- •Общие вопросы автоматизации измерений
- •Механизация и автоматизация лабораторий
- •Дискретные анализаторы
- •Непрерывные анализаторы
- •Непрерывный проточный анализ (нпа)
- •Проточно-инжекционный анализ (пиа)
- •Центрифужные анализаторы
- •Элементные анализаторы
- •Лабораторные роботы
- •Химические сенсоры
- •Потенциометрические сенсоры
- •Газочувствительные сенсоры
- •Биокаталитические мембранные сенсоры
- •Амперометрические сенсоры
- •Кондуктометрические сенсоры
- •Оптические сенсоры первого поколения
- •Сенсоры с системами распознавания
- •Оптроды третьего поколения
- •Термические (калориметрические) сенсоры
- •Гравиметрические сенсоры
- •Многоканальные сенсоры
- •Автоматизированный контроль производственных процессов
- •Анализ на основе неселективных характеристик
- •7.4. Литература
- •Иммунный анализ
- •Введение
- •Варианты анализа
- •Конкурентный анализ
- •Сандвичевый анализ
- •Варианты устройства
- •Эффекты поверхностной иммобилизации
- •Физические методы разделения связанной и свободной метки
- •Адсорбция на твердых частицах
- •Метки Радиоактивные метки
- •Гаптены и полипептиды
- •Частицы, рассеивающие свет, в качестве меток
- •Флуоресцентные и хемилюминесцентные метки
- •Ферментные метки
- •7.9.4. Мешающие влияния
- •Эффективная концентрация определяемого вещества
- •Эффективность связывания антител
- •D Биосенсоры—это аналитические устройства.
- •Биораспознающий компонент и преобразователь
- •Создание биологической поверхности
- •Методы иммобилизации
- •Подготовка биопреобразования Амперометрические сенсоры
- •Потенциометрические сенсоры
- •Оптические сенсоры
- •Оптическое детектирование без метки
- •7.8.4. Заключение
- •Обработка сигналов: цифровая фильтрация, преобразование данных
- •Отношение сигнал-шум
- •Аналоговые и цифровые фильтры
- •Фильтрация при помощи скользящего среднего
- •Полиномиальное сглаживание: фильтр Савицкого-Голея
- •Дифференцирование и интегрирование данных
- •4.3 Фильтрация данных с предварительным преобразованием сигнала
- •Фурье-преобразование
- •Дискретное фурье-преобразование
- •Обратное фурье-преобразование
- •Фильтрация данных при помощи фурье-преобразования
- •Литература.
-
Дифференцирование и интегрирование данных
Фильтр Савицкого-Голея может быть использован и для дифференцирования или интегрирования данных. Для этого следует лишь соответствующим образом выбрать весовые коэффициенты. Численные методы дифференцирования и интегрирования сигналов широко применяются в стандартном математическом обеспечении аналитических приборов.
Дифференцирование позволяет устранить постоянный сигнал фона и улучшить разрешение пиков. Интегрирование пиков необходимо для нахождения их площади в количественном анализе.
-
4.3 Фильтрация данных с предварительным преобразованием сигнала
Существуют методы фильтрации, основанные на предварительном математическом преобразовании данных, последующем умножении результата на некоторую фильтрующую функцию и, наконец, обратном преобразовании. Чаще всего для этого используют фурье-преобразование.
-
Фурье-преобразование
Рассмотрим принцип фурье-преобразования на примере электромагнитных спектров. Обычная форма представления спектра — зависимость интенсивности от частоты излучения. Однако любой спектр можно представить и как зависимость интенсивности от времени. В этом случае он выглядит как суперпозиция периодических синусоидальных колебаний. На рис. 3 показано представление спектра, состоящего из двух линий (частот), в разных формах.
Рис. 3 Принцип фурье-преобразования. Суммарный сигнал (а) состоит (б) из двух синусоид с периодами t1 = 1 с и t2 = 1/3 с, (в) — этот же спектр, представленный в виде зависимости интенсивности от частоты.
В данном случае преобразование сигнала из функции, представленной в шкале времени f(t), в шкалу частот F() дает спектр, состоящий всего из двух линий с частотами 1 и 3 с-1. Однако подобным образом можно преобразовать и произвольный спектр, в том числе с непрерывным распределением частот.
Представление спектра в шкале времени дает информацию о суммарной амплитуде сигнала, однако информация о частотах в такой форме представления непосредственно не видна. Представление же в шкале частот дает информацию лишь об относительных интенсивностях сигнала при тех или иных частотах, но не его суммарной амплитуде.
В традиционных вариантах спектроскопических методов спектр регистрируют в шкале частот. Ряд новых методов таких, как ИК-спектроскопия с фурье-преобразованием или импульсная ЯМР-спектроскопия, основаны на регистрации спектра в шкале времени. Для перехода к привычной шкале частот в этом случае необходимо выполнить фурье-преобразование.
-
Дискретное фурье-преобразование
Если спектр, зарегистрированный в шкале времени, оцифровать, т.е. представить в виде дискретной последовательности значений интенсивности, то к нему можно применить дискретное фурье-преобразование. Пусть оцифрованный спектр представляет собой последовательность из n значений сигнала, находящихся на равных расстояниях друг от друга по шкале t. Тогда преобразование спектра в шкалу частот осуществляется как
n
F() = 1/n f(t)e-(2it/n) (12)
t=-1
где i = -1 – мнимая единица. Экспоненциальная функция от мнимого числа равна
e-(2it/n) = cos(2t/n) – isin(2t/n) (13)
Полученная в результате преобразования функция F() имеет действительную и мнимую часть. Спектр в шкале частот представляет собой ее действительную составляющую.