JPS62291562A - クロマトグラフのデ−タ処理方法 - Google Patents
クロマトグラフのデ−タ処理方法Info
- Publication number
- JPS62291562A JPS62291562A JP13367986A JP13367986A JPS62291562A JP S62291562 A JPS62291562 A JP S62291562A JP 13367986 A JP13367986 A JP 13367986A JP 13367986 A JP13367986 A JP 13367986A JP S62291562 A JPS62291562 A JP S62291562A
- Authority
- JP
- Japan
- Prior art keywords
- noise
- data
- frequency
- processing method
- signal
- 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
- 238000000034 method Methods 0.000 title abstract description 5
- 238000004587 chromatography analysis Methods 0.000 title 1
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 230000000737 periodic effect Effects 0.000 claims description 20
- 238000011208 chromatographic data Methods 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 7
- 238000013075 data extraction Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 2
- 125000004122 cyclic group Chemical group 0.000 abstract 3
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004255 ion exchange chromatography Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229940035637 spectrum-4 Drugs 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Complex Calculations (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明はクロマトグラフに係り、特にクロマトグラフの
データに含まれる周期性ノイズの除去に好適なデータ処
理方法に関する。
データに含まれる周期性ノイズの除去に好適なデータ処
理方法に関する。
従来のクロマトグラフのデータ処理は、特願昭59−2
67875に記載されているように、信号ピークの検出
については詳細に述べられているが、信号データ中に含
まれるノイズについては述べられていなかった。
67875に記載されているように、信号ピークの検出
については詳細に述べられているが、信号データ中に含
まれるノイズについては述べられていなかった。
′従来より、クロマトグラフの出力データには。
種々の原因による微小ノイズが含まれており、特にイオ
ンクロマト分析などにおいては、圧力ポンプの周期的な
圧力変動に起因する周期性ノイズの存在が無視できなか
った。
ンクロマト分析などにおいては、圧力ポンプの周期的な
圧力変動に起因する周期性ノイズの存在が無視できなか
った。
従来、ノイズ除去にはCRによるアナログ的な低域フィ
ルタや、ディジタル的なデータ処理であるディジタルフ
ィルタが知られていたが、これ等は予め定まった条件の
み作動し、データ中の周期性ノイズ自体の周波数の変動
に自動的に対処する様には作られていなかった。更に、
後者は全データに対し2回のウィンドウ処理(アポダイ
ゼーション)と2回のフーリエ変換を必要とし、高速フ
ーリエ変換(FFT)を使用しても、比較的長い時間を
要していた。
ルタや、ディジタル的なデータ処理であるディジタルフ
ィルタが知られていたが、これ等は予め定まった条件の
み作動し、データ中の周期性ノイズ自体の周波数の変動
に自動的に対処する様には作られていなかった。更に、
後者は全データに対し2回のウィンドウ処理(アポダイ
ゼーション)と2回のフーリエ変換を必要とし、高速フ
ーリエ変換(FFT)を使用しても、比較的長い時間を
要していた。
本発明の目的は、かかる従来技術の不足を補い。
クロマトグラフのデータ中に含まれる周期性ノイズを自
動判定して効率良く除去する方法の堤供にある。
動判定して効率良く除去する方法の堤供にある。
上記目的は5周期性ノイズの1周期の時間幅の移動平均
を全データに施すことにより、達成される。
を全データに施すことにより、達成される。
その為、周期性ノイズの周期が固定しているか。
又は1周期が一定の時間間隔Δもの整数倍に限定して変
化する時は、1周期もしくはその整数倍の固定の時間幅
の移動平均を行うことができる。
化する時は、1周期もしくはその整数倍の固定の時間幅
の移動平均を行うことができる。
一方、周期性ノイズの周期が一定しない時は、一定時間
間隔Δを毎に抽出されたディジタルデータを用いて、適
宜そのパワースペクトルを計算し、スペクトル中に現わ
れるノイズピーク周波数を検出して、最適の時間隔の移
動平均を全データに施すことができる。
間隔Δを毎に抽出されたディジタルデータを用いて、適
宜そのパワースペクトルを計算し、スペクトル中に現わ
れるノイズピーク周波数を検出して、最適の時間隔の移
動平均を全データに施すことができる。
今、周期性ノイズの1周期がデータ抽出時間間隔Δtの
偶数倍MΔtであるとすると、抽出されたディジタルデ
ータの中の任意の連続するM+1−個のデータには、1
周期の正弦波を含むことになり、連続するM個のデータ
合計における正弦波成分は打消し合って零となり、デー
タ中の周期性ノイズは完全に除去される。
偶数倍MΔtであるとすると、抽出されたディジタルデ
ータの中の任意の連続するM+1−個のデータには、1
周期の正弦波を含むことになり、連続するM個のデータ
合計における正弦波成分は打消し合って零となり、デー
タ中の周期性ノイズは完全に除去される。
実際には、データR(i)に対し、時間幅Tの移動平均
を行うため作業点iを中心とするM+1個のデータを用
いるから、両端のデータR(i−M/2)。
を行うため作業点iを中心とするM+1個のデータを用
いるから、両端のデータR(i−M/2)。
R(i+M/2)を夫々1/2にし、積算した結果を偶
数Mで割ればよい。
数Mで割ればよい。
更に、1周期Tの整数倍の時間幅kTの移動平均を行っ
ても、周期性ノイズが全く同様に除去されるが、この時
はより低い周波数の信号も平滑されるから、時間幅kT
を大きくする事はできない。
ても、周期性ノイズが全く同様に除去されるが、この時
はより低い周波数の信号も平滑されるから、時間幅kT
を大きくする事はできない。
信号の歪を最小にするためには、移動平均の時間幅は小
さく程良く、丁度1周期の時間幅の移動平均が最も望ま
しい。
さく程良く、丁度1周期の時間幅の移動平均が最も望ま
しい。
以下、本発明の一実施例を第1図により説明する。
クロマトグラフからのイ、1号1は、クロック発生器1
5からの一定時間間隔でA/D変換器1oでディジタル
量とかり、一時記憶器20に記憶される。記憶データ2
は、最初フーリエパワー変換回路32でパワースペクト
ルを計算し、ノイズ検出回路でノイズ周期が計算され、
周期信号5となって移動平均回路35の時間幅条件を定
める。次に記憶データ2は、移動平均回路35に入力し
、ノイズ成分が平滑された信号3となって出力表示装置
40に供給される。ここで、フーリエパワー変換回路3
2.ノイズ検出回路33.移動平均回路35は、一つの
演算処理器30によって構成され、図示を省略した処理
プムグラムにより機能を達成できる。
5からの一定時間間隔でA/D変換器1oでディジタル
量とかり、一時記憶器20に記憶される。記憶データ2
は、最初フーリエパワー変換回路32でパワースペクト
ルを計算し、ノイズ検出回路でノイズ周期が計算され、
周期信号5となって移動平均回路35の時間幅条件を定
める。次に記憶データ2は、移動平均回路35に入力し
、ノイズ成分が平滑された信号3となって出力表示装置
40に供給される。ここで、フーリエパワー変換回路3
2.ノイズ検出回路33.移動平均回路35は、一つの
演算処理器30によって構成され、図示を省略した処理
プムグラムにより機能を達成できる。
又、第2図は本発明の別の実施例であって、同じ構成部
分は第1図と同一の符号を付している。
分は第1図と同一の符号を付している。
ノイズ検出回路33で計算された最適抽出間隔信号6と
なって、クロック発生器15のクロック条件を定め、以
後のデータはノイズ1周期の偶数分の1の新しい抽出間
隔でディジタル化されて処理される。従って、移動平均
回路35は固定条件で動作させる事ができる。本実施例
においても、各回路32,33.35は一つの演算処理
器3゜で達成する事ができ、移動平均演算を二度以上行
う事も容易である。又、第1図、第2図を同時に行う事
も当然可能である。
なって、クロック発生器15のクロック条件を定め、以
後のデータはノイズ1周期の偶数分の1の新しい抽出間
隔でディジタル化されて処理される。従って、移動平均
回路35は固定条件で動作させる事ができる。本実施例
においても、各回路32,33.35は一つの演算処理
器3゜で達成する事ができ、移動平均演算を二度以上行
う事も容易である。又、第1図、第2図を同時に行う事
も当然可能である。
第3図(a)は、周期性ノイズの例として正弦波形55
を示したもので、時間軸50の正側に存在する時間56
と、負側に存在する時間57の大きさは等しく、正弦波
形55の1周期Tの積分はOとなる。ディジタル・デン
タの場合、第3図の例の様に8抽出間隔の9個のデータ
を全て積算すれば両端のデータが2倍になるので、同図
(b)の様に両端のデータを1/2にして積算し、合計
を8で割れば、着目点iを中心として区間M=8の移動
平均が与えられる。
を示したもので、時間軸50の正側に存在する時間56
と、負側に存在する時間57の大きさは等しく、正弦波
形55の1周期Tの積分はOとなる。ディジタル・デン
タの場合、第3図の例の様に8抽出間隔の9個のデータ
を全て積算すれば両端のデータが2倍になるので、同図
(b)の様に両端のデータを1/2にして積算し、合計
を8で割れば、着目点iを中心として区間M=8の移動
平均が与えられる。
原データR(iΔt)をR(i)と記すると、移動平均
出力R(i)は、 と表わされる。
出力R(i)は、 と表わされる。
次にノイズ検出方法について述べると、第4図(a)は
クロマトグラフからの原信号1であって、時間軸50に
対する強度変化として表わされ、信号成分12の他にノ
イズ成分11を有している。
クロマトグラフからの原信号1であって、時間軸50に
対する強度変化として表わされ、信号成分12の他にノ
イズ成分11を有している。
同図(b)は、同図(a)の原信号を一定個数抽出使用
してフーリエパワー変換したもので、パワースペクトル
4が1周波数軸60に対して表わさであり、ノイズ成分
は周波数fOにおけるノイズれる。周波数0付近にはJ
/X信号の本来の信号成分ピーク42として現われる。
してフーリエパワー変換したもので、パワースペクトル
4が1周波数軸60に対して表わさであり、ノイズ成分
は周波数fOにおけるノイズれる。周波数0付近にはJ
/X信号の本来の信号成分ピーク42として現われる。
これは緩やかに下降するベースライン41からの顕著な
凸出部として。
凸出部として。
自動的に検出される。
先ず、信号成分の周波数より高く、ノイズ周波数より充
分低い下限周波数fmを定めておき、ここからスペクト
ル強度R(f)を比較して行く。
分低い下限周波数fmを定めておき、ここからスペクト
ル強度R(f)を比較して行く。
更に、適当なしきい値Rtを定め、この値より小さくな
り、且つ最小値を示した後で上昇に転じ最大値を示す周
波数fOが、ノイズの周波数と確定する事ができる。
り、且つ最小値を示した後で上昇に転じ最大値を示す周
波数fOが、ノイズの周波数と確定する事ができる。
上昇に転じた事を、スペクトルのベースラインに含まれ
る微小な凹凸(ノイズ)を区別するためには、最小を示
した後、再びしきい値Rtを超した時とするのが最も簡
単であるが、この場合はしきい値Rtの設定が重要とす
る。
る微小な凹凸(ノイズ)を区別するためには、最小を示
した後、再びしきい値Rtを超した時とするのが最も簡
単であるが、この場合はしきい値Rtの設定が重要とす
る。
更に又、考えられる微小ノイズ振幅より大きい検出幅R
mを設けておき、最小値を示した後にこの検出幅を超え
た時、上昇に転じたとする事ができる。この場合は、検
出幅Rmの設定が重要となる。
mを設けておき、最小値を示した後にこの検出幅を超え
た時、上昇に転じたとする事ができる。この場合は、検
出幅Rmの設定が重要となる。
いずれの場合も、ノイズピークが検出されなかった場合
は、しきい値Rし又は検出幅Rmを等比級数的に小さく
して行くのが効果的であるにの様にして検出されたノイ
ズ周波数fOを用いて、ノイズの1周期Tを計算する事
が出来る。
は、しきい値Rし又は検出幅Rmを等比級数的に小さく
して行くのが効果的であるにの様にして検出されたノイ
ズ周波数fOを用いて、ノイズの1周期Tを計算する事
が出来る。
フーリエパワー変換のデータ数をNとし、抽出時間間隔
△tとすると、 T= (N/P)Δt(2) ただし、fo=’F”Δf =P/ (N−Δt)
(3)この時、比N/Pが丁度整数となれば、移動平
均の区間Mはたかだか2N/Pであればよい。
△tとすると、 T= (N/P)Δt(2) ただし、fo=’F”Δf =P/ (N−Δt)
(3)この時、比N/Pが丁度整数となれば、移動平
均の区間Mはたかだか2N/Pであればよい。
一般に比N/Pは整数ではないから、この比に最も近い
偶数Mを求めることになる。例えば、(N=512.P
=144で)N/Pが3.56となればM=4とする事
が出来る。
偶数Mを求めることになる。例えば、(N=512.P
=144で)N/Pが3.56となればM=4とする事
が出来る。
しかし、N / pの4倍を計算すると、 14.24
となり、最も近い偶数との差は前者が0.44である
のに対し0.24 となり、後者がより整数に近い。従
って、この例ではM=4の移動平均を2回繰返えすより
もM=14の移動vl均を1回行った方が、効果的にノ
イズ除去する事ができる。
となり、最も近い偶数との差は前者が0.44である
のに対し0.24 となり、後者がより整数に近い。従
って、この例ではM=4の移動平均を2回繰返えすより
もM=14の移動vl均を1回行った方が、効果的にノ
イズ除去する事ができる。
しかしながら、整数に近いからと言っていくらでも大き
な区間Mを採ることはできない、その上限は第3図(b
)に示した下限周波数fIlの逆数であって、比N/P
に乗じ得る整数は2ないし5である。
な区間Mを採ることはできない、その上限は第3図(b
)に示した下限周波数fIlの逆数であって、比N/P
に乗じ得る整数は2ないし5である。
第5図に以上述べた処理のフローチャートを示す。
本発明によれば1周期性ノイズの1周期を正確に積分す
る事ができるため、効率良く周期性ノイズを除去できる
ので、クロマトグラフのデータ処理の基本的前処理とし
て極めて効果的である。
る事ができるため、効率良く周期性ノイズを除去できる
ので、クロマトグラフのデータ処理の基本的前処理とし
て極めて効果的である。
第1図は本発明の一実施例のブロック線図、第2図は他
の実施例のブロック線図、第3図は周期性ノイズと移動
平均の説明図、第4図はクロマト原信号とそのパワース
ペクトルの説明図、第5図は本処理方法のフローチャー
トである。 10・・・A/D変換器、15・・・クロック発生器、
20・・・一時記憶器、3o・・・演算処理器、32・
・・フーリエパワー変換回路、33・・・ノイズ検出回
路、35・・・移動平均回路、40・・・出力表示器1
.50・・・時間軸、60・・・周波数軸。
の実施例のブロック線図、第3図は周期性ノイズと移動
平均の説明図、第4図はクロマト原信号とそのパワース
ペクトルの説明図、第5図は本処理方法のフローチャー
トである。 10・・・A/D変換器、15・・・クロック発生器、
20・・・一時記憶器、3o・・・演算処理器、32・
・・フーリエパワー変換回路、33・・・ノイズ検出回
路、35・・・移動平均回路、40・・・出力表示器1
.50・・・時間軸、60・・・周波数軸。
Claims (1)
- 【特許請求の範囲】 1、信号強度の時間的変化を観察するクロマトグラフに
おいて、信号に含まれる周期性ノイズの1周期Tの偶数
分の1をデータ抽出時間間隔としてディジタル化し、該
データに時間幅Tの移動平均を施すことにより、前記周
期性ノイズを排除することを特徴とするクロマトグラフ
のデータ処理方法。 2、特許請求の範囲第1項において、一定時間間隔Δt
毎に抽出され、ディジタル記憶されたデータを用いてパ
ワースペクトルを計算し、該スペクトルに含まれるノイ
ズピークの周波数を検出し、該周波数の逆数を時間間隔
Δtで割った値、又は該値の整数倍に最も近く且小い偶
数値Mを求め、前記記憶データに区間Mの移動平均を施
すことにより、前記データに含まれる周期性ノイズを除
去することを特徴とするクロマトグラフのデータ処理方
法。 3、特許請求の範囲第2項において、パワースペクトル
に含まれるノイズピークの周波数は、一定の下限周波数
から検出を開始し、スペクトル強度が一定のしきい値を
下まわり、一度最低値となった後に上昇に転じ、最大値
となった時の周波数をもったノイズの周波数とすること
を特徴とするクロマトグラフのデータ処理方法。 4、特許請求の範囲第3項において、パワースペクトル
の強度が最小値を示し、それから十分小さい判別幅を超
えて増加した時、その強度が上昇に転じたと判別するこ
とを特徴とするクロマトグラフのデータ処理方法。 5、特許請求の範囲第3項及び第4項において、ノイズ
ピークが検出されない場合には、一定強度のしきい値と
判別幅とを同時に、又は交互に減少させて再び該ピーク
を検出すべくなされたことを特徴とするクロマトグラフ
のデータ処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP13367986A JPS62291562A (ja) | 1986-06-11 | 1986-06-11 | クロマトグラフのデ−タ処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP13367986A JPS62291562A (ja) | 1986-06-11 | 1986-06-11 | クロマトグラフのデ−タ処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS62291562A true JPS62291562A (ja) | 1987-12-18 |
Family
ID=15110346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP13367986A Pending JPS62291562A (ja) | 1986-06-11 | 1986-06-11 | クロマトグラフのデ−タ処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS62291562A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0389168A (ja) * | 1989-08-31 | 1991-04-15 | Kanzaki Paper Mfg Co Ltd | フロー型測定装置及びそれを用いた測定方法 |
US6106782A (en) * | 1997-02-13 | 2000-08-22 | Hitachi, Ltd. | Chromatograph |
JP2006047304A (ja) * | 2004-07-05 | 2006-02-16 | Chube Univ | 周波数測定装置 |
WO2016132422A1 (ja) * | 2015-02-16 | 2016-08-25 | 株式会社島津製作所 | ノイズレベル推定方法、測定データ処理装置、及び測定データ処理用プログラム |
JPWO2016120959A1 (ja) * | 2015-01-26 | 2017-06-29 | 株式会社島津製作所 | ノイズレベル推定方法、測定データ処理装置、及び測定データ処理用プログラム |
-
1986
- 1986-06-11 JP JP13367986A patent/JPS62291562A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0389168A (ja) * | 1989-08-31 | 1991-04-15 | Kanzaki Paper Mfg Co Ltd | フロー型測定装置及びそれを用いた測定方法 |
US6106782A (en) * | 1997-02-13 | 2000-08-22 | Hitachi, Ltd. | Chromatograph |
JP2006047304A (ja) * | 2004-07-05 | 2006-02-16 | Chube Univ | 周波数測定装置 |
JPWO2016120959A1 (ja) * | 2015-01-26 | 2017-06-29 | 株式会社島津製作所 | ノイズレベル推定方法、測定データ処理装置、及び測定データ処理用プログラム |
WO2016132422A1 (ja) * | 2015-02-16 | 2016-08-25 | 株式会社島津製作所 | ノイズレベル推定方法、測定データ処理装置、及び測定データ処理用プログラム |
US20180003683A1 (en) * | 2015-02-16 | 2018-01-04 | Shimadzu Corporation | Noise level estimation method, measurement data processing device, and program for processing measurement data |
US11187685B2 (en) * | 2015-02-16 | 2021-11-30 | Shimadzu Corporation | Noise level estimation method, measurement data processing device, and program for processing measurement data |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7401008B2 (en) | Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale | |
Benitez et al. | A new QRS detection algorithm based on the Hilbert transform | |
Li et al. | Denoising and R-peak detection of electrocardiogram signal based on EMD and improved approximate envelope | |
Moore et al. | Median filtering for removal of low-frequency background drift | |
JP6304691B2 (ja) | 心音雑音除去装置、その方法及びプログラム | |
JPS62291562A (ja) | クロマトグラフのデ−タ処理方法 | |
US4982433A (en) | Speech analysis method | |
CN107224284A (zh) | 一种全数字心电信号的噪声检测方法及系统 | |
CN108535542B (zh) | 一种寻峰鉴相方法 | |
JPS6232360A (ja) | クロマトグラフイ−用デ−タ処理方法 | |
JPH08328593A (ja) | スペクトル分析方法 | |
CN113092850B (zh) | 一种简化s变换的时频谱分析方法及系统 | |
Jabloun et al. | Time-frequency analysis based on the phase-rectified signal averaging method | |
Kwong et al. | Fundamental frequency estimation based on adaptive time-averaging Wigner-Ville distribution | |
CN114199820A (zh) | 一种气体浓度的检测方法和装置 | |
JP2988914B1 (ja) | 周波数解析装置及びその方法 | |
JPH01197667A (ja) | 周波数計測方式 | |
JPH039385Y2 (ja) | ||
JP2893145B2 (ja) | 包絡線周波数分析時の直流分除去方法 | |
JP3263091B2 (ja) | 周波数分析装置 | |
JPS644328Y2 (ja) | ||
Friedman | Multichannel zero-crossing-interval pitch estimation | |
JPS61206428A (ja) | 生体信号ア−チフアクト検出除去方式 | |
Xiaodong et al. | Study on Nonlinear Baseline Transcendental Resolution Algorithm in PPG Signals | |
SU1531108A1 (ru) | Устройство дл сегментации сигнала |