JP2003500639A

JP2003500639A - 連続再較正と組み合わされた分光データの適用可能判定方法およびシステム

Info

Publication number: JP2003500639A
Application number: JP2000620321A
Authority: JP
Inventors: アンドレゼジバルウイッツ; ミカエルピー．ウイスニウスキ; ローマンゼット．モラウスキ; モハメッドベンスリマ
Original assignee: ブックハムテクノロジィパブリックリミテッドカンパニー
Priority date: 1999-05-21
Filing date: 2000-05-23
Publication date: 2003-01-07
Also published as: EP1183505A1; CN1361861A; WO2000071980A9; WO2000071980A1; AU4903000A

Abstract

(57)【要約】分光データを提供するデバイスの再較正と組み合わされたスペクトルの適用可能な再構築と判定方法が、外部標準光スペクトルとデバイスの内部メモリに記憶されたその対応するデジタル標準データを使用して自動較正を実行する。連続した再較正手法は、再構築補助−手法の係数値の自動適用だけでなく、分光データの現形状に基づいて評価補助方法の係数値を評価することを許容する。

Description

【発明の詳細な説明】

【０００１】（発明の分野）本発明は概して光スペクトル測定に関し、より詳しくは携帯性があり、かつ、
現場での適用のための光スペクトル測定用コンパクト・システムに関する。

【０００２】（発明の背景）分光学は物体との放射エネルギーの相互作用の測定評価に関する分析技術であ
って、この目的で設計された分光計（スペクトロメータ）と呼ばれる機器、およ
び基本的レベルと実際的な分析との両方の相互作用の判定をする対応手段を含ん
でいる。検討下にある物質のサンプルによって吸収され、または放出された放射
エネルギーの分布はそのスペクトルと呼ばれる。スペクトルの判定は、原子およ
び分子エネルギー・レベルでの基本的情報、これらのレベル内の種の分布、一つ
のレベルから他のレベルへの変化を包含するプロセスの特性、分子幾何学、化学
的結合、および溶液中の分子の相互作用を提供する。実際レベルで、スペクトル
の比較は、質に関する化学的成分と化学的構造の決定、および質に関する化学的
分析のための基本を提供する。

【０００３】測定されるべきスペクトルは二つの共通する特徴を有している。すなわち、そ
れが非否定であること、また、それらが比較的フラットな領域と種々の幅のピー
クとに分解されることである。分光計によって得られたこれらのスペクトルの例
示のデータの判定は、ピークのいくつかのパラメータ、換言すれば、それらの位
置と大きさ（すなわち、面積または高さ）の評価を非常にしばしば包含している
。ピークのパラメータは、特に、複雑な化学物質の質的および量的分析のために
使用される：すなわち、・ピークの位置が、検討下にある物質のサンプル中に存在する化合物の識別に
使用される。ピークの大きさが、識別された化合物の濃度の評価に使用される。

【０００４】得られた分光データから直接、分光ピークのパラメータの評価をすることは、
次の理由で、実際上多くの重要な問題となるケースがある。すなわち、・分光計（分光装置）の機器上の不完全性および、・検討下にある物質のサンプル中のある種の自然現象分光計の不完全性が、測定スペクトルを示すデータ中のピークの不鮮明さとノ
イズ状外乱を発生する。一方、物質中のある量的現象がピークの幅を相当拡大す
る。その不鮮明さとピーク拡大の両方が重なり合い混合の一因となり、それらの
正確な識別を不可能にしてしまう。

【０００５】デコンボリューションの異なるアルゴリズムが、不鮮明さを低下させるために開
発されている。すなわち、これらのアルゴリズムの再検討は、ジャンソン・Ｐ．
Ａ．（Ｅｄ．）による「分光計中の適用におけるデコンボリューション」、アカ
デミック・プレス、１９８４およびモラウスキ（Ｍｏｒａｗｓｋｉ）、Ｒ．Ｚ．
、セゼシンスキ（Ｓｚｃｚｅｃｉｎｓｋｉ）Ｌ，バルウッツ（Ｂａｒｗｉｃｚ
）Ａによる「機器適用のためのデコンボリューション・アルゴリズム−比較研
究」、Ｊ．ケモメトリックス、１９９５、Ｖｏｌ．９，ｐｐ．３−２０に
開示されている。これらのアルゴリズムは、分光学の特定するものではないが、
例えば近似値の二乗平均平方根エラーのようなデコンボリューションの属性の基
準を使用して設計され、評価される。その結果、デコンボリューションの結果を
基準として決定された大きさの評価は非常に乏しいものとなる。一方、曲線当て
はめアルゴリズムは、探究評価の最初の推測がよくなければ、非常に効率が悪く
なる。別々に多数の研究者に影響を与えたこれらの二つの観測結果は、位置の評
価のためのデコンボリューション・アルゴリズムとスペクトルのピークの大きさ
を評価するための曲線当てはめアルゴリズムに使用される。

【０００６】スペクトル再構築のアルゴリズムとスペクトル・パラメータ評価のアルゴリズ
ムの両者は、分光データの数学的モデルに関する相当量の情報を必要とする。こ
の情報は分光計の初期較正中に得られる。

【０００７】分光計（分光装置）の較正、スペクトルの再構築およびそのパラメータの評価
に必要とする数値アルゴリズムは、多数のソフト・ライブラリ、例えばＭＡＴＬ
ＡＢツールボックスが利用可能であり、分光データを処理する専用化された特定
ライブラリ、例えばガラクテッィク・インダストリーズのＧＲＡＭＳ／３２が含
まれる。特許の領域で、スペクトル・デコンボリューションのための部分的方法
のみがあり、例えば、１９９３年９月２１日登録のアラン・Ｅ・ショーエン他に
よる「未解決データのデコンボリューションのための方法および装置」と称する
米国特許第５，２４７，１７５号がある。さらに、ポール・Ｂ・クリリによる「
クロマトグラムの分析のための方法」と称するクロマトグラフィの領域に特定さ
れた、１９９０年７月１０日登録の米国特許第４，９４１，１０１号がある。一
方、分光データ判定の完全な方法の優れた例があり、Ｒ．Ｚ．モラウスキ他によ
る「分光データを判定する方法」と称する１９９９年１１月２３日登録の米国特
許第５，９９１，０２３号が参照できる。

【０００８】しかし、これらすべての上述した参考文献において、いずれもオンライン連続
再較正の方法、また、適応できる分光データ判定の完全なサポートを提供するも
のではない、これは主としてこの種の再較正と適用可能な判定の緊密した手法が
ないという事実による。

【０００９】増大する解決策と自己較正分光デバイスの要求が日常の事象から生じている。
トーマス・Ｊ・ケーンによる「可視および紫外線サンプル照明の組み合わせによ
る分光計」と称する１９９１年８月２１日登録の米国特許第５０４０８８９号は
、光電検出器の自動較正を伴う分光計を開示しており、この検出器は光路に配置
され、コンピュータ・システムによって制御された回動可能標準白色サンプルの
使用に基づいている。較正要素は、分光計内の温度変化があるときはいつでも各
光電検出器のためにコンピュータ処理され、再計算され、そして、光電検出器の
出力信号を増加するのに使用される。しかし、これは部分的な静的較正である。
なぜなら、光電検出器の効果のみを修正し、回折素子やスリットによって導出さ
れた動的エラーの効果は考慮されていないからである。従って、別の動的較正手
法を必要とし、これらの機器のエラーを除去するとともにスペクトル解像度を高
める必要がある。遠隔通信分野において、特にネットワークの光学動作のモニタ
ーにおいて、環境条件の広範囲の下で作動する、より詳しくは自己較正するコン
パクトな分光デバイスが必要である。ミラー・Ｃ．，ペルツＬによる「ファブリ
−ペロー調整可能フィルター改良光学チャネル分析性能」、ライトウエーブ、１
９９９年３月、Ｖｏｌ．１６，Ｎｏ．３において、ファビリ−ペロー調整
可能フィルターの使用に基づいたカード挿入光学チャネル分析器性能が開示され
ている。このデバイスは光学スイッチを使用して、光スペクトル（例えばＤＷＤ
Ｍシステムから到来する）と既知の波長の基準光源を交互に走査する。この後者
は、熱ドリフト、アクチュエータの非直線性および電圧変動を修正するためにデ
バイスを連続較正するのに使用される。デコンボリューション・アルゴリズムは
、また測定された光スペクトルの解像度を高めるために、調整可能フィルター・
スペクトル応答の作用を除去するのにも使用される。このデバイスの主な欠点は
、一度に一つの波長または経路長さの差を測定する場合に、全ての光学チャネル
を処理するのに長時間を必要とすることである。従って、従来の光学分光分析器
のスペクトル解像度と比較できるスペクトル解像度を有して、自己較正され、さ
らに現場で広範囲な光スペクトルのスペクトル符号定数を決定することのできる
低廉な小型化分光デバイスの必要性がある。

【００１０】分光学の分野において、連続した再較正と組み合わされた、適用可能な再構築
と判定の手法の要請は、コンパクト性、高い信頼性をもった自律性、自己較正、
広範囲な環境条件下での操作性、広い展開に対してのコスト効果の必要性によっ
て発生される。本発明の主たる目的はこの要求に応えるものである。

【００１１】（本発明の目的）本発明の目的は分光データに基づくスペクトルの適用可能な判定方法を提供す
ることである。本発明の目的はマイクロ光学スペクトル分析器の小型化と低コスト大量生産を
可能にする統合化分光デバイスの較正と連続再較正方法を提供することである。

【００１２】（発明の概要）本発明の目的は、検討下にある物体のサンプルを代表する分光データを判定す
るための手法を提供することであって、その手法は、・分光デバイスの初期較正をする工程と；・分光デバイスの連続再較正をする工程と；・検討下にあるスペクトルの適用可能再構築をする工程と；・検討下にあるスペクトルの適用性判定をする工程と；を有する。

【００１３】本発明は分光デバイスの較正および連続再較正、すなわち、この分光デバイス
によって生成された測定結果とスペクトルの確立された測定基準との間の数値関
係を識別するための方法も提供する。本発明はまた機器の不完全性およびデバイスのエージングおよび／または熱的
ドリフトおよび検出器の非直線性による分光データの形状の起こり得る変化を自
動的に適用可能にする分光デバイスの連続再較正方法を提供する。本発明はまた、分光デバイスの連続再較正と組み合わせて、すなわち、分光デ
ータを悪化させるノイズと不明瞭性を実際上除去して、検討下にあるスペクトル
の数的に適用可能な再構築の方法を提供する。本発明はまた、数的に適用可能な判定、すなわち、光のスペクトルを構成して
いるピークの位置と大きさを評価する方法を提供する。

【００１４】本発明によれば、分光計の較正は、スペクトルが既知であり、スペクトルの代
表が較正を伴う一連の実験で測定され得るスペクトルの補助光を使用することで
達成される。較正の結果は次の数値アルゴリズムを規定する二つの演算子の形態
を有している：すなわち、・分光データのシミュレーションのためのアルゴリズム、測定されるようにス
ペクトルを与える（プロジェクションの演算子Ｇ）・スペクトルの評価のためのアルゴリズム、データを与える（再構築の演算子
Ｒ）第１アルゴリズムは、モデルの、構造上のパラメータとその機能的パラメータ
の選択ないし評価を含むモデル識別のアルゴリズムである。第２アルゴリズムは
デコンボリューションのアルゴリズム、すなわち、帰納化デコンボリューション
のアルゴリズム、または第１種積分方程式を数値的に解くためのアルゴリズムで
ある。

【００１５】本発明によれば、分光計の連続した再較正は、分光デバイスが利用できるとき
に、外部基準光スペクトルとコンピュータまたは内部メモリに記憶されたこの基
準光を表すデジタル基準データを使用して達成される。デバイスの再較正は、上
述した演算子のパラメータを更新することを目的としている。本発明によれば、検討下にある光を代表するデータの処理は、二つの主たる操
作を含む。すなわち、・再構築の演算子Ｒを使用して、得られた分光データに基づいて未知のスペク
トルまたはその理想化バージョンを評価する。・プロジェクション演算子Ｇと曲線当てはめのアルゴリズムを使用して、得ら
れた分光データに基づいてこのスペクトルのパラメータを評価する。分光データの適用できる判定方法は、質的光スペクトル測定を提供するために
特に小型一体化インテリジェント分光デバイスの場合に有利である。自動的再較
正を連続して、または間欠的に組み合わせたときに、特に遠隔通信適用において
、分光デバイスは適切な性能を維持する。

【００１６】提案された方法は、製造工程中に、個々のデバイスの物理的な調整なしに、特
に小型一体化分光デバイスの自動較正を許容する。較正は物理的デバイスの修正
なしに製造上の不一致の多数の形態を補償する。その結果、低価格の融通性のある品質の光スペクトル測定解決に貢献する。特
にオンチップ光スペクトル測定においては、特定セットのアルゴリズムを注文に
応じて非常に多様な適用例に容易に適用できる。

【００１７】（発明の詳細な説明）分光データとスペクトルの適用可能判定（ＡＩ−ＲＣ）を提供するデバイスの
連続再較正と組み合わされた適用可能再構築の手法が、例えば図１に示す測定シ
ステムのために設計される。このシステムは：・分光計（分光装置）の形態、または、その本質的部分の、測定スペクトルに
情報を保有している光学信号を、このスペクトルを表わすデジタル・コードに変
換するマイクロ光学スペクトル分析装置の形態にある分光デバイスと；・デジタル表記を処理し、汎用コンピュータ、マイクロプロセッサ、汎用デジ
タル信号プロセッサ、またはアプリケーション特定デジタル信号プロセッサの形
態にある処理手段と；・光のスペクトルを測定するために必要とする他の機能素子と；を具備する。

【００１８】次の表記は手法ＡＩ−ＲＣを説明するのに使用される： λ−波長；λ∈［λ_ｍｉｎ，λ_ｍａｘ］；Ｎ−分光機器によって得られたデータの数； Δλ −波長区間化（ｄｉｓｃｒｅｔｉｚａｔｉｏｎ）ステップ； Δλ＝（λ_ｍａｘ−λ_ｍｉｎ）／（Ｎ−１）； λ_ｎ−分光機器によって得られたｎ番目のデータ；λ_ｎ＝λ_ｍｉｎ＋（ｎ−１
）Δλ ｎ＝１，_…，Ｎとして、ｘ（λ）−検討下にある光の実際のスペクトル；ｌ−スペクトルｘ（λ）内のピークの位置のベクトルで、次の構成を有する；ｌ＝［ｌ_１ｌ_２…ｌ_Ｋ］^Ｔ；ａ−スペクトルｘ（λ）内のピークの大きさのベクトルで、次の構成を有する
；ａ＝［ａ_１ａ_２…ａ_Ｋ］^Ｔ；ｓ（λ；ｌ，ａ）−検討下にある光の理想的スペクトル、好ましい形態におい
て、次の形態が想定される；ここに、ｖ_ｓ（λ，ｌ）はｓ（λ；ｌ，ａ）中のアイソレートされ、標準化され
たピークであり、その最高値はλ＝ｌに位置し；ｘ^ｃａｌ（λ）−分光デバイスの較正のために使用された光の実際のスペクト
ル；ｓ（λ；ｌ^ｃａｌ，ａ^ｃａｌ）−分光デバイスの較正のために使用された光の
理想的スペクトル；光データ；ｘ^{ｒｅｃａｌ}（λ） −分光デバイスの再較正のために使用された外部基準光
の実際のスペクトル；の再較正に使用したｘ^{ｒｅｃａｌ}（λ）の代表；ｓ（λ；ｌ^{ｒｅｃａｌ}，ａ^{ｒｅｃａｌ}）−分光デバイスの再較正に使用される
光の理想的なスペクトル；Ｇ−理想スペクトルｓ（λ；ｌ，ａ）をデータのスペースへマッピングするプ
ロジェクションの演算子（変換）：ここにｐ_Ｇは演算子Ｇのパラメータのベクトルないしマトリックスで、分光デバ
イスの較正中に決定される；ｐ_Ｇ＝［ｐ_Ｇ，１ｐ_Ｇ，_２…］^Ｔまたは：Ｒ−再構築と判定の演算子（変換）Ｒ＝Ｒ^ｒ _ｏＲ^ｉＲ^ｒ −再構築の演算子（変換）、一般化デコンボリューション方法の形態にータを含む演算子Ｒ^ｒのパラメータ。Ｒ^ｒ −判定の演算子（変換）、一般化デコンボリューション方法算子Ｒ^ｉのパラメータ。

【００１９】２．本発明の好ましい実施例の基本的明細２．１．手法ＡＩ−ＲＣの一般的明細手法ＡＩ−ＲＣの主たる目的は、検討下にある光のスペクトルｘ（λ）中に包
含と呼ばれる対応する基準スペクトルｘ^ｃａｌ（λ）に基づく補助操作によって臨
界的に左右される。この操作は分光データと、パラメータｌとａの評価のために
選択された方法を基礎とする測定によって分かる理想的分光データとの間の関係
の数学の各シーケンスまたはサンプルの処理に直ちにする必要はないが、有効な較正の
結果は常にスペクトル処理中、利用可能であるのが好ましい。

【００２０】感知スペクトル内の分光ピークの位置ｌと大きさａの評価に関する主たる難し
い点は、サンプル中の物理現象によって生じるこれらピークの不鮮明さと、不完ある。この難しい点は、感知データを修正して両タイプの不鮮明さを減じるため
に、理想化された−仮定の−スペクトルｓ（λ；ｌ，ａ）の適用可能な再構築と
適用可能な判定のための一連の工程の適用を通して手法ＡＩ−ＲＣ内で克服され
る。もしｓ（λ；ｌ，ａ）がｘ（λ）の近似値として仮定されれば、機器の不鮮
明さのみを修正するだけでよい。

【００２１】上述の一般的機能明細によれば、ＡＩ−ＲＣが次の広範に規定された工程によ
って構成される。すなわち：・分光データを提供するデバイス、すなわち、分光機器または分光センサーま
たは分光トランスデューサ（補助−手法ＡＩ−ＲＣ＿ｃａｌ）の初期較正、・標準光（補助−手法ＡＩ−ＲＣ＿ｃａｌ）で刺激されたデバイスによって
得られた補助基準データに基づいたデバイスの連続再較正、・検討下にあるスペクトル｛ｘ_ｎ｝の適用可能な再構築、すなわち、このスペ
ク法ＡＩ−ＲＣ＿ｃａｌ）、および・このスペクトルのピークの位置ｌ_１，ｌ_２，_…，．．．と大きさａ_１，ａ
_２，_…，．．．の適用可能な評価の形態で、検討下にあるスペクトル｛ｘ_ｎ｝
の適用可能な判定が、補助−手法ＡＩ−ＲＣ＿ｒｅｃ（補助−手法ＡＩ−ＲＣ
＿ｉｎｔ

【００２２】２．２．補助−手法ＡＩ−ＲＣ＿ｃａｌの詳細な明細補助−手法ＡＩ−ＲＣ＿ｃａｌは、次の操作を有する：ａ）スペクトルの理想化のための方法、すなわち、理想化スペクトル｛ｓ_ｎ｝
のピークの形態、を選択する；ｂ）理想化スペクトルの再構築のための演算子Ｒの形態を選択する：ｃ）検討下にあるスペクトル｛ｘ_ｎ｝の選択された特徴Ｆ_１，Ｆ_２，_…，．．
．に対するパの間で更新される；ｄ）初期較正のための基準光信号を選択する：ｊ＝１，．．．，Ｊにつき、ｅ）アウトライアの除去、ベースラインの減算、スムージング、操作工程２．
ｇ（例えば、較正データ中のエラーの変数の事前評価）のためのプライオリ（ｐびｇ）パラメータｐ_Ｒと特徴Ｆ_１，Ｆ_２，_…，．．．間の関係をアダプテー
ションを制御して近似する。

【００２３】２．３．補助−手法ＡＩ−ＲＣ＿ｒｅｃａｌの詳細な明細補助−手法ＡＩ−ＲＣ＿ｒｅｃａｌは、次の操作を有する：ａ）再較正のための基準光信号を選択する：ｊ＝１，．．．，Ｊにつき、ｃ）アウトライアの除去、ベースラインの減算、スムージング、操作工程３．
ｄ（例えば、較正データ中のエラーの変数の事前評価）のためのプライオリ（ｐｅ）パラメータｐ_Ｒと特徴Ｆ_１，Ｆ_２，_…間の関係の近似値をアダプテーシ
ョンを制御して更新する。

【００２４】２．４．補助−手法ＡＩ−ＲＣｒｅｃの詳細な明細補助−手法ＡＩ−ＲＣ＿ｒｅｃは、次の操作を有する：ｂ）アウトライアの除去、ベースラインの減算、スムージング、データ中のエ
ラーの変数の事前評価の形態にあるピーク・パラメータの評価のためのプライオーによって検知された周囲温度、および作動中の機器素子のエージング、標準化等に基づいて機器
製造の不完全性の決定の形態で再構築のためのプライオリ情報を得ることを含むｃ）初期較正中に決定され、および連続再較正中に更新されたパラメータのラ。

【００２５】２．５．補助−手法ＡＩ−ＲＣ＿ｉｎｔの詳細な明細手法ＡＩ−ＲＣ＿ｉｎｔは、次の操作を有する：スムージング；、吸収ピークの幅の評価；ｃ）較正判定中に決定されたパラメータのライブラリに基づいてデータの形態によって理想化されたスペクトルｓ（λ）の評価；ｄ）検討下にあるスペクトル内のピークの位置と大きさを評価；ムによるピークの位置ｌを評価；ｆ）次の一つを使用して曲線当てはめの適用可能アルゴリズムによってピーク
の大きさａを評価：たパラメータｐ_Ｇを持つ２．２（ａ）で選択された演算子Ｒ、および２．５（ｇ）２．５（ｅ）と２．５（ｆ）で得られたピークのパラメータの評価の反復
修正；ｈ）パラメータ評価の結果をユーザの必要条件に適用、例えば、分析された物
質のある事前規定パラメータに変換。全手法ＡＩ−ＲＣのフローチャートは図２に示す。

【００２６】３．発明の例示の実施形態例１手法ＡＩ−ＲＣの特定のバージョンは図３に表される測定システムのために設
計されたものであり、またそれは：オーシャン・オプティクス社製のミニ吸光分
光計モデルＳ１０００；及びパーソナルコンピュータＰＣを含んでいる。較正と試験データ獲得の両方ために次の測定パラメータが選択された：・波長域：λ_ｍｉｎ＝４５０ｎｍ，λ_ｍａｘ＝６７５ｎｍ；・分光計によって獲得されたデータの数：Ｎ＝１０２４；及び、波長区間のステップ：Δλ＝（λ_ｍａｘ−λ_ｍｉｎ）／（Ｎ−１）＝０．２２ｎ
ｍ。

【００２７】試験データは、ホルミウム過塩素酸溶液サンプルのために獲得されたものであ
り；その実の（実際の）スペクトルｘ（λ）を図４ａに表す。このスペクトルの
パラメータは次のようになる：・ピークの位置のベクトル：ｌ＝［４５２．２４６８．２４７３．１４８５５３７．３５４１．３
５４３．７６３９．８６４４．２６５２．２６５６．４］^Ｔ・ピークの大きさのベクトル：ａ＝［１．１７０．１９０．２０．４６１０．９８８０．４１０．
２９７０．８２１０．４０６０．２４６０．２６３］^Ｔ検討下にあるサンプルの理想化されたスペクトルは次の形をもつと想定される：ここで、ピークは次の式によって定められる：分光計によって獲得された、ｘ（λ）を表すデータのセット、

【００２８】標準的酸化ホルミウムのフィルタサンプルについて較正データが獲得され；そ
の実の（実際の）スペクトルｘ^ｃａｌ（λ）を図５ａに表す。このスペクトルの
パラメータは次の通りである：・ピークの位置のベクトル：ｌ^ｃａｌ＝［４５０．７４５４．５４６０．４４６３．５４７３．９
４８３．９４８８．８５３６．４５４７．５６３３．４６３６．５
６４８．４］^Ｔ；・ピークの大きさのベクトル：ａ^ｃａｌ＝［０．４８６０．７９９０．９４９０．５８０．１２５０
．１１７０．１１４０．２８４０．１０６０．１２９０．１４９０
．１０９］^Ｔ較正ｓ（λ；ｌ^ｃａｌ，ａ^ｃａｌ）に用いられるサンプルの理想化されたスペク
トルは次の形を持つと想定される：分光計によって獲得された、ｘ^ｃａｌ（λ）を表すデータセット、理想化されたスペクトルｓ（λ；ｌ，ａ）をデータのスペース内にマッピング
する、プロジェクションの選択された演算子（変換）：は、次の演算によって定義された：関数ｇ_ｘｙ（λ）は次のガウス関数の形をとると仮定された：したがって演算子Ｇのパラメータｐ_Ｇのベクトルは、ｇ_ｓｘ（λ）の離散値とパ
ラメータσ_ｘｙを含む。

【００２９】ルゴリズム）、は、次のようにして定められる：ｅｓｄｅｒｅｃｏｎｓｉｔｉｔｕｔｉｏｎｄｅｓｉｇｎａｕｘｐｏｕ
ｒｄｅｓａｐｐｌｉｃａｔｉｏｎｓｓｐｅｃｔｒｏｍｅｔｒｉｑｕｅｓ”
Ｐｈ．Ｄ．ｔｈｅｓｉｓ，ＵｎｉｖｅｒｓｉｔｅｄｕＱｕｅｂｅｃ−Ｉｎｓ
ｔｉｔｕｔＮａｔｉｏｎａｌｄｅｌａＲｅｃｈｅｒｃｈｅＳｃｉｅｎ
ｔｉｆｉｑｕｅ≪Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ≫，Ｍｏｎｔｒｅａｌ
１９９７、に説明されている有理フィルタによって見出され、またそれはデータＩｎｓｔｒｕｍ．＆Ｍｅａｓ．で公開され、ＷｉｓｎｉｅｗｓｋｉＭ．Ｐ．
、ＭｏｒａｗｓｋｉＲ．Ｚ．、ＢａｒｗｉｃｚＡ１９９９．による「分光測
定データ解析のための適応有理フィルタ」の中で説明されている適応有理フィル
タによって計算される。

【００３０】値とともに有理フィルタの係数を含んでおり、それはＰｒｏｃ．ＩＥＥＥＩｎ
ｓｔｒｕｍ．＆Ｍｅａｓ．ＴｅｃｈｎｏｌｏｇｙＣｏｎｆ．（オタワ、カナ
ダ、１９９７年５月１９〜２１日）のＢｅｎＳｌｉｍａＭ．、Ｓｚｃｚｅｃ
ｉｎｓｋｉＬ．、ＭａｓｓｉｃｏｔｔｅＤ．、ＭｏｒａｗｓｋｉＲ．Ｚ．
、ＢａｒｗｉｃｚＡ．による：「分光測定応用例のための専用プロセッサのア
ルゴリズム詳説」９０〜９５の中で、及びＩＥＥＥＩｎｓｔｒｕｍ．＆Ｍｅ
ａｓ．のＢｅｎＳｌｉｍａＭ．、ＭｏｒａｗｓｋｉＲ．Ｚ．、Ｂａｒｗｉ
ｃｚＡ．による：「分光測定データ補正のカルマンフィルタベースのアルゴリ
ズム−パートＩＩ：スペクトル近似のためのスプライン関数の用法」のＶｏｌ．
４６，Ｎｏ．３，１９９７年の６８５〜６８９ページの中で説明されている。

【００３１】初期較正のあいだ次の演算が実行される：・Ｊａｎｓｓｏｎによって説明された反復アルゴリズムを用いた、関数ｇ_ｓｘ（
λ）の識別；・最適化アルゴリズムを用い実のスペクトルｘ^ｃａｌ（λ）に基づいた関数ｇ_ｘ
_ｙ（λ）のパラメータσ_ｘｙの評価；及び・最適化アルゴリズムを用いた有理フィルタの係数の評価。連続する再較正のあいだ次の演算が実行される：・最適化アルゴリズムを用いた有理フィルタの係数の更新；及び・最適化の方法及び分光測定データの形状を用いた適応有理フィルタの係数の評
価。前記の好ましい実施形態によって得られた、分光計データ解析の例示の結果を
図６ａ、図６ｂ及び図７に表す。

【００３２】手法ＡＩ−ＲＣの正確さを評価するために次の誤差が定義される：・相対的自乗平均平方根誤差（ＲＲＭＳＥ）・標準化最大誤差（ＮＭＥ）ピークの位置及び高さの評価誤差は次のようになる：

【００３３】例２ＡＩ−ＲＣの実施形態は、図８に見られる統合ＭＭマイクロＯＳＡ（光スペク
トルアナライザ）によって表される測定システムのために設計されたものである
。そのアナライザは図９のＤＷＤＭネットワークにおける光チャネル監視に用い
られる。較正及び試験データ獲得の両方のために次のＤＷＤＭシステムのパラメータが
選択された：・光チャネルの数：８１；・波長域：λ_ｍｉｎ＝１５３０．７７ｎｍ，λ_ｍａｘ＝１５６２．６８ｎｍ；・チャネルの間隔：Δλ ＝０．４ｎｍ（５０ＧＨｚ）；周知のＦＷＨＭ＝０．２ｎｍを有するレーザー発生源、ここでＦＷＨＭは最大値
の半分高さにおいて全幅値を表す。

【００３４】遠隔通信帯域幅に対して試験データが獲得され；その実のスペクトルｘ（λ）
を図１０ａに表す。このスペクトルのパラメータは次のようになる：・ピーク（搬送周波数）の位置のベクトル：ｌ_ｋ＝１５３０．２８＋（ｋ−１） Δλ ＋ｄｌ_ｋ（ｋ
＝１，_…，８１），、ここでｄｌ_ｋは区間［−０．０５ｎｍ；０．０５ｎｍ］内に一様に分布した
同じ独立ランダム変数の実現である、すなわちｄｌ_ｋ∝Ｕ（−０．０５，０．０
５）；・ピークの高さのベクトルａ、それらは区間［０．０１；１］内に一様分布
した同じ独立ランダム変数の実現であると考えられる、すなわち、ａ_ｋ∝Ｕ（０．０１，１．０）である。

【００３５】ＤＷＤＭ応用例に対するＭＭマイクロＯＳＡの適応はデータモデルが次の形態
をとることを意味する：ここでｇ_ｘｙ（λ）は分光測定トランスジューサの光学的応答であり、はデータ内のランダムエラー及びレーザー発生源によって引き起こされる増幅さ
れた自然放出（ＡＳＥ）雑音をモデル化するシーケンスである。これは、関数ｇ
_ｓｘ（λ）がレーザー光放出スペクトルの形状の近似である場合、ＤＷＤＭ測定
のために適当なモデルである。

【００３６】レーザーの放出光についてのプライオリ情報が理想化された光スペクトルｓ（
λ；ｌ，ａ）の再構成のために用いられる。連続的な再較正補助手法によって、レーザー放出のスペクトルを１秒間隔で測
定して、再構成補助手法のパラメータｐ_Ｒの連続的な更新が可能になる。理想化されたスペクトルｓ（λ；ｌ，ａ）をデータ空間内にマッピングする、
選択されたプロジェクション演算子：は、次の演算によって定められる：関数ｇ_ｘｙ（λ）は次のガウス関数の形をもつと仮定される：したがって演算子Ｇのパラメータｐ_Ｇのベクトルは、図１１のｇ_ｓｘ（λ）の離
散値、及びＭＭマイクロＯＳＡのスペクトル帯域幅に等しいパラメータσ_ｘｙを
含む。

【００３７】は、次のように定義される：出される。ルタによって計算される。

【００３８】演算子Ｒのパラメータのベクトルｐ_Ｒ＝［ｐ_Ｒ，１ｐ_Ｒ，２…］^ＴＴは、有理
フィルタの係数とともに、関数ｇ_ｓｘ（λ）の離散値及びスプラインベースのカ
ルマンフィルタに必要な規則化パラメータを含み、それについてはＩＥＥＥＴ
ｒａｎｓ．Ｉｎｓｔｒｕｍ．＆Ｍｅａｓ．のＢｅｎＳｌｉｍａＭ．、Ｍ
ｏｒａｗｓｋｉＲ．Ｚ．、ＢａｒｗｉｃｚＡ．による：「分光測定データ補
正のカルマンフィルタベースのアルゴリズム−パートＩＩ：スペクトル近似のた
めのスプライン関数の用法」のＶｏｌ．４６，Ｎｏ．３，１９９７年の６８５〜
６８９ページの中で説明されている。

【００３９】初期較正中に次の演算が実行される：・最適化アルゴリズムを用いた有理フィルタの係数の評価；及び・最適化アルゴリズムを用いた、スプラインベースのカルマンフィルタの規則化
パラメータの評価。有理フィルタの係数の更新は、レーザーの測定された光放出スペクトルにもと
づいた連続的な再較正のあいだに実行される。現行の例示の実施形態に従って得られた遠隔通信データの適応再構成及び判定の
結果を図１２に表す。

【００４０】この例示の方法の正確さを評価するために、次の誤差が定義される：・相対的自乗平均平方根誤差（ＰＲＭＳＥ）・最大絶対誤差（ＭＡＥ） Δ_ａ＝ｍａｘ｛｜ａ_ｅｘ−ａ_ｅｓｔ｜｝Δ_ａ＝ｍａｘ｛｜ｌ_ｅｘ−ｌ_ｅｓｔ
｜｝ピークの位置及び高さの誤差は次のようになる： ε_ｌ＝２・１０^−３％Δ_ｌ＝０．０５ｎｍ；ε_ａ＝１．３％Δ_ｌ＝０．５ｄＢｍ
；

【００４１】４．発明の適用可能性及び展望提案された手法ＡＩ−ＲＣは各種の光測定計器及びシステムに用いることがで
きるが、特に環境調査、光スペクトルアナライザ及び遠隔通信における光学的性
能の監視等の現場における応用例のための小型化され統合された分光測定器に適
用することができる。所与の測定状況でのその応用例に対する動機付けは、次例
のような期待される性能及び解像度にある：・計器の不完全性の補正及び測定されたスペクトルのパラメータの評価における
不正値性の低減による、与えられた分光計（分光装置）システムによって達成さ
れる精度向上；・製造不具合を考慮した、製造工程中の特に小型統合分光デバイスの自動較正の
可能性；・ハードウェアの不完全性のソフトウェアによる補償及びそれらのいくつかの機
能のソフトウェアによる置き換えによる、光スペクトル測定に関連したツールの
小型化及び統合；及び・高解像度分光デバイスを、機能的に同等であるが低解像度の計器で置き換える
ことにより、要求される精度をもつ分光測定解析のコストの削減。当業者に明らかなように、スペクトルデバイスの小型化に対する障害は、非常に
小さなスケールにおける製造及びそのスケールでのデバイス内の光の伝播は、し
ばしば製造工程における小さな不完全性さえも際立たせまた製造誤差を拡大させ
ることである。したがってそのような不完全性を補正するために各デバイスを較
正する方法は、幾つかの状況において非常に有効である。

【００４２】セクション３で提示された本発明の例示の実施形態は、ＡＩ−ＲＣの適用可能
性を、吸光分光計及び遠隔光通信チャネルの監視に限定することを意図したもの
ではない。また手法を構成する演算を実現するために用いられる様々なアルゴリ
ズムを限定ことを意図したものでもない。逆に本発明は代替及び修正をカバーす
ることを意図している。ＡＩ−ＲＣの演算を実現する方法に対するいくつかのオ
プションを簡単に特徴付け得る。

【００４３】４．１．プロジェクション及び再構成の演算子のオプション形態次のような分光測定データの数学的モデルを用いて演算子Ｇを定義する：ａ）定常線形モデル：ｂ）非定常線形モデル：ｃ）非線形モデル、例えば：ここでｇ（λ）及びｇ（λ，λ′）は分光光度計の装置関数であり；Ｆ_ｓ及びＦ
_ｙは非線型関数である。

【００４４】対応する演算子Ｇは次のような形になる：ａ）定常線形モデルの対応する演算子は：ｂ）非定常線形モデルに対応する演算子はｃ）例示の非線形モデルに対応する演算子は：

【００４５】４．２．信号再構成及び判定のオプション方法信号の再構成−逆畳み込み又は一般逆畳み込み−の次のような方法を用いて演
算子Ｒが決定される：ａ）オリジナルの領域、数値微分に基づく方法であり、それはＭｏｒａｗｓｋｉ
Ｒ．Ｚ．、ＳｏｋｏｌｏｗｓｋｉＰ．による「測定量再構成のための数値微分
の応用」Ｐｒｏｃ．７ｔｈＩＭＥＫＯ−ＴＣ４Ｉｎｔ．Ｓｙｍｐ．Ｍｏｄｅｒ
ｎＥｌｅｃｔｒｉｃａｌ＆ＭａｇｎｅｔｉｃＭｅａｓｕｒｅｍｅｎｔｓ（プ
ラハ、１９９５年９月１３日〜１４日）の２３０〜２３４ページで定義されてい
る。ｂ）Ｊａｎｓｓｏｎ及びＧｏｌｄの反復方法；ｃ）スペクトル領域、Ｔｉｋｈｏｎｏｖの規則化に基づく方法；ｄ）スペクトル領域、Ｔｉｋｈｏｎｏｖの規則化に基づく方法であり、それはＫ
ａｌｉｎｏｗｓｋａＡ．、ＭｏｒａｗｓｋｉＲ．Ｚ．、Ｌｕｂｉａｎｋａ
Ｔによる「正値性制約の測定量再構成のＣｅｐｓｔｒａｌ方法への組み込み」Ｐ
ｒｏｃ．ＸＩＩＩ−ｔｈＩＭＥＫＯＷｏｒｌｄＣｏｎｇｒｅｓｓ（イタリ
ア、トリノ、１９９４年９月５日〜９日）の４２９〜４３４ページで定義されて
いる；ｅ）解に正値性制約が課された、オリジナル領域、Ｔｉｋｈｏｎｏｖ規則化に基
づく方法；ｆ）解に正値性制約が課された、カルマンフィルタに基づく方法；ｇ）解にスプライン関数近似を行う、カルマンフィルタに基づく方法；ｈ）隣接演算子の方法；ｉ）エントロピーに基づく変動方法；ｊ）ヴォルテラ級数に基づく方法；ｋ）有理フィルタに基づく方法；及びｌ）適応有理フィルタに基づく方法。

【００４６】そのうえ、例えば、１９９９２年発行のＡｎａｌ．Ｃｈｅｍ．の第６４巻の
第１２号の２２Ｒ〜４９ＲページのＢｒｏｗｎＳ．Ｄ．、ＢｅａｒＪｒ．
Ｒ．Ｓ．、ＢｌａｎｋＴ．Ｂ．の「化学測定法」や１９９５年発行のＡｎａｌ
．Ｃｈｅｍ．の第６８巻の第１２号の２１Ｒ〜６１ＲページのＢｒｏｗｎＳ
．Ｄ．、ＳｕｍＳ．Ｔ．、ＤｅｓｐａｇｎｅＦの「化学測定法」に記載され
ているような化学測定法、例えば１９９７年１月発行のＩＥＥＥＴｒａｎｓ．
ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇの第４５巻の第１号の１〜１３ページのＡ
ｂｒｅｕＥ．、ＭｉｒｔａＳ．Ｋ．、ＭａｒｃｈｅｓａｎｉＲ．の「非カ
ジュアルフィルタを用いた非最小値位相チャネル等化」に記載されている遠隔通
信の分野、例えば１９８５年発行のＥｌｓｅｒｖｉｅｒのＢｅｒｋｈｏｕｔＡ
．Ｊ．のＳｅｉｓｍｉｃＭｉｇｒａｔｉｏｎ，に記載の地震学、例えば、１
９９１年発行のＰｒｏｃ．ＳＰＩＥの第１５６７巻の２９４〜３０７ページの
ＧｏｎｓａｌｖｅｓＲ．Ａ．やＮｉｓｅｎｓｏｎＰ．の「ＨＳＴ画像処理
」画像復元用のアルゴリズムの概要」の２９４〜３０７ページや、のＰｒｏｃ．
ＩＥＥＥＩｎｔ．Ｃｏｎｆ．Ｃｏｎｆ．Ａｃｏｕｓｔｉｃ，Ｓｐｅｅ
ｃｈ＆ＳｉｇｎａｌＰｒｏｃｅｓｓ． − ＩＣＡＳＳＰ‘９３（１９９
３年、ＭｉｎｎｅａｐｏｌｉｓＭＮ米国４月２７〜３０）第５巻２８９〜２９
２ページのＺｅｒｗａｋｉｓＭ．Ｅ．、ＫｗｏｎＹ．Ｍ．の「正則化さ
れた画像復元における粗関数の要用に関して」などの分野で開発されている多く
の他の方法は、この目的のために応用可能である。

【００４７】次の方法が、演算子Ｒの規則化パラメータの決定に有用である：ａ）１９９５年発行のＫｌｕｗｅｒのＴｉｋｈｏｎｏｖＡ．，Ｎ、ｇｏｎｃ
ｈａｒｓｋｙＡ．Ｖ．、ＳｔｅｐａｎｏｖＶ．Ｖ．、ＹｏｇｏｌａＡ
．Ｇ．の「難問題の解決のための数値的方法」に記載されているようなデータ
中の測定誤差の変動の事前評価値を用いた不具合原理；ｂ）１９９３年発行のＳＩＡＭＪ．Ｓｃｉ．Ｃｏｍｐｕｔ．の第１４巻の第
６号の１４８７〜１５０３ページのＨａｎｓｅｎＰ．Ｃ．、Ｏ‘Ｌｅａｒｙ
Ｄ．Ｐ．の「離散難問題の正則化におけるＬ曲線の用法」に記載されているよ
うなＬ曲線の方法；ｃ）Ｐｒｏｃ．ＩＥＥＥＩｎｓｔｒｕｍ．＆Ｍｅａｓ．Ｔｅｃｈｎｏ
ｌ．Ｃｏｎｆ． − ＩＭＴＣ’９５（ボストン、ＭＡ、１９９５年４月２４
〜２６）の４８８〜４９１ページのＳｚｃｚｅｃｉｎｓｋｉＬ．、Ｍｏｒａｗ
ｓｋｉＲ．Ｚ．、ＢａｒｗｉｃｚＡ．「測定量再構成の双線形演算子を用
いた分光測定データの数値的補正」に記載されているような較正データの追加セ
ットの方法。

【００４８】４．３較正の方法分離したピークｖ_ｓ（λ，ｌ）は次の形態を有すると仮定するのがしばしば望
ましい。ａ）ｌの全ての値に対するディラック分布δ（λ）；ｂ）ｌに対して一定又は変動する幅を持つ三角形ｃ）ｌに対して一定又は変動する幅を持つ矩形；ｄ）ｌに対して一定又は変動する幅を持つガウス関数；ｅ）ｌに対して一定又は変動する幅を持つローレンツ関数次の方法は、装置関数ｇ（λ）の評価に有用である：ａ）分離したピークν_ｓ（λ，ｌ）がディラック分布δ（λ）という形態を有す
ると仮定しｃ）続いて、用いられる逆畳み込みと平滑近似。次の方法は、演算子Ｒの他のパラメータを決定するのに有用である：ａ）演算子Ｇのパラメータの直接変換； ‖ｐ_Ｒ‖のあらゆるノルマの最小化；ｃ）解‖ｐ_Ｒ‖の別のノルマに課せられた制約下での不具合

【００４９】４．４．ピークのパラメータの評価方法次の方法が、ピークの大きさａの評価に有用であるが、ここで、その位置ｌの又はここで、Ａは、実行可能解のセットであり；オプションとして：ｑ＝２でＡ⊂Ｒ
ｋ；ｑ＝∽でＡ⊂Ｒｋ；ｑ＝２でＡ⊂Ｒ^ｋ＋；ｑ＝∽でＡ⊂Ｒ^ｋ＋である。アル
ゴリズム解の幾つかの例が、１９９６年８月発行のＩｎｓｔｒｕ．Ｓｃｉｅｎ
ｃｅ＆Ｔｅｃｈｎｏｌｏｇｙの第２４巻の第３号の１５５〜１６７ページの
ＭｏｒａｗｓｋｉＲ．Ｚ．、ＭｉｅｋｉｎａＡ．、ＢａｒｗｉｃｚＡ
．の「スペクトルグラム会社のためのチーホノフ逆畳み込みと曲線当てはめの組
み合わせ使用」と１９９７年１０月発行のＩＥＥＥＴｒａｎｓ．Ｉｎｓｔｒ
ｕｍ．＆Ｍｅａｓ．の第４７巻の第５号のＭｏｒａｗｓｋｉＲ．Ｚ．、
ＭｉｅｋｉｎａＡ．、ＢａｒｗｉｃｚＡ．の「スペクトルグラムの解釈の
ための逆畳み込みと反復最適化の使用」に記載されている。上記の最適化問題の
特に効果的な解は、非定常カルマンフィルタに基づいており、適応ＬＭＳアルゴ
リズムが、１９９７年６月発行のＩＥＥＥＴｒａｎｓ．Ｉｎｓｔｒｕｍ．＆
Ｍｅａｓ．の第４６巻の第３号の６８５〜６８９ページのＢｅｎＳｌｉｍａ
Ｍ．、ＭｏｒａｗｓｋｉＲ．Ｚ．、ＢａｒｗｉｃｚＡ．の「分光高度計
データ補正のカルマンフィルタベースアルゴリズムパートＩＩ：スペクトルの近
似のためのスプラインの使用」に記載されている。

【００５０】オプションとして、大きさａを評価する方法は、次の方法と交換可能に、大きさａとピークの位置ｌの評価値の反復補正に用いられる：又はここで、Ｌは実行可能解のセットであり；オプションとしては：ｑ＝２でＬ⊂
Ｒ^ｋ：ｑ＝∽でＬ⊂Ｒ^ｋ；ｑ＝２でＬＣＲ^ｋ _＋；ｑ＝∽でＬ⊂Ｒｋ_＋である。

【００５１】４．５．分光測定データの前処理方法次の方法が、データの標準化の際に有用である：ａ）データ中の非定常性効果を減衰させることを目的とした、λ軸の線形又は非
線形の変換；ｂ）データ中の非定常性効果を減衰させることを目的とした、ｙ軸の線形又は非
線形の変換；ｃ）データ中の非定常性効果と非線形性効果を減衰させることを目的とした、λ
軸とｙ軸の線形又は非線形の変換。次の方法が、データのスムージングに有用である：ａ）線形、ＦＩＲタイプ又はＩＩＲタイプ、フィルタリング；ｂ）中間フィルタリング；ｃ）キュービックスプラインによるスムージング近似；ｄ）アイデンティティ演算子に対する逆畳み込み。本発明で有用なベースライン補正の標準的な方法が、１９７６発行のＢｒａｍ
ｅＥ．Ｇ．、ＧｒａｓｓｅｌｌｉＪ．の「赤外線とラーマン分光学、Ｍａ
ｒｃｅｌＤｅｋｋｅｒ及びＡＳＴＭ１９８７（試験と材料のための米国協会
）の１９８７年発行のＡＳＴＭ基準の年鑑に記載されている。他の多くの実施形態が、本発明の精神と範囲から逸脱することなく考えられる
。

【図面の簡単な説明】本発明の実施形態は次の図に関連して記述される。

【図１】例示の測定システムを示す図。

【図２】適用可能再構築手法と判定の手法を示すフローチャートを示す図。ａ）手法ＡＩ−ＲＣｂ）補助−手法ＡＩ−ＲＣ＿ｃａｌｃ）補助−手法ＡＩ−ＲＣ＿ｒｅｃａｌｄ）補助−手法ＡＩ−ＲＣ＿ｒｅｃｅ）補助−手法ＡＩ−ＲＣ＿ｉｎｔ

【図３】例示の測定システムを示す図。

【図４】試験サンプルのスペクトルを示す図。ａ）実際のスペクトルｘ（λ）

【図５】較正のために使用されるサンプルのスペクトルを示す図。ａ）実際のスペクトルｘ^ｃａｌ（λ）

【図６】次の出力を表す図。ａ）有理フィルターｂ）スプライン−ベース・カルマン・フィルター

【図７】分光データ・判定の最終結果を表す図。

【図８】例示の測定システム−ＭＭマイクロＯＳＡを示す図。

【図９】高密波長分割多重（ＤＷＤＭ）システム内にＭＭマイクロＯＳＡ（商標名）の
可能な適用を示す図。

【図１０】試験光のスペクトルを示す図：ａ）ＤＷＤＭ送信機の入力における光の理想化スペクトルｓ（λ）

【図１１】レーザの放射スペクトルを示す図。

【図１２】遠隔通信データの適用可能再構築と判定の最終結果を示す図。

───────────────────────────────────────────────────── フロントページの続き (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＣＹ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＧＷ，ＭＬ，ＭＲ，ＮＥ，ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，ＫＥ，ＬＳ，ＭＷ，ＭＺ，ＳＤ，ＳＬ，ＳＺ，ＴＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＥ，ＡＧ，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＲ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＤＭ，ＤＺ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＤ，ＧＥ，ＧＨ，ＧＭ，ＨＲ，ＨＵ，ＩＤ，ＩＬ，ＩＮ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＡ，ＭＤ，ＭＧ，ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＭＺ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ，ＴＲ，ＴＴ，ＴＺ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ，ＹＵ，ＺＡ，ＺＷ (72)発明者ウイスニウスキミカエルピー．カナダケベック州Ｇ８Ｚ３Ｘ３エーピーピー．23 トロイス−リバーズ，ボウル．デスレコレッツ 1125 (72)発明者モラウスキローマンゼット．ポーランドワルシャワ 02−055 フィルトロワ 71 Ｍ８ (72)発明者スリマモハメッドベンカナダケベック州Ｇ８Ｙ４Ｃ２トロイス−リバーズ，ルイピナルド 4025 アプト．＃２Ｆターム(参考） 2G020 AA04 BA20 CB23 CB42 CC05 CC63 CD04 CD24 CD33 CD36 CD37 CD38

Claims

【特許請求の範囲】

【請求項１】ａ）分光データを提供する分光装置を初期較正する工程と；ｂ）間隔をおいて、・基準光源から光を装置に提供する工程と、・基準光源からの検出光に関連する補助基準データを得る工程と、・補助基準データに基づいた較正の更新結果を計算する工程と、の各工程によってアイソレートされた個々のトランスデューサ素子の物理的な
チューニングなしに自動的に前記装置を再較正する工程と；ｃ）分光装置で光のスペクトル｛ｘ_ｎ｝を感知して光のスペクトル｛ｘ_ｎ｝を
表わす分および大きさａ_１，ａ_２，_…を適応するように評価する工程と；を含む、トランスデューサ素子を有する分光装置で使用される再較正と組み合
わされた分光データの適用可能判定方法。
【請求項２】再較正の工程（ｂ）が、物理的な修正およびセンサー素子の
調整なしに前回較正の結果を更新する工程を含んでいる請求項１記載の方法。
【請求項３】工程（ａ）が、ａ１）理想化スペクトル｛ｓ_ｎ｝内にピークの形態を選択する工程と；ａ２）理想化スペクトルの再構築のための演算子Ｒの形態を選択（子Ｒの形態はピークの選択された形態に依存して選択する工程と；ａ３）初期較正する工程中に決定された較正データの一部を構成するパラメーにパラメータｐ_Ｒを適用させるため、また、再較正の工程中に更新するための
ルールを選択する工程と；に較正する工程のために基準光信号を選択する工程と；；ａ８）パラメータｐ_Ｒと特徴Ｆ_１，Ｆ_２，_…との間の関係を、適用性を調整し
て概算する工程と；を含む請求項１記載の方法。
【請求項４】工程（ａ６）が、較正データ中のエラーの変数の評価に関連するプライオリ（ｐｒｉｏｒｉ）情
報を得る工程を有する請求項３記載の方法。
【請求項５】工程（ａ６）が、アウトライアの除去を実行する工程と；ベースラインの減算を実行する工程と；スムージングを実行する工程と；データを標準化する工程と；を含む請求項４記載の方法。
【請求項６】工程（ａ１）が、ピークの形態を指示するスペクトルを理想
化する方法を選択する工程を含む請求項３記載の方法。
【請求項７】工程（ｂ）が、をｊ＝１，．．．，Ｊにつき、選択する工程と；工程と；工程と；ｂ５）パラメータｐ_Ｒと特徴Ｆ_１，Ｆ_２，_…との間の関係の概算を、適応性
を制御して更新する工程と；を含む請求項１記載の方法。
【請求項８】工程（ｂ３）が、得られたデータ中のエラーの変数の事前評
価に関連するプライオリ（ｐｒｉｏｒｉ）情報を得る工程を含む、請求項７記載
の方法。
【請求項９】工程（ｂ３）が、アウトライアの除去を実行する工程と；ベースラインの減算を実行する工程と；スムージングを実行する工程と；データを標準化する工程と；を含む請求項８記載の方法。
【請求項１０】工程（ｄ）が、スペクトル｛ｓ_ｎ｝の評価を、初期較正中に決定され、また連続再較正中に更新
されたパラメータのライブラリーに基づいたデータ処理の各々の一貫した工程で
特徴Ｆ_１，Ｆ_２，_…に適用されたパラメータｐ_Ｒを伴う演算子Ｒによって計算
する工程と；を含む請求項１記載の方法。
【請求項１１】工程（ｄ１）が、ピーク・パラメータの正確な評価に関するプライオリ（ｐｒｉｏｒｉ）情報を
得る工程を含む請求項１０記載の方法。
【請求項１２】プライオリ情報を得る工程が、分光データ中のエラーの変数の事前評価に関連するプライオリ情報を得る工程
を有する請求項１１に記載の方法。
【請求項１３】工程（ｄ１）が、アウトライアの除去を実行する工程と；ベースラインの減算を実行する工程と；スムージングを実行する工程と；データを標準化する工程と；を含む請求項１２記載の方法。
【請求項１４】工程（ｅ）が、ｅ２）第１スペクトル｛ｘ_ｎ｝内のピークの位置と大きさの評価を計算する工
程と；を含む請求項１記載の方法。
【請求項１５】評価される位置および大きさが、得られたスペクトル、更
新された較正データおよび抽出される演算子に基づく理想化第１スペクトル内の
位置と大きさに関連するものとした請求項１４記載の方法。
【請求項１６】工程（ｅ１）が、分光データ内のピーク数とピーク幅の評価に関連するプライオリ（ｐｒｉｏｒ
ｉ）情報を得る方法を含む請求項１５記載の方法。
【請求項１７】工程（ｅ１）が、アウトライアの除去を実行する工程と；ベースラインの減算を実行する工程と；スムージングを実行する工程と；データを標準化する工程と；を含む請求項１６記載の方法。
【請求項１８】めに分光装置で光のスペクトル｛ｘ_ｎ｝を感知するためのトランスデューサ素子
と；提供された基準光に応答して分光装置を初期較正し、較正の初期結果を提供す
る手段と；トランスデューサ素子の物理的チューニングなしに、提供された基準光に応答
して前記装置を自動的に再較正する手段と；想化スペクトル内のピークの位置ｌ_１，ｌ_２，_…と大きさａ_１，ａ_２，_…を評価
するためのプロセッサと；を具備する分光装置。
【請求項１９】めに分光装置で光のスペクトル｛ｘ_ｎ｝を感知するためのトランスデューサ素子
と；提供された基準光に応答して分光装置を初期較正し、較正の初期結果を提供す
る手段と；を具備し、トランスデューサ素子の物理的チューニングなしに、提供された基準光に応答
して前記装置を自動的に再較正する手段；によって特徴付けられ、前記分光装置の較正中に、該装置に提供された光に関連するデータから理想化
スペクトルを再構築するのに使用するためのパラメータを決定する分光装置。