的色谱峰进行滤波。
2.根据权利要求1所述的基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，该方法以如下条件a和b为前提：
a、色谱峰是对于时间轴的一维信号，噪声是加性的且为高斯噪声；
b、色谱峰形成的过程是马尔可夫过程，即当前时刻的强度仅和上一时刻相关。
3.根据权利要求2所述的基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，步骤S1中，左起点的确定方法为：如果有连续4个点的斜率大于K，则这4个点中的最左端的一个点为左起点(T1,C1)；右起点的确定方法为：如果有连续4个点的斜率小于-K，则这4个点中的最右端的一个点为右起点(T2,C2)；其中，K为正数。
4.根据权利要求3所述的基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，其中，K为5-15。
5.根据权利要求4所述的基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，其中，K＝10。
6.根据权利要求5所述的基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，所述步骤S2包括：
1)初始化中间变量
P1|0；
2)计算中间变量：
其中Pn|n-1为应用于计算的中间变量；Qv为噪声v的自协方差；Gn是用于后续计算的中间变量；
3)计算过去观测估计
与观测的差量αn：
其中为yn观测色谱峰的强度信息；
为对强度信息的估计，这是一个计算过程的中间变量，初始值为
4)计算当前估计值
其中Gn和αn分别由步骤2)和步骤3)计算得到；
5)由当前观测估计
计算预测估计
6)生成计算所需的中间变量Pn+1|n：
Pn|n＝Pn|n-1(1-Gn) (7)；
其中Pn|n是为计算Pn+1|n所产生的中间变量；Gn由步骤2)计算获得；Qw是噪声w的自协方差；返回步骤2进行迭代；
6)记观测信号(y(1)…y(k)…y(N))的长度为N，当迭代次数达到N时停止迭代，将步骤4)中得到的
作为色谱峰滤波后的输出。
7.根据权利要求6所述的基于改进卡尔曼滤波算法的色谱峰滤波方法，其特征在于，所述步骤1)中，初始化
P1|0＝1。
8.一种基于改进卡尔曼滤波算法的色谱峰滤波系统，其特征在于，其采用如权利要求1-7中任意一项所述的方法进行色谱峰滤波处理。
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被执行时用于实现如权利要求1-7中任意一项所述的方法。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210344794.8A CN114676732A (zh) | 2022-04-02 | 2022-04-02 | 基于改进卡尔曼滤波算法的色谱峰滤波方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210344794.8A CN114676732A (zh) | 2022-04-02 | 2022-04-02 | 基于改进卡尔曼滤波算法的色谱峰滤波方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114676732A true CN114676732A (zh) | 2022-06-28 |
Family
ID=82076133
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210344794.8A Pending CN114676732A (zh) | 2022-04-02 | 2022-04-02 | 基于改进卡尔曼滤波算法的色谱峰滤波方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114676732A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117690510A (zh) * | 2024-02-04 | 2024-03-12 | 洋县阿拉丁生物工程有限责任公司 | 基于色谱分析技术的天然提取物检测方法及系统 |
-
2022
- 2022-04-02 CN CN202210344794.8A patent/CN114676732A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117690510A (zh) * | 2024-02-04 | 2024-03-12 | 洋县阿拉丁生物工程有限责任公司 | 基于色谱分析技术的天然提取物检测方法及系统 |
| CN117690510B (zh) * | 2024-02-04 | 2024-05-03 | 洋县阿拉丁生物工程有限责任公司 | 基于色谱分析技术的天然提取物检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481264B (zh) | 一种自适应尺度的视频目标跟踪方法 | |
| CN111178261B (zh) | 一种基于视频编码技术的人脸检测加速方法 | |
| CN114676732A (zh) | 基于改进卡尔曼滤波算法的色谱峰滤波方法及系统 | |
| CN114290939B (zh) | 直流充电桩电压误差补偿方法、系统、设备及可读存储介质 | |
| CN111679328A (zh) | 一种基于变分模态分解的瞬变电磁探测信号的降噪方法 | |
| JP5447680B2 (ja) | データ処理方法及び装置 | |
| CN107368802B (zh) | 基于kcf和人脑记忆机制的运动目标跟踪方法 | |
| CN114972339A (zh) | 用于推土机结构件生产异常检测的数据增强系统 | |
| CN113030244A (zh) | 输电线塔架腐蚀缺陷漏磁检测信号反演成像方法及系统 | |
| CN115563483A (zh) | 基于改进阈值估计和改进阈值函数的放电信号降噪方法 | |
| CN117318671B (zh) | 一种基于快速傅里叶变换的自适应滤波方法 | |
| CN102841341B (zh) | 一种脉冲雷达动目标检测方法 | |
| CN111125625B (zh) | 一种基于嵌入式系统的光谱基线计算方法 | |
| CN113389541A (zh) | 一种油井动液面信号高精度提取方法 | |
| CN114662544A (zh) | 基于ckf的色谱峰估计方法、系统、存储介质及计算机设备 | |
| CN115561282A (zh) | 一种地下水重金属的检测方法及系统 | |
| Shakya et al. | A DSP-based approach for gene prediction in eukaryotic genes | |
| CN109100441B (zh) | 一种液相色谱曲线去除脉冲干扰的方法 | |
| CN114371232A (zh) | 基于卡尔曼滤波算法的色谱滤波方法、装置、介质、系统 | |
| CN107506779B (zh) | 一种植物茎干含水量的估算方法及系统 | |
| CN114826541B (zh) | 一种低样本数信号中心频率估计方法及系统 | |
| CN117370737B (zh) | 一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法 | |
| CN111179254A (zh) | 一种基于特征函数和对抗学习的域适应医学图像分割方法 | |
| CN113449264B (zh) | 波形边缘的监测方法及装置 | |
| CN117422713B (zh) | 一种根据oct点云提取激光焊接熔深曲线的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: Building 4, No.16 Wujing Road, development zone, Dongli District, Tianjin Applicant after: Tianjin Guoke Medical Technology Development Co.,Ltd. Address before: Building 4, No.16 Wujing Road, development zone, Dongli District, Tianjin Applicant before: TIANJIN GUOKE YIGONG TECHNOLOGY DEVELOPMENT Co.,Ltd. Country or region before: China |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240329 Address after: Building 4, No.16 Wujing Road, development zone, Dongli District, Tianjin Applicant after: Tianjin Guoke Medical Technology Development Co.,Ltd. Country or region after: China Applicant after: Suzhou Institute of Biomedical Engineering and Technology Chinese Academy of Sciences Address before: Building 4, No.16 Wujing Road, development zone, Dongli District, Tianjin Applicant before: Tianjin Guoke Medical Technology Development Co.,Ltd. Country or region before: China |
|
| TA01 | Transfer of patent application right |