Savitzky-Golayfilter滤波论文-Using Smoothing Algorithms to Reduce Baseline Noise in Chromatography翻译

Using Smoothing Algorithms to Reduce Baseline Noise in Chromatography

使用平滑算法减少色谱中的基线噪声

介绍

虽然大多数现代数据分析系统足以确定峰面积和峰高，但必须使用适当的积分参数才能进行良好的量化。 结果将取决于：

• 系统如何过滤或平均短期噪声
• 数据收集频率
• 用于处理数据的计算机算法

短期噪声（也称为高频噪声，> 1 Hz) 对大多数信噪比(S/N) 测量具有重要意义。 短期噪声是由多种因素造成的，包括探测器噪声、泵送系统的脉动和电子噪声集成系统。

长期噪声（频率在0.1和 1 Hz 之间的信号变化）通常表示外部源（例如室温）或系统问题，并限制色谱峰的准确测量。 长期噪音可能是由较差的在线混合、流动相随时间的轻微变化、温度变化、固定相流失或先前进样中洗脱较晚的化合物引起的。

要检测峰，必须确定基线噪声（高于该水平可以检测到峰）和适当的峰宽。 如果收集到足够的数据点（每个峰大约 20 个点），则可以以合理的准确度确定基线噪声水平。 峰宽有助于设置每个峰的起点和终点，应设置为检测预期的最窄峰。 如果预期峰的峰宽设置太窄，则无法检测到峰。 如果设置太高，则积分可能不准确。

本技术说明介绍了如何使用 PeakNet 软件中可用的平滑算法来降低基线噪声。 PeakNet 中提供了三种平滑算法：移动平均、Olympic 和 Savitzky-Golay。 下面是每个算法的简要说明。

移动平均线 （Moving Average）

移动平均算法是一种简单且基本的滤波技术，其中输入集的平均值用于生成一个输出值。该算法具有降低信号幅度的趋势，因为峰值顶点与围绕它们的较低值进行平均。 移动平均线是一种原始算法，但在峰值相对较宽（超过 30 秒）的情况下很有用。

奥林匹克 （Olympic）

奥林匹克算法是移动平均算法的改进形式。 舍弃一个数据集的高低值，其余的取平均值。

萨维茨基-戈莱（Savltzky-Golay）

Savitzky-Golay 算法最初是为光谱学开发的，但也适用于其他数据集。 该算法对数据集中的点进行平均，但首先将每个点乘以一个权重因子。 从二次和三次多项式导出的因子最强调数据集的中心点，而逐渐减少对更远点的强调。 使用该算法可最大限度地减少峰顶点的失真。