去除离子选择电极上化学、动力学与电学伪影的深度学习方法
机器学习
2020-12-24 v4 信号处理
摘要
我们提出一种基于深度学习的传感器信号处理方法，用于去除离子选择电极测量值中的化学、动力学与电学伪影。ISE 通过测量玻璃膜上的能斯特电位来研究水溶液中特定离子的浓度。然而，将 ISE 应用于多种离子混合溶液时存在一些问题。第一个问题是称为离子干扰效应的化学伪影。带电粒子相互交互并流经不同 ISE 的玻璃膜。第二个问题是由液体运动引起的动力学伪影。水分子与玻璃膜碰撞导致电压的异常峰值。最后一个伪影是 ISE 间的干扰。当多个 ISE 浸入同一溶液时，一个电极的信号发射会干扰其他电极的电压测量。因此，建议 ISE 仅用于单离子溶液，且不同时施加任何其他传感器。深度学习方法可同时去除上述三类伪影。所提方法使用 5 层人工神经网络回归正确信号，通过一次性计算去除复杂伪影。其 MAPE 小于 1.8%，回归的 R2 为 0.997。随机选取的 AI 处理数据值的 MAPE 小于 5%（p 值 0.016）。
引用
@article{arxiv.2005.13400,
title = {Deep learning method to remove chemical, kinetic and electric artifacts on ISEs},
author = {Byunghyun Ban},
journal= {arXiv preprint arXiv:2005.13400},
year = {2020}
}