近期，我校电控学院李明研究员在国际顶级期刊《Talanta》（中科院一区、TOP期刊）发表题为“Signal Processing for Miniature Mass Spectrometer Based on LSTM-EEMD Feature Digging”的研究论文。该研究创造性地提出了一种基于长短期记忆-集合经验模态分解（LSTM-EEMD）的数据处理方法，为提高小型质谱仪在复杂基质样品和恶劣环境条件下的现场检测性能开辟了新路径。
质谱信号是典型的非平稳信号，由于硬件限制和环境条件约束，通常会受到强干扰，这在需要检测复杂基质的应用中是一项重大挑战。传统的数据处理方法在处理此类样本数据方面效果有限，难以完全消除干扰和提高数据质量。本研究针对这一难题，通过深入剖析现有数据处理算法的局限性，提出了一系列创新性的改进策略。研究团队设计了一种新颖的数据优化算法，该算法结合了EEMD 方法可以清晰地分解质谱信号中不同的物理特征分量和LSTM 方法可以自适应地学习信号的内部特征关系的能力，从而显著提升了质谱数据的质量，极大扩展了小型质谱仪在生命科学、生物医药等领域的应用范围。
该研究是在李明研究员牵头的国家重点研发计划“基础科研条件和重大科学仪器设备研发专项”《高灵敏数字化生物气溶胶直接分析仪》（批准号：2023YFF0723500）支持下完成的，是该项目的重大成果和标志性进展。我校22级研究生詹陈锐为本文的第一作者，李明研究员为通讯作者，北方工业大学为第一完成单位，合作者中国检验检疫科学研究院首席专家马强研究员团队提供了研究所需的质谱数据。
李明研究员的这一研究成果，是学校实施人才强校计划和加强科研团队建设取得重要成果的体现，将进一步提升我校在国家重大仪器研制领域的综合水平和国际影响力。
官方微信
官方微博