view in publisher's site
- خانه
- لیست مقالات
- چکیده
A review of NQR signal processing and analysis techniques
Highlights•A comprehensive review of NQR signal processing and analysis techniques.•Classification of pre- and post-processing and analysis techniques.•Description of mono- and multi-channel solutions.•Comparative analysis of several detection algorithms.•Machine learning techniques are proposed to improve detection performance.AbstractNuclear quadrupole resonance is a solid-state spectroscopy technique used for detecting compounds containing quadrupolar nuclei. Its advantages, such as high specificity and non-invasive scanning, have enabled its application in pharmaceutical analysis and prohibited substances detection. However, it has the disadvantages of very low signal-to-noise ratio and temperature dependence of the response signal, and multiple signal processing techniques have been developed to compensate them. The purpose of this article is to provide a comprehensive review of the signal processing and analysis techniques developed for improving detection in nuclear quadrupole resonance spectroscopy, in order to serve as a starting point for new researchers. An introduction in this field is given and the specific signal processing challenges are presented. A new classification of existing solutions is proposed and a comparative analysis is performed in different noise and temperature conditions on multiple statistical and machine learning algorithms. The classification solutions are shown to outperform the statistical ones and the use of machine learning techniques is proposed for future improvement. This study is also instructive for research regarding the selection of a signal processing and analysis algorithm for nuclear quadrupole resonance detection and can be used as a reference for future works.
مروری بر تکنیک‌های پردازش و تحلیل سیگنال NQR
کاره‌ای مهم بررسی جامع تکنیک‌های پردازش و تحلیل سیگنال NQR.
طبقه‌بندی تکنیک‌های قبل و بعد از پردازش و تحلیل.
توصیف راه‌حل‌های تک و چند کاناله.
تحلیل مقایسه‌ای چندین الگوریتم تشخیص.
تکنیک‌های یادگیری ماشینی برای بهبود عملکرد تشخیص پیشنهاد شده‌اند. رزونانس چهار قطبی هسته‌ای مخرب یک تکنیک طیف‌سنجی حالت جامد است که برای تشخیص ترکیبات حاوی هسته‌های چهار قطبی به کار می‌رود.
مزایای آن، مانند ویژگی بالا و اسکن غیر تهاجمی، کاربرد آن در آنالیز دارویی و تشخیص مواد ممنوعه را ممکن ساخته‌است.
با این حال، این روش معایب نسبت سیگنال به نویز بسیار پایین و وابستگی دمایی سیگنال واکنش را دارد، و تکنیک‌های پردازش سیگنال چندگانه برای جبران آن‌ها توسعه داده شده‌اند.
هدف از این مقاله ارایه یک بررسی جامع از تکنیک‌های پردازش سیگنال و تحلیل توسعه‌یافته برای بهبود تشخیص در طیف‌سنجی تشدید چهارقطبی هسته‌ای است تا به عنوان یک نقطه شروع برای محققان جدید عمل کند.
مقدمه‌ای در این زمینه ارایه شده‌است و چالش‌های خاص پردازش سیگنال ارایه شده‌است.
یک طبقه‌بندی جدید از راه‌حل‌های موجود پیشنهاد شده و یک تحلیل مقایسه‌ای در شرایط مختلف نویز و دما بر روی الگوریتم های آماری و یادگیری ماشین انجام می‌شود.
نشان‌داده شده‌است که راه‌حل‌های طبقه‌بندی بهتر از راه‌حل‌های آماری عمل می‌کنند و استفاده از تکنیک‌های یادگیری ماشین برای بهبود آینده پیشنهاد شده‌است.
این مطالعه همچنین برای تحقیق در مورد انتخاب یک الگوریتم پردازش سیگنال و تحلیل برای تشخیص رزونانس چهار قطبی هسته‌ای مفید است و می‌تواند به عنوان یک مرجع برای کاره‌ای آینده مورد استفاده قرار گیرد.
ترجمه شده با 
- مقاله Applied Mathematics
- ترجمه مقاله Applied Mathematics
- مقاله ریاضیات کاربردی
- ترجمه مقاله ریاضیات کاربردی
- مقاله Control and Systems Engineering
- ترجمه مقاله Control and Systems Engineering
- مقاله مهندسی کنترل و سیستم‌ها
- ترجمه مقاله مهندسی کنترل و سیستم‌ها
- مقاله Signal Processing
- ترجمه مقاله Signal Processing
- مقاله پردازش سیگنال
- ترجمه مقاله پردازش سیگنال
- مقاله Computer Networks and Communications
- ترجمه مقاله Computer Networks and Communications
- مقاله شبکه‌ها و ارتباطات کامپیوتری
- ترجمه مقاله شبکه‌ها و ارتباطات کامپیوتری
ترجمه کنید