Том 38, номер 05, статья № 1

Аннотация:

Количественный анализ спектров поглощения газовых смесей затруднен из-за влияния шума. Для стандартных фильтров осуществляются выбор параметров газовых смесей во всем анализируемом спектральном диапазоне; параметры, оптимальные для сильных линий поглощения, не являются оптимальными для слабых линий, и наоборот. Нами предложен и на примере фильтра Савицкого–Голея реализован подход к созданию адаптивного фильтра, объединяющий оконную версию стандартного фильтра с методом независимых компонент для подавления шумов в экспериментальных спектрах. Численно смоделирована фильтрация модельных спектров поглощения приземной атмосферы, соответствующих лету средних широт, в диапазоне 100–1000 ГГц с использованием адаптивного варианта фильтра. Сравнивалась эффективность адаптивного и стандартного фильтров Савицкого–Голея с использованием количественного критерия близости двух спектральных кривых. Экспериментально оценена эффективность предложенного варианта фильтра: а) для комнатного воздуха с содержанием водяного пара 10000 ppm и б) смеси SO₂ с концентрацией 200 ppm с азотом. Измерены спектры поглощения этих образцов в области 500–700 ГГц, вычислена их сумма и оценена концентрация SO₂ методом разрешения многомерных кривых. Показано, что относительная погрешность восстановления концентрации SO₂ после подавления шума с помощью адаптивного фильтра Савицкого–Голея была в 3,7 раза меньше по сравнению с использованием стандартного фильтра. Предложенный вариант адаптивного фильтра Савицкого–Голея позволяет повысить эффективность подавления шумов в экспериментальных спектральных данных.

Ключевые слова:

терагерцовая абсорбционная спектроскопия, газоанализ атмосферы, фильтрация шумов, фильтр Савицкого–Голея, адаптивный спектральный фильтр

Иллюстрации:

Список литературы:

1. Cox J.A. Signal-to-noise ratio dependence on frame time, time delay and integration (TDI), and pulse shaping // Opt. Eng. 1982. V. 21, N 3. P. 528–536. DOI: 10.1117/12.7972941.
2. Barnes J.A, Chi A.R., Cutler L.S., Healey D.J., Leeson D.B., Mcgunigal T.E., Mullen J.A., Smith W.L., Sydnor R.L., Vessot R.F.C., Winkler G.M.R. Characterization of frequency stability // IEEE T. Instrum. Meas. 1971. N 2. P. 105–120. DOI: 10.1109/tim.1971.5570702.
3. Fell A.F. Biomedical applications of derivative spectroscopy // TrAC-Trend. Anal. Chem. 1983. V. 2, N 3. P. 63–66. DOI: 10.1016/0165-9936(83)85010-9.
4. Jingsong Li., Benli Yu., Weixiong Zhao, Weidong Chen. A review of signal enhancement and noise reduction techniques for tunable diode laser absorption spectroscopy // Appl. Spectrosc. Rev. 2014. V. 49, N 8. P. 666–691. DOI: 10.1080/05704928.2014.903376.
5. Zhang L., Li Y., Wei Y., Wang Z., Zhang T., Gong W., Zhang Q. Enhancement of direct absorption spectroscopy utilizing an improved particle swarm algorithm // Photonics. 2022. V. 9, N 6. P. 412. DOI: 10.3390/photonics9060412.
6. Chabuda A., Durka P., Żygierewicz J. High frequency SSVEP-BCI with hardware stimuli control and phase-synchronized comb filter // IEEE T. Neur. Sys. Reh. 2017. V. 26, N 2. P. 344–352. DOI: 10.1109/TNSRE.2017.2734164.
7. Martinek R., Zidek J. Use of adaptive filtering for noise reduction in communications systems // International Conference on Applied Electronics. Pilsen, Czech Republic. 2010. P. 1–6.
8. Lita I., Visan D.A., Oprea S., Cioc B.I. Hardware design for noise reduction in data acquisition modules // 30th International Spring Seminar on Electronics Technology. 2007. P. 462–466. DOI: 10.1109/ISSE.2007.4432900.
9. Thenua R.K., Agrawal S.K. Hardware implementation of adaptive algorithms for noise cancellation // Int. J. Inf. Elect. Eng. 2012. V. 2, N 2. P. 1–4.
10. Li J., Yu B., Zhao W., Chen W.A. Review of signal enhancement and noise reduction techniques for tunable diode laser absorption spectroscopy // Appl. Spectrosc. Rev. 2014. V. 49, N 8. P. 666–691. DOI: 10.1080/05704928.2014.903376.
11. Gusheng Zhang, He Hao, Yichen Wang, Ying Jiang, Jinhui Shi, Jing Yu, Xiaojuan Cui, Jingsong Li, Sheng Zhou, Benli Yu. Optimized adaptive Savitzky–Golay filtering algorithm based on deep learning network for absorption spectroscopy // Spectrochim. Acta A: 2021. V. 263. P. 120187. DOI: 10.1016/j.saa.2021.120187.
12. Tanji Jr A.K., de Brito M.A., Alves M.G., Garcia R.C., Chen G.L., Ama N.R. Improved noise cancelling algorithm for electrocardiogram based on moving average adaptive filter // Electronics. 2021. V. 10, N 19. P. 2366. DOI: 10.3390/electronics10192366.
13. Azami H., Mohammadi K., Bozorgtabar B. An improved signal segmentation using moving average and Savitzky–Golay filter // J. Signal Inf. Proc. 2012. V. 3, N 1. P. 39–44. DOI: 10.4236/jsip.2012.31006.
14. Kumar A., Sodhi S.S. Comparative analysis of gaussian filter, median filter and denoise autoenocoder // 7th International Conference on Computing Sustainable Global Development. 2020. P. 45–51. DOI: 10.23919/INDIACom49435.2020.9083712.
15. Schmid M., Rath D., Diebold U. Why and how Savitzky–Golay filters should be replaced // ACS Measurement Science Au. 2022. V. 2, N 2. P. 185–196. DOI: 10.1021/acsmeasuresciau.1c00054.
16. Rinnan Å., Van Den Berg F., Engelsen S.B. Review of the most common pre-processing techniques for near-infrared spectra // TrAC-Trend. Anal. Chem. 2009. V. 28, N 10. P. 1201–1222. DOI: 10.1016/j.trac.2009.07.007.
17. Sadeghi M., Behnia F., Amiri R. Window selection of the Savitzky–Golay filters for signal recovery from noisy measurements // IEEE T. Instrum. Meas. 2020. V. 69, N 8. P. 5418–5427. DOI: 10.1109/TIM.2020.2966310.
18. Zimmermann B., Kohler A. Optimizing Savitzky–Golay parameters for improving spectral resolution and quantification in infrared spectroscopy // Appl. Spec. 2013. V. 67, N 8. P. 892–902. DOI: 10.1366/12-06723.
19. Kistenev Y.V., Shapovalov A.V., Vrazhnov D.A., Nikolaev V.V. Kalman filtering in the problem of noise reduction in the absorption spectra of exhaled air // Proc. SPIE. 2016. V. 10035. P. 72–77. DOI: 10.1117/12.2249139.
20. Kalambet Y., Maltsev S., Kozmin Y. Noise filtering: The ultimate solution? // Analytics. 2011. Т. 1, № 1. С. 50–56.
21. Dombi J., Dineva A. Adaptive Savitzky–Golay filtering and its applications // Int. J. Adv. Intell. Parad. 2020. V. 16, N 2. P. 145–156. DOI: 10.1504/IJAIP.2020.107011.
22. Leleux D.P., Claps R., Chen W., Tittel F.K., Harman T.L. Applications of Kalman filtering to realtime trace gas concentration measurements // Appl. Phys. 2002. V. 74. P. 85–93. DOI: 10.1007/s003400100751.
23. Hyvärinen A., Oja E. Independent component analysis: Algorithms and applications // Neur. Netw. 2000. V. 13, N 4–5. P. 411–430. DOI: 10.1016/S0893-6080(00)00026-5.
24. Altynbekov A.A., Borisov A.V., Skiba V.E., Kistenev Y.V. The possibility of increasing the efficiency of terahertz absorption spectra noise reduction using a sliding window variant of Savitzky–Golay filter // Proc. SPIE. 2023. V. 12920. P. 239–244. DOI: 10.1117/12.3009811.
25. Kistenev Y.V., Kuzmin D.A., Sandykova E.A., Shapovalov A.V. Quantitative comparison of the absorption spectra of the gas mixtures in analogy to the criterion of Pearson // Proc. SPIE, 2015. V. 9680. P. 797–804. DOI: 10.1117/12.2205606.
26. Gordon I.E., Rothman L.S., Hargreaves R.J., Hashemi R., Karlovets E.V., Skinner F.M., Conway E.K., Hill C., Kochanov R.V., Tan Y., Wcisło P., Finenko A.A., Nelson K., Bernath P.F., Birk M., Boudon V., Campargue A., Chance K.V., Coustenis A., Drouin B.J, Flaud J.-M., Gamache R.R., Hodges J.T., Jacquemart D., Mlaver E.J., Nikitin A.V., Perevalov V.I., Rotger M., Tennyson J., Toon G.C., Tran H., Tyuterev Vl.G., Adkins E.M., Baker A., Barbe A., Canè E., Császár A.G., Egorov O., Fleisher A.J., Fleurbaey H., Foltynowicz A., Furtenbacher T., Harrison J.J., Hartmann J.-M., Horneman V.-M., Huang X., Karman T., Karns J., Kassi S., Kleiner I., Kofman V., Kwabia-Tchana F., Lee T.J., Long D.A., Lukashevskaya A.A., Lyulin O.M., Makhnev V.Yu., Matt W., Massie S.T., Melosso M., Mikhailenko S.N, Mondelain D., Muller H.S.P., Naumenko O.V., Perrin A., Polyansky O.L., Raddaoui E., Raston P.L., Reed Z.D., Rey M., Richard , Tόbiás R., Sadiek I., Schwenke D.W., Starikova E., Sung K., Tamassia F., Tashkun S.A., Vander Auwera J., Vasilenko I.A., Vigasin A.A., Villanueva G.L., Vispoel B., Wagner G., Yachmenev A., Yurchenko S.N. The HITRAN2020 molecular spectroscopic database // J. Quant. Spectros. Radiat. Trasfer. 2022. V. 277. P. 107949.
27. Hitran on the web. URL: https://hitran.iao.ru/ (last access: 20.12.2024).
28. De Juan A., Tauler R. Multivariate Curve Resolution: 50 years addressing the mixture analysis problem – a review // Anal. Chim. Acta. 2021. V. 1145. P. 59–78. DOI: 10.1016/j.aca.2020.10.051.