基于改进的小波阈值函数的信号去噪方法微芯片电泳C⁴D设备

文摘

一个信号使用改进的小波阈值函数去噪方法提出了基于电容耦合非接触式电导检测的微芯片电泳(我⁴D)设备。我的去噪效果的评价结果⁴D仿真信号表明,使用Daubechies 5 (db5跑车)小波分解级别4可以产生最佳的性能。此外,去噪效果相比,以及被证明是优于现有的技术,如Savitzky-Golay、快速傅里叶变换和软阈值方法。该方法已成功应用于自主研发的我⁴D设备。执行这个方法后,干净地去除噪声,信号的峰值和峰面积保持形状。

1。介绍

微流控技术,尤其是微芯片电泳基于电容耦合非接触电导检测(我⁴D) (1- - - - - -3),已成为一个非常重要的和有前途的分支小型化总化学分析系统(μ助教)[4- - - - - -6]。由于其优势的小样品和试剂消耗,分析速度快,分离效率高,方便微型化,微流控技术已广泛应用于不同的领域,如生物医学(7,8,食品检验9),环境监测10),临床应用11),等等。

我看见的⁴D装置分析了离子在溶液中成分通过检测电导率的变化根据电极之间的耦合电容和芯片的绝缘层(12- - - - - -15]。因此,它可以有效地避免接触电化学检测方法的一些问题,如电极缩放、电解泡沫,电场干扰,等等13- - - - - -16]。但是,我看见⁴D装置抗电磁干扰能力差和低敏感性[17- - - - - -19]。系统的固有噪声和微流控芯片的结构将导致我⁴D信号干扰,从而影响检测结果的分析和减少其准确性。因此,找到一个合适的信号去噪方法是非常重要的前处理步骤分析和诊断。

传统的信号去噪方法主要包括傅里叶变换和曲线拟合方法。傅里叶变换是简单容易实现,但是很难解决的非平稳信号的噪声过滤。曲线拟合方法具有较高的准确性,但有困难在选择合适的点。小波变换(WT),从1980年代发展迅速,充分突出问题的某些方面的特点,已广泛应用于毛细管电泳(CE)信号去噪20.,21]。此外,小波阈值去噪从WT发展有更好的性能22]。该方法的去噪效果主要取决于阈值函数的选择。一些传统的阈值函数,如硬阈值和软阈值被广泛用于信号去噪由于结构简单和良好的效率。例如,刘使用硬阈值函数降噪微芯片CE信号采样从国产的激光诱导荧光检测系统19]。张等人改善软阈值函数来提高公元电化学发光信号去噪效果(22]。上述WT方法可以达到很好的去噪效果,但较少关注维护波峰面积,这是一个非常重要的功能分析我⁴D信号,可以反映离子组件被检测到的内容(23]。因此,他们不太适合我⁴D信号。

这项工作的目标是开发一个有效的去噪方法与影响最小的信号峰的形状和面积提高我的表现⁴D装置。我们已经改进了小波阈值函数根据我⁴D信号特征。评估我的去噪效果⁴D模拟信号已经完成通过选择不同的小波和不同分解层次,并发现db5跑车在四级小波最优解决方案。此外,该方法已成功应用于自主研发的我⁴D设备信号去噪。

2。材料和方法

2.1。化学物质

氯化钾、氯化钠、氯化锂样品溶液,和MES-His缓冲溶液均为分析纯,购自国药控股化学试剂有限公司,有限公司所有化学品都脱气超声用于前5分钟,过滤,0.22μ米孔隙水微滤膜。

2.2。装置

一个自主研发的我⁴D设备如图所描述的实验中使用1。芯片(十字形结构;芯片分离通道长度是50毫米,50μ米,宽25μ米深度)放置在探测器的测试表。在一个给定的高压电场,微通道的定向迁移解决方案将发生。当离子流过探测器的通道,感应电流信号将被转换成电压信号,最后显示在计算机经过一系列的处理步骤。其中,控制电压、进样时间、信号波形可以由电脑控制的。个人电脑终端上的监控软件是自主研发的。

2.3。噪音的来源

微流控芯片分析通道是微米级别,和基于电容耦合非接触电导检测完成的原则。因此,发现我⁴D信号非常弱,将被一个很大的噪音。为了有效地消除噪声,有必要分析噪声的原因,并采取相应的措施来解决它根据不同的噪声源。

根据我⁴D信号检测原理和实验结果,溶液电导率信号的干扰和噪声主要来自两个方面。一个是系统的固有噪声,如外部噪声信号检测电路的动作造成的电、磁、等,可以直接透过微流控芯片检测的硬件设备。另一种是高频噪声,这是由快速采集率,芯片,检测电路、环境干扰等(24]。很难过滤通过优化我的硬件设计⁴D设备。基于小波变换的阈值方法具有良好的去噪性能。因此,本文研究了相应的基于小波变换的去噪方法。

2.4。小波阈值去噪理论

假设我⁴D信号与噪声由微芯片电泳分析收集装置可以表示为 在哪里是我⁴D信号与噪声,是一个纯粹的我⁴D信号和噪声信号为代表 。因为它很难恢复直接从嘈杂的信号 分离有用信号和噪声,通过处理相应的小波分解系数的不同特征的小波变换。在实际应用中,通常在低频段有用的信号,而噪声信号通常在高频波段。根据这一特点,我们可以首先通过小波变换分解的信号。作为一个例子,三级分解如图2。noise-containing信号分解为低频系数(CA1)和高频系数(CD1)。CA1可以进一步分解,从而形成一个新的低频系数(游离钙)和高频系数(张)。与分解级别的增加,有用信号的小波系数幅值基本不变,而噪声小波系数的振幅迅速衰减为零(25]。因此,分解后的小波系数可以通过选择合适的阈值处理函数,然后可以重建信号来实现去噪的效果。

2.5。通过改进的阈值函数去噪

我的小波系数⁴D信号在不同的分解水平有很强的相关性,而噪声的小波系数较弱或无关紧要的26),适合小波变换的去噪范围。我看见的⁴D信号通过小波变换去噪过程如下:(1)一个合适的小波基函数类似于最初的我⁴D信号选择和分解层数的确定。的J层小波分解的噪音我⁴D信号是由使用木槌算法,组件和组件高频系数和低频系数的不同分解尺度。(2)选择阈值,并使用一个阈值函数来量化的高频小波系数层1层J。(3)层的低频系数J的高频系数层1层J阈值处理函数反向转换获得去噪我⁴D信号。

去噪效果主要取决于选择阈值和阈值函数的设计在步骤(2)。在这个工作中,采用经典的固定阈值,其表达式 在哪里是阈值,N我的长度吗⁴D信号,代表了噪声信号的标准偏差。用于测量噪声信号的强度,然后呢 ,在哪里方法返回值函数。

有两种经典的阈值函数对小波去噪,也就是说,软硬阈值。更具代表性的软阈值函数。它可以被定义为 在哪里是原始信号小波变换后的小波系数,估计小波系数量化后,是阈值。软阈值函数图如图3。

从图可以看出3软阈值函数具有良好的连续性,它克服了硬阈值函数不连续的缺点,解决了问题,就会发生一些振荡在重建信号。然而,有一个常数偏差原始和小波系数的估计价值之间。它必将使重构信号产生畸变,降低精度。此外,小波去噪原理说明组成的较小的小波系数也有用信号和噪声27]。然而,根据方程(3),如果小波系数绝对值小于阈值设置为零,将丢失一些有用的信号信息,因此,信噪比(信噪比)将减少。

为了克服上述缺陷,软阈值函数和改善去噪效果,新阈值函数应满足以下要求:(1)函数是连续的阈值点。(2)原始和量化的小波系数之间的恒定偏差尽可能减少。然而,如果偏差降低到零,它将成为一个硬阈值函数,不能达到提高的效果(25]。(3)保留一些有用的信号信息在较小的小波系数,以减少信号失真。

基于上面的三个需求,介绍了非线性函数和变量参数,提出了一种改进的阈值函数: 在哪里一个一个变量参数小于 。改进的阈值函数的连续性,克服软阈值函数的常数偏差的缺点。乘以与小波系数越小 ,消除噪声信号的比例可以控制通过调整的价值 。这意味着,有用的信号信息的小波系数可以保留灵活,因此更接近原来的去噪信号。这些属性的改进阈值函数,并给出了相应的证明如下:(1)连续性分析 在阈值阈值函数是连续的和 。因此,阈值函数是连续的在整个实数域。(2)进步的分析

当 , 需要 渐近线和方法无限,减少原始之间的偏差和阈值量化的小波系数尽可能多。

比较硬,柔软,和改进的功能如图4。当一个是0,改进的阈值函数相当于传统软阈值函数,当 ,估计的价值更接近于原始小波系数 。自由参数可以调整不同信号去噪。因此,改进的阈值函数明显比软阈值函数的自适应能力和灵活性。

3所示。结果与讨论

3.1。我的去噪⁴D模拟信号

我看见的⁴D信号有一些山峰,一般表示为高斯峰,反映某一特定物质的特征谱线。在分析物质成分,获得峰的光谱与某些物质的特征谱线。然后,发现峰的光谱可以表明哪些组件是包含在混合物(28]。

由于缺乏标准的检测设备,模拟研究中经常使用的手段μ助教信号去噪(22,29日]。当有效性通过仿真验证,该方法应用于自主研发的仪器。基于毛细管电泳信号的仿真模型29日),根据实际我的特点⁴D信号,建立了模拟信号的数学模型如下: 在哪里我我是模拟⁴D信号,峰的面积,代表中央峰的位置,代表半峰宽,是用来调整基线的位置。

作为噪声的高斯白噪声接近实际的我⁴D信号,高斯白噪声的一定比例添加到一个理想的信号。数学模型可以表示如下: 噪声是高斯白噪声信号,然后呢β是比例系数。理想和嘈杂的信号是模拟,如图5。

3.1.1。评价去噪效果

为了直观地对我比较不同方法的去噪效果⁴D模拟信号,介绍了以下两个评价指标:(1)信噪比(信噪比) (2)均方根误差(RMSE) 在哪里是原始信号,去噪后重构信号,n采样点,N是信号长度。上述两个方程表明,更大的信噪比是RMSE越小,信号去噪效果越好。

3.1.2。选择小波基及分解水平

使用不同的小波基函数降噪相同类型的信号将产生不同的影响。一般来说,小波基地应该有以下特点:线性阶段,短期支持,更高的距离消失等。30.]。然而,很少有小波基地同时可以有这些特点。在这篇文章中,几种常见的选择小波基去噪实验。普通小波基础特征的比较分析表所示1。

为了选择最优小波基,并获得最好的去噪效果,三种不同小波基的db1∼db9, sym1∼sym9,和coif1∼coif5进行评估,和改进的阈值函数是用来消除干扰信号含有噪声。去噪信号的信噪比和RMSE曲线如图所示6。

与db5跑车小波去噪后的基础上,最大的信噪比,和RMSE是最小的,所以去噪的效果是最好的(图6)。因此,db5跑车小波用于以下实验基础。

由小波变换在信号去噪的过程中,适当的分解层次的选择也是非常重要的问题。一方面,分解层数越大,差异越大噪声和信号的性能,和容易分开。另一方面,太多的层将使重构信号更加扭曲,这将在一定程度上影响去噪效果。因此,有必要严格处理这个矛盾时选择的分解层级上获得更好的去噪效果。

在选择db5跑车小波的前提基础上,模拟我的去噪效果⁴D信号在不同分解层如图7。这表明层分解可以得到一个好的信号去噪的效果。

3.1.3。比较与其他去噪方法

为了验证该方法的去噪效果,不同的方法被用来执行我的模拟实验⁴D与不同的信噪比高斯白噪声信号。消除干扰信号的信噪比和RMSE比较数据如表所示2。

本文提出的去噪方法的信噪比最高和最低的RMSE;去噪效果明显优于其他方法(表2粗体所示)。

图8Savitzky-Golay显示了去噪的结果,快速傅里叶变换,软阈值的方法,该方法,分别。通过分析去噪后的波形,可以看出Savitzky-Golay和快速傅里叶变换被用来消除干扰信号,噪声仍明显(数字8(一个)和8 (b))。我看见的⁴D信号由软阈值法去噪后的信号基线光滑,但特征信号的一部分信息丢失(图8 (c))。与该方法去噪后,噪声基本上是移除,基线平稳,特征信号保留,去噪后重构信号接近原始信号(图8 (d))。因此,该方法有更多的优势对我上面的方法⁴D信号去噪。

3.2。应用程序

经过理论分析和仿真验证,该方法应用于实际的去噪信号,检测到的自主研发ME-C4D和送到电脑终端。

10毫米的缓冲溶液MES-His (pH值6.15)和0.1毫米的目标示例解决方案介绍了微芯片的到相应的位置,然后放在自主研发设备的检测表。设置激励信号源参数f= 200 kHz, Vpp = 60 V,高压注射1 s;收集到的我⁴D信号如图9。

横向轴采样点的数量;每10个采样点代表1 s的时间。纵向坐标代表振幅,三波的峰值代表 。很明显,我看见⁴D信号是由一定程度的噪音干扰。

自上述信号从设备噪声并不是人为获得补充说,我们无法获得原始无噪声的理想信号;因此,评价指标信噪比和RMSE不能用于定量分析去噪的效果(31日]。实际我收集⁴D信号,真正有价值的是高峰,尤其是峰面积或峰高,反映了被测物质的成分含量。因此,峰面积或峰高可以作为去噪效果的评价指标。因为可以通过峰面积乘以峰高和半宽度、峰面积的变形仅作为评价指标来定量分析我的去噪处理的效果⁴D信号。峰面积误差越低,变形越低,去噪效果越好。 在哪里一个是我的峰面积⁴D信号;下标d和o分别代表了信号处理之前和之后。一般来说,峰面积失真度保持在5%属于正常范围。

与对称的峰形状和基线漂移,峰高的高峰上到基线的垂直距离底部的巅峰,和半峰宽宽度1/2峰高。然而,当峰形状不对称和基线漂移,上面的峰面积的计算方法会产生很大误差。因此,本文使用下面的方法来计算峰面积。

计算峰面积的原理图如图10。首先,基线AB是由一阶导数的方法。设置一个阈值,当一阶导数大于阈值时,它决定的出发点。当从正到负的一阶导数的变化,它是评价最高的顶点。顶点后决定,如果信号的一阶导数值的绝对值小于阈值,它被定义为终点的高峰。然后,一条直线垂直于x设在是从顶端E的高峰。这条线相交的基线AB点G的长度,例如是峰高(h_如)。最后,一条直线平行于x设在和通过的中点如是画的。这条线相交波两个峰值点,F和H的长度跳频是峰的宽度的一半(σ_跳频)。所以,峰面积可以计算的

采用改进的阈值函数去噪方法降噪信号图9,结果如图所示11 (d)。为了充分验证的有效性改进阈值函数去噪方法我⁴D信号的去噪结果Savitzky-Golay法、快速傅里叶变换的方法,和传统软阈值方法用于比较分析。去噪效果如图(11日)- - - - - -11 (c)。去噪后的峰面积失真度计算每个方法根据(13)和(14),如表所示3。

从表中的数据可以看出3后Savitzky-Golay和快速傅里叶变换是用来消除干扰我⁴D信号,第三峰的峰面积失真信号大于5%,和数字(11日)和11 (b)显示,还有一些噪声去噪后重构信号,这对我的准确性有一定的影响⁴D信号分析。当使用软阈值函数来消除干扰,基线平稳,噪声基本上是移除,但是该地区第一个峰值失真和第三个峰分别为10.9102%和12.5462%,分别,这将大大影响测量的内容实质的决心。显然,新提出的方法能够很好地去除噪声,平滑去噪信号,三峰的峰值区域基本上保持不变。以上所有这些表明,本文改进的阈值函数法是有效的,优于现有方法。

4所示。结束语

在这个工作中,我的方法⁴D信号去噪的基础上提出了一种改进的阈值函数的小波变换。仿真实验结果表明,本文提出的方法优于Savitzky-Golay,快速傅里叶变换和软阈值方法。研究样本的实际检测信号的去噪与浓度的0.1毫米证明该方法具有良好的去噪效果和强大的峰面积保护能力。因此,这种方法对信号去噪的我有着重要的实用价值⁴d .此外,改进阈值函数的方法有一定的局限性,如变量参数的值一个由我们的经验手动选择。预计将来会设计一个算法实现参数优化。

缩写

我看见4D:

微芯片电泳基于电容耦合非接触电导检测。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突有关的出版。

确认

这项工作得到了湖南省科技计划(2017 sk2164和2019 tp1014号),湖南省教育研究项目优秀青年(没有。16 b114),湖南省为研究生(没有创新的基础。CX20190931),科研创新团队的湖南科技学院(没有。2019 - td - 10)。

引用

1. k . a . Mahabadi罗德里格斯,c . y . Lim et al .,“电容耦合非接触电导检测双重自上而下单元配置的微芯片电泳,”电泳没有,卷。31日。6,1063 - 1070年,2010页。视图:出版商的网站|谷歌学术搜索
2. k·c·a . Rezende r . c . Moreira l . p . l . Logrado et al .,“真实性筛选了威士忌样品使用电泳微芯片加上非接触式电导检测,”电泳,37卷,不。21日,第2895 - 2891页,2016年。视图:出版商的网站|谷歌学术搜索
3. f .问:聂,m . Macka和b . Paull”注射微流分析系统:芯片上的样品预浓缩,注入和交付使用耦合的单片电渗泵,”芯片上的实验室,7卷,不。11日,2007年。视图:出版商的网站|谷歌学术搜索
4. 佼佼者a Manz: Graber, h . m . Widmer”小型总化学分析系统:小说概念的化学传感、”传感器和执行器B(化学),1卷,不。1 - 6,244 - 248年,1990页。视图:出版商的网站|谷歌学术搜索
5. t . Vilkner d Janasek佼佼者a Manz,“微全分析系统。最近的事态发展。”分析化学,卷76,不。12日,第3386 - 3373页,2004年。视图:出版商的网站|谷歌学术搜索
6. g·f·克里斯托弗和s . l .安娜,“局部点评:微流控的方法生成连续的液滴流,”物理D应用物理杂志》上,40卷,不。19日,3373 - 3386年,2007页。视图:出版商的网站|谷歌学术搜索
7. h . d . Liu, f·丰塔纳,j . t .差距和h·a·桑托斯,“当前微流控技术的发展和应用对纳米药物的临床翻译”先进的药物输送的评论卷。128年,54 - 83年,2018页。视图:出版商的网站|谷歌学术搜索
8. h .木村、y酒井法子和t .藤井裕久”器官/ body-on-a-chip基于微流控技术对药物发现,“药物代谢与药物动力学,33卷,不。1,43-48,2017页。视图:出版商的网站|谷歌学术搜索
9. g . z h . Yu Cai, l . y .郑et al .,“快速、敏感的微流控信号生物传感器检测沙门氏菌利用磁性分离和酶催化,”食品控制卷,103年,第193 - 186页,2019年。视图:出版商的网站|谷歌学术搜索
10. g .陈、林y和j .王”芯片毛细管电泳电化学检测监测环境污染物,”当前的分析化学,卷2,不。1,43-50,2006页。视图:出版商的网站|谷歌学术搜索
11. l .备忘录r·h .董b·f·胡et al .,“分层次结构芯片的即时分析与动态检测范围,“芯片上的实验室,19卷,2019年。视图:出版商的网站|谷歌学术搜索
12. r . m . Guijt e . Baltussen g . van der Steen et al .,“毛细管电泳与芯片上的四电极电容耦合电导率检测生物分析法的应用,”电泳,22卷,不。12日,第2541 - 2537页,2001年。视图:出版商的网站|谷歌学术搜索
13. k·帕维尔和p·c·豪泽,“电容耦合非接触电导检测本文techniques-recent发展,”电泳,32卷,不。1,30-42,2011页。视图:出版商的网站|谷歌学术搜索
14. w·k·t·Coltro r·s·利马t . p . Segato et al .,“电容耦合非接触电导检测微流控systems-ten多年的发展,“分析方法,4卷,不。1,2012。视图:出版商的网站|谷歌学术搜索
15. z黄m .杨h .你,y谢,“并发决心和无机阳离子和阴离子的分离与精确控制高压微芯片电泳,”电泳,39卷,不。14日,第1807 - 1802页,2018年。视图:出版商的网站|谷歌学术搜索
16. k·帕维尔和p·c·豪泽”,回顾最近的成就电容耦合非接触式电导检测,”分析Chimica学报,卷607,不。1、15 - 29,2008页。视图:出版商的网站|谷歌学术搜索
17. f . Georg, h·安娜,美国沃尔特et al .,“端到端微分非接触式电导传感器芯片毛细管电泳,”分析化学,卷82,不。8,3270 - 3275年,2010页。视图:出版商的网站|谷歌学术搜索
18. 杨w·曹,x, x, e . Wang“离散小波变换对信号去噪在毛细管电泳电化学发光检测,”电泳,24卷,不。18日,第3130 - 3124页,2003年。视图:出版商的网站|谷歌学术搜索
19. B.-F。Liu y血清,松原n, k .大冢和s . Terabe“离散小波变换的信号去噪和基线校正芯片毛细管电泳,”电泳,24卷,不。18日,第3265 - 3260页,2003年。视图:出版商的网站|谷歌学术搜索
20. y . n .通y . g .他李h . m . et al .,”方法,小波变换使用switched-current电路频域近似优化,“《电子测量与仪器,28卷,不。3、262 - 271年,2014页。视图:谷歌学术搜索
21. c .高,m .沈x Liu l . Wang和m .楚“静态控制氧气顶吹转炉终点(转炉炼钢)基于小波变换的加权双子支持向量回归,”复杂性卷,2019篇文章ID 7408725, 16页,2019年。视图:出版商的网站|谷歌学术搜索
22. x h·h·f·张x w . Liu邵et al .,”这项研究改善与平移不变小波阈值去噪的毛细管电泳信号,”学报》2009年第四届IEEE国际会议上纳米/微工程和分子系统,深圳,中国,2009。视图:出版商的网站|谷歌学术搜索
23. x y陈和j . y .莫”应用程序基于提升方案的化学信号小波变换,“《仪器分析,23卷,不。1,5 - 8,2004页。视图:谷歌学术搜索
24. w . c . Chen腾,j·h·哈恩”Nanoband电极高性能滞留在双通道测量电流的检测芯片毛细管电泳,”电泳,32卷,不。8,838 - 843年,2011页。视图:出版商的网站|谷歌学术搜索
25. 陈j . y, y w·詹曹h . y . et al .,“小波去噪阈值,基于连续可微的阈值函数和规模”《电子测量与仪器,32卷,不。10日,169 - 176年,2018页。视图:谷歌学术搜索
26. d·g·w·陈,x b . Liu王et al .,“基于改进的小波变换去噪的MEMS陀螺仪,”电子与信息技术杂志》上第41卷。。5,1025 - 1031年,2019页。视图:谷歌学术搜索
27. j·w·张、冯y和w·李”的研究基于一种改进的阈值函数,小波去噪方法”电子工程设计,25卷,不。9日,第140 - 137页,2017年。视图:谷歌学术搜索
28. w·吴”,研究和实现毛细管电泳信号的采集和存储系统基于uta,”2006年,硕士论文,上海大学,上海,中国。视图:谷歌学术搜索
29. w·p·严、c . c .徐和j·h·李”的使用离散小波对信号去噪在芯片毛细管电泳,”学报2006年第六届世界大会在智能控制和自动化卷。7日,页。5254 - 5258年,大连,中国,2006。视图:出版商的网站|谷歌学术搜索
30. h .邢和y燕”,海杂波背景下检测低空飞行目标的基于沃尔泰拉过滤器,”复杂性卷,2018篇文章ID 1513591, 12页,2018。视图:出版商的网站|谷歌学术搜索
31. h . y, y l .周f .田et al .,“小波振动信号用一种新的自适应阈值函数去噪算法,”中国期刊的科学仪器,36卷,不。10日,2200 - 2206年,2015页。视图:谷歌学术搜索

版权

版权©2020 Yaonan通等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。