突发话题检测（通用7篇）
突发话题检测 篇1
0 引言
突发话题(Bursty Event)是一种在网络上,由突发性公共事件引起的,对社会影响较大的话题,如重大自然灾害,安全事故,社会公共事件等。这些话题最显著的特点是不可预测性。突发话题检测可分为在线话题检测(Online Event Detection)和回溯性(Retrospective Event Detection)话题检测[1]。对在线突发检测系统而言,输入数据是线上实时的数据流,系统对下一秒到达的数据是完全未知的,故其重点是尽早发现突发话题,即突发话题预警。
Fung[2]创造性地提出以特征为中心(feature-pivot)的突发话题检测方法,与传统的以文档为中心(document-pivot)的聚类方法不同之处在于,该方法通过在时序上的关键词的出现频率特征获得突发特征,然后根据突发特征的分布进行突发话题聚类。He[3]在Fung以特征为中心的研究方向上更进一步,通过使用谱分析方法对关键词TF-IDF曲线进行分析,将时域上的词频曲线映射到频域,最后对频域曲线使用高斯模型建模,来寻找突发话题。同一时期,该作者还提出了将向量空间模型与潜在突发特征结合的突发话题检测方法。
归根结底,在线突发话题检测是目前舆情研究的热点问题,也是话题检测与跟踪的未来研究趋势。本文在特定的微博语料环境下,采用先提取突发特征,后对突发特征聚类进而形成话题的方法进行研究。以基于自动状态机模型的突发话题检测为基础设计突发特征检测算法,以基于密度的聚类算法为基础设计突发特征聚类算法。并以此为基础实现一套系统,主要研究目标在于:
1. 关注微博环境与传统互联网环境的差异,提出基于这种差异的改进。
2.关注突发特征聚类方法,加入语义特征,使得到的突发话题可读性更强。
系统处理流程主要分两部分:突发特征检测,突发特征聚类。(如图1)
1 突发特征检测
本节主要解决的问题就是,在经过预处理的twitter微博数据流的条件下,如何使用状态自动机方法提取突发特征,即突发词。
在突发特征检测领域,Kleinberg[4]提出了一个非常具有开创性的状态自动机模型,用于在文本信息流中提取突发特征。状态自动机模型假设数据流中的每个潜在话题词在各个时间片上对应一个具有n个状态的自动机(图2)。
这n个状态分别对应非突发态,1级突发,2级突发,…,n级突发,通常可以简化为2状态自动机,即具有突发态和非突发态两种状态。在已知某一时间片的词频的条件下,可以计算当前时间片内自动机最大概率处于哪一状态,又由于马尔科夫模型的无后效性,可以估算出自动机后验概率最大的状态转移序列。这个序列中状态的翻转表示突发时间段的开始或结束,是突发时间段的边界。
该模型中有两个主要参数:解析度参数和状态翻转代价。Kleinberg的文章中根据经验采用了固定的参数,在新闻语料上取得了不错的效果,但是同样的参数可能并不适用于微博语料。本文的工作之一就是对这两个参数进行调优。
1.1 状态机求解
在这篇文章中,将按时序发表的微博看做一个短文本文档流,我们不关心突发的层次结构,而只是想要快速识别发生高强度突发的话题,因此我们采用2状态的自动机,以较低概率生成特征词的q0状态,以较高概率生成特征词的q1状态。假设初始状态下,每个特征词的自动机都处于q0状态。则给定特征到达间隔的基础上,某状态序列的条件概率为:
其中Z是标准化的常数,这样,等式两边同时取-ln,定义损耗cost=-ln(Pr),并去掉无关项,上面的问题变成:找到一个状态序列,使得下面cost函数取得最小值:
由上式可以看出,最小化cost函数的最优状态序列由两部分决定:第一,是状态翻转的代价的大小,即容不容易发生翻转;第二,是特征词在个时间片内内的达速率。
状态自动机实质上是一个隐马尔可夫(Hidden Markov Model)模型,其中“q0”代表正常状态,“q1”代表突发状态。我们把微博数据流按时间片分为n组(n=12),定义第t组的微博数量为dt,第t组中出现特征词的微博数量为rt,则相关微博总数,总微博数。模型假设相关序列是服从两个二项分布的混合分布。这两个二项分布的参数分别p0 (非突发)和p1(突发),p0可以用全局条件下特征词出现的期望来估计,即p0=R/D。另外,在突发状态下,我们令p1=s*p0,其中s是p1与p0的比值,代表突发状态下二项分布的期望与正常状态的倍数关系。
给定时间t,状态机在时间t处在状态i的代价可以表示为:
其中表示处于状态i的状态代价(state cost),σ(i,j)表示从状态i到j的转移代价(change cost),ci(t-1)表示在t-1时刻处于状态i的综合代价,我们的目标是求状态序列Q在t时刻的取值qt,使得取最小值Ci(t)。
1.2 参数调优
在上述的模型求解中,引入了两个参数:解析度参数s和状态翻转代价c,该模型两个参数都从不同方面影响突发特征检测的灵敏度。
直观来看,一个词是否突发可以通过词频的变化量来体现。在这个基础上,我们可以设定一个阈值θ,当某时间片上的词频变化大于θ时,则判定在这段时间内发生了突发。这种方法虽然容易理解,但是很难有实际应用意义。因为阈值设置过高,会导致无法检测出某些突发;设置过低,会检测出很多实际上不是突发的特征词。所以在实际操作中,很难找到一个合适于所有情况的阈值。尽管如此,如上方法反映了突发特征检测的实质:寻找一个临界点,将突发和非突发区分开。在自动状态机模型中,解析度s参数起到了区分突发与非突发的作用。由于p1=s·p0,又0
在二状态自动机模型中,除提供了一个用于区分突发与非突发状态的相对阈值外,还设立了一个潜在的判定区间[-c,c],这个区间起缓冲作用,当一个特征经过解析度阈值判定为突发,但是突发的置信度不够高,落在[-c,c]这个判定区间内。这时系统会延迟对这个特征的判定,它实际上是噪声和突发特征之间的一个置信度下界,目的是去掉置信度过小的突发词。
2 突发特征聚类
上一节描述了系统获得突发关键词的算法。下面,在获得突发词及其词频特征的前提下,我们通过某种聚类算法将检测到的突发词聚类,使之自动聚合成突发话题。聚类算法的应用十分广泛,涉及的领域包括模式识别、图像处理、数据压缩和人工智能等。然而不管聚类算法的应用在哪方面,其抽象意义是不变的:就是把需要分类的对象提取特征,映射到高维空间的样本点,并采用一些聚类算法对这些样本点进行分类。这个过程中,有两点是聚类的关键:
1.对象到样本点的映射以及样本点之间相似度的度量。
2.对样本点的聚类方法。
下面分两节分别阐述这两方面问题和本文采用的算法。
2.1 相似度度量
2.1.1 关键词的向量表示
在文本聚类中,文本用抽象的向量表示,即向量空间模型(VSM:Vector Space Model)。VSM把对文本内容的处理简化为向量空间中的向量运算,并且它以空间上的相似度表达文本的相似度,直观易懂。
类似的,本文中,我们把突发特征词也用向量表示。一个基本的想法是使用计算最佳状态序列的过程中,自动状态机统计的词频序列F=(f1,f2,...,fn)其中fi是在第i个时间片内,该特征词的词频。直观的来说,两个属于同一话题的突发词,其词频曲线是相似的(如图3,Femme Fatale是布兰妮2011/02/02发布的新专辑)。
但是由于某些特征词不仅出现在一个话题中,或者同一时间片内发生了两个不同的突发话题,这些都可能导致同一突发话题的突发词的词频曲线变得不同,或不同话题的特征词有相同的词频特征。
针对这种情况,我们可以采用求词频序列的差值序列,然后归一化的方法来消除影响。定义差值序列DF=(f2-f1,f3-f2,…,fn-fn-1),它反应了特征词词频变化的趋势的相对值,再对其归一化,得到特征词向量表示:
其中Δfmax为差值序列中的最大值,经过归一化之后,向量的每一维都变成无量纲的相对值,且值域在0到1之间。这样特征词就可以用特征向量V来表示并用来计算特征词之间的相似度了。
2.1.2 相似度计算
关于向量相似度的度量,已经有很多成熟的距离测度,例如:Minkowsky聚类(明氏距离),Euclidean距离(欧式距离),余弦距离,还有比较新的KL距离等。明氏距离和欧式距离都需要对所有样本点的向量长度进行归一化,计算的是绝对距离,而余弦距离衡量的是向量夹角,因此这里我们选择余弦距离作为特征词之间的相似度度量方式。
但是以上方法只用到基于统计的特征,毕竟有局限性,它不能分辨出在相同时间段内发生突发的两个不同话题。为此,我们还需要引入上下文相关的语义特征,基于共现关系的词激活力模型Word Activation Forces (WAF):
WAF模型[5]提出了一种有效的方法,将语法和语义信息映射到稀疏的词网络,能够突出独立词的特征。公式中,fij是在该时间片的语料中词i和词j在共现窗口中共现的次数,由于这里统计的共现是考虑位置关系的,所以fij不等于fji;dij是在词i和词j出现共现的平均距离;f1是特征词i在时间片内的词频。这里需要注意的是,这里定义的词窗是具有固定长度的一个滑动窗口,共现关系被限制在这个长度区间内。
如果将看做质量,WAF公式具有与万有引力公式相似的结构,这也揭示了词激活力模型的潜在物理意义。
结合上面词频特征向量余弦相似度,我们最终定义两个突发特征词i和j的相似度度量如下:
其中cos (Vi,Vj)是特征词i和j归一化差值向量的余弦相似度,WAFij是特征词i到i的激活力,最终结果是两者线性加权的和。a和b是经验参数,反应词频特征和上下文特征分别所占的权重,试验中我们根据经验取a=1,b=0.5。
2.2 聚类方法选择
2.2.1 传统聚类方法
传统的聚类分析计算方法主要有如下两种种:划分聚类(Partitioning Method)、层次聚类(Hierarchical Method)。
其中,划分聚类k-means方法实现简单有效,适于球形聚类,但需要事先确定聚类的数目,并且对孤立噪声点敏感,同时,聚类结果和效率跟初始类中心的选择有很大关系;层次聚类算法的优点在于:距离和规则的相似度容易定义,限制少;不需要预先制定聚类数;可以发现类间的层次关系。但缺点是时间复杂度较高,同时奇异值也会对算法产生较大影响。
2.2.2 基于密度的聚类
基于密度的方法与其它方法的一个根本区别是:它将簇定义为密度相连的点的最大集合,能够把具有足够高密度的区域划分为簇。这样就能克服基于距离的算法只能发现“类圆形”的聚类的缺点。这个方法的指导思想就是,只要一个区域中的点的密度大过某个阀值,就把它加到与之相近的类中去。代表算法有:DBSCAN算法、SNN算法、DENCLUE算法等。
以DBSCAN (Density-Based Spatial Clustering of Applications with Noise)[6]为例,未经任何优化的情况下算法的时间复杂度是O(n2),看起来并不高效,同时空间复杂度也要O(n2)。但是由于本文研究的对象是突发特征词,维度并不高,并且特征词样本数量也比较少(最多达到102量级),同时我们也无法证明特征词的分布在高维空间上映射成“球形”,所以选用DBSCAN这种基于密度的聚类方式是可靠的。而且,它还具有自动判别类数,可以有效识别噪声,方便调节参数等特点。所以本文将采用基于密度的DBSCAN算法来对突发特征词进行聚类。
3 实验结果及分析
3.1 预处理
为了客观的验证算法,本文使用来自于twitter微博。包含从2011年1月23号到2011年2月8号的全部一千五百多万条twitter微博作为实验原始数据。进行预处理,剩下近一千万条英文微博并词干化。以天为单位分割成17个时间片,作为系统突发特征检测模块的输入文档流,统计算并分析天级别的突发话题。
本文构造了一个热点话题列表,其中列举了语料所覆盖的时间范围内发生,并且在twitter上造成一定影响的主要事件。对每个事件标记出关键词,用来进行后续量化评估,如图4。
3.2 突发特征检测实验
实验的第一步是找到具有突发特性的话题词,为了能够找到尽可能多的突发,而后进行了如下假设:如果一个词是具有突发性的话题词,那么它的至少是相对高频的词。因此我们给状态自动机设定一个阈值thr,小于这个阈值的特征词不计算突发状态序列,也就是说在这个时间片内不可能被判定为突发特征。这个阈值跟文档流的数量有关,经过实验尝试,发现thr=400在本系统的环境下能取得较好的效果。
由于系统需要一些先验知识的统计数据,例如总微博数D和总相关微博数R等,这些统计量是为了统计特征词在正常状态下的词频特征,因此我们在输入23日,24日两天的数据之后开始进行突发特征检测。以Kleinberg试验中对新闻语料有效的阈值解析度s=5.0为例,计算突发特征词。
假设前面标注的第i天突发话题的突发关键词集合为Ri={r1,r2…,rn},而系统检测出的突发关键词集合为S1={s1,s2…,sm},我们定义评价指标如下:
1.平均召回率:
2.平均准确率:
3.F值:
其中|Ri∩Si|表示两个集合中交集的个数。召回率衡量“找全”的能力,准确率衡量“找准”的能力。而Macro F值综合考虑了准确率与召回率,是一个比较全面的评价标准,可以直观的比较结果的优劣。
首先取状态翻转代价为一个固定值,我们借鉴Parikh等的研究给出的状态翻转代价c=log(D)。调整解析度参数,进行对比试验,如实验效果图5所示。
可以看出,解析度参数对系统的效果影响较大,它是一个判定一个词是否突发的阈值。解析度参数过大会导致检测出的突发词很少,召回率大幅降低;解析度参数过过小会导致检测出过多噪声,准确率大幅度降低。从实验结果来看,选择解析度参数s=6.6,可以在本实验条件下取得最好效果。
通过实验结果进行分析,由于我们处理的是不规范的微博语料,文本中信息量本来就很少,而且话题的分布也比较不均匀,娱乐话题较多,政治时事话题较少,这是微博语聊本身的特点。同时由于由于周期性话题的出现,例如:每周末的电视节目等,给突发话题引入噪声。因此相比新闻标题语料,微博突发话题检测系统应适当调高解析度参数,提高检测突发特征的阈值。
3.3 突发特征聚类对比实验
确定解析度参数s=6.6和状态翻转代价log(D),并得到突发特征词集合后,下一步就是对这些突发词进行聚类。前面已经介绍过,本系统将特征词的词频曲线余弦相似度和上下文词间激活力的线性加权作为相似度度量,采用基于密度的DBSCAN聚类方法进行聚类形成突发话题。下面就对这一方法的有效性进行验证。
假设样本突发话题集中标准的类别集合为Ri={r1,r2,…,rn},实验判定的聚类结果为Si={s1,s2,...,sm},则召回率(Recall),准确率(Precision)以及F值(Macro F)定义如下:
1.召回率:
2.准确率:
3.F值:
我们将前人研究的突发话题检测方法作为base line,采用基于突发词频特征曲线相似度作为样本相似度度量,采用划分聚类方式进行聚类。与本文提出的算法进行比较,同时调节DBSCAN中的阈值,优化聚类效果。得到结果见表1。
此外,DBSCAN聚类算法中的阈值对聚类结果也有一定影响。相同MinPts条件下,eps值较大则聚出的类较大,个数较少;反之类小,个数多。而固定eps值,调节MinPts,则影响对噪声的敏感度。MinPts越大,聚出的类密度越大,同时越容易将边缘样本点判定为噪声,意味着高准确率低召回率。
由表1可绘制柱状图(图6),表1和图6表明,加入WAF特征后聚类的准确率和召回率都有一定提升,即F值得到了提升。证明本文提出的算法是有效的,能在一定程度上提升突发话题聚类的效果。
4 结论
本文针对目前突发特征检测领域经典的基于状态自动机的突发特征检测方法,提出适于一种微博语境的改进,并结合统计特征与与语意特征进行话题聚类。以此为基础实现一套系统进行对比试验,证明了该算法的可行性。
摘要：提出一种基于状态自动机的突发特征检测算法,针对微博数据长度小,语言不规范,噪声大,数据量大的特点,优化预处理过程和状态自动机模型参数;提出一种突发话题聚类算法,对特征词的词频向量表示进行改进,并引入基于词激活力(WAF)的词法特征,使得聚类效果更加准确,得到的突发话题可读性更强。最后通过实验方法验证了算法的可行性。
关键词：文本检索,突发话题检测,话题聚类
参考文献
[1]殷风景面向网络舆情监控的热点话题发现技术研究[D],北京, ??国防科学技术大学,2010.
[2]Fung,G.,J.Yu,P.Yu,et al.Parameter free bursty events detection in text streams.In Proceedings of the 31st international conference on Very large data bases.2005.p. 181-192.
[3]He,Q.,K.Chang,and E.Lim.Analyzing feature trajectories for event detection[A].In 30th annual international ACM SIGIR conference on Research and development in information retrieval[C].2007.p.214.
[4]Kleinberg,J.,Bursty and hierarchical structure in streams[A].Data Mining and Knowledge Discovery[C], 2003.7(4):p.373-397.
[5]Guo Jun,Guo Hailiang,Wang Zhanyi.An Activation Force-based Affinity Measure for Analyzing Complex Networks[J].Scientific Reports,2011.10
[6]Martin Ester,Hans-Peter Kriegel,Jorg Sander,Xiaowei Xu(1996-).A density-based algorithm for discovering clusters in large spatial databases with noise[A].In Evangelos Simoudis,Jiawei Han,Usama M.Fayyad. Proceedings of the Second International Conference on Knowledge Discovery and Data Mining(KDD-96).AAAI Press,pp.226-231.
突发水污染事件应急检测技术 篇2
自然灾害,意外事故及人为投毒[4]均可导致突发饮用水化学污染事故。不同于一般化学危害,它没有固定排放方式和排放途径,都是突然发生、在短时间内有大量污染物质排放,对环境造成严重污染[5]。针对饮用水污染应急监测就要求监测人员在事故现场,用小型、便携、简易、快速检测仪器或装备,在尽可能短时间内判断出污染物种类、浓度、污染范围及可能污染程度,为及时、正确处理、处置有毒有害污染物事故和制定恢复措施提供科学决策依据[6]。本文就突发性水污染事件应急检测技术做一综述。
1 应急检测技术与仪器设备
突发水污染事故危害程度和范围具有很强时空性,所以对污染物检测必须从静态到动态、从地区性到区域性乃至更大范围实时现场快速检测,以解当时当地污染状况与程度,并快速提供有关检测报告。因此,这些检测技术和检测仪器应具备以下要求[7]:(1)分析方法简单快速,短时间内给出检测结果,并且检测结果要直观、易判断。(2) 检测仪器最好具有快速扫描定性功能,能迅速判断危害物种类、危害范围等,并具有较好灵敏度、准确度和再现性。(3) 应急检测仪器具有良好环境适应性和抗干扰能力,以适应复杂现场环境。(4) 应急检测仪器要轻便、易于携带,以便适应空间较大变化。(5) 操作简单直观。(6) 试剂用量少,稳定性好。(7) 不需采用特殊取样和复杂前处理,最好是电池供电。(8) 辅助测量器具最好是一次性使用,避免用后进行涮洗、晾干、收存等处理工作。(9)常用耗材价格要低,否则检测成本太高不利于推广。(10)有时将检测仪器装载在机动车或船上,需要仪器能够防较大震动和颠簸。
卫生应急检测仪器按原理可分为 :化学比色方法,如农药残留检测试纸 ;光谱仪器方法,如多功能水质分析仪等 ;色谱仪器方法,如便携式GC、GC-MS等 ;电化学传感器方法,如各类便携式选择离子分析仪等。
2.1 化学比色方法
2.1.1试纸法使用对污染物有选择性反应分析试剂制成专用分析试纸,对污染物进行测试,通过试纸颜色变化可对污染物进行快速定性分析。将变色后试纸与标准色阶比较可以得到半定量化测试结果。商品试纸本身已配有色阶,有还会配备标准比色板。目前市场上常见有 :p H试纸、砷试纸、铬试纸、氟化物试纸、氰化物试纸、KI- 淀粉试纸、铵离子试纸和锌离子试纸等。
胡美珍等[8]利用中性条件时显色剂与余氯显色反应,将显色剂、隐蔽剂及表面活性剂固定在层析纸上,研制余氯快速检测试纸,并成功用于各种水样快速检测。Gomes和Sales[9]将3- 氨基丙基三乙氧基硅烷 (APTES) 与葡萄糖基反应而固定在纸带上,然后在有金属离子条件下与土霉素反应形成有色化合物,从而检测水中土霉素含量,检出限为30 ng/m L。Amelin[10]利用重金属离子和显色剂显色反应,研制测定Ti4+、Mo6+、W6+和V5+快速检测试纸,其检出范围分别为0.01-10 mg/L Ti4+、0.05-20 mg/L Mo6+、0.1-20 mg/L W6+和V5+。
2.1.2检测管法检测管法原理是水中待测物与测试液快速定量反应,生成有色化合物。有色化合物颜色深浅与水样中待测物含量成正比。通过电子比色计,直接读出水样中待测物含量,或者通过检测管自带标准色阶比色测定[11]。
水污染检测管法又分直接检测试管法、色柱检测法、气提 - 气体检测管法。直接检测试管法是将显色试剂封入塑料试管里,测定时,将检测管刺一小孔吸入待测水样,变化颜色与标准色阶比色,对比确定污染物和浓度。色柱检测法是将一定量水样通过检测管内,水样中待测离子与管内填装显色试剂反应,产生一定颜色色柱,色柱长度与被测离子浓度成比例。气提 - 气体检测管法则是利用液体提取装置与各类气体检测管进行组合,可以简单、快捷测定水样中易挥发性污染物(如氯代烃、氨、石油类、苯系物等)[12]。
杨新玲等[13]利用自制检测管并与微型扩散器配合使用,测定废水中氰化物总量,检测范围为50 ~ 2000mg/L。许丽丽等[14]结合莫尔法与国标方法,研制水中氯化物快速检测管,应用于生活饮用水、自来水、工业废水、海水、食品等中氯化物检测。权瑞[15]运用比色分析朗伯 - 比尔定律和真空工艺设计,研制成水中挥发酚快速测试管,其测定范围为0.1 ~ 10 mg/L。
2.2 生物技术方法
生物技术应用是国外应急监测仪器发展一个热点。Sadik和Wanekaya[16]报道使用生物传感器可以对化学毒物与生物毒素做预警和快速筛选。Gabalon等[17]使用免疫试纸法对水中阿特拉津进行定性和半定量分析,其检测限可达10μg/L。有学者应用抗呋喃丹单克隆抗体和抗三唑磷单克隆抗体分别标记胶体金结合检测试剂,同时检测呋喃丹和三唑磷,其检测限分别为32μg/L和4μg/L[18]。Zacco等[19]报道一种新型电化学免疫传感器检测农药残留方法,使用过氧化物酶(HRP)作为示踪酶,免疫化学反应后,一个由石墨-环氧树脂复合材料磁敏元件用作电化学免疫传感器,检测样品中农药含量。浙江大学朱国念等[20]研究建立水样中克百威残留放射免疫分析方法,方法检出限为0.175ng/m L。姚冰等[32]利用农药对荧光素酶催化发光反应具有非常显著抑制作用,对甲拌磷、乐果、毒死蜱、百草枯等4种农药分别进行毒性测试,建立一种快速检测饮用水中农药生物学方法。
2.3 电化学方法
电化学传感器是利用污染物同电解液反应产生电压来识别有毒有害污染物一种监测仪器。郝俊英等[21]采用微分脉冲伏安法,同时测定水样中含间硝基酚和对硝基酚混合体系,间硝基酚和对硝基酚分别在4.0×10-7~ 8.0×10-5mol/L和2.0×10-7~ 4.0×10-5mol/L浓度范围内,与峰电流呈良好线性关系。谢振伟等[22]制备出析氧超电位很大铂基 α-Pb O2和 β-Pb O2双镀层电极,并用以电解产生羟基自由基直接氧化废水中有机物,一次测定仅需30 s。Ambrosi等[23]研究运用电化学方法测定水中药物方法,微分脉冲伏安法测定氧氟沙星、微分脉冲极谱法测定氯贝酸、常规脉冲伏安法测定双氯芬酸和心得安。Yin H等[24]制备石墨烯 – 壳聚糖复合膜修饰玻碳电极,其可用于测定水中儿茶酚,间苯二酚和对苯二酚。
2.4 便携式仪器方法
2.4.1光谱仪器方法光学分析仪器是基于物质光学特性进行定性或者定量分析方法,包括便携式红外光谱仪、便携式X荧光光谱仪、专用光谱 / 广度分析仪、便携式荧光光度计、便携式浊度分析仪、便携式反光光度计等光学分析仪器。可对多种环境污染物进行分析。
2.4.2色谱与质谱仪器方法对于未知污染物或种类繁多有机物应急监测,常规方法已经不能满足现场定性或定量监测分析。使用便携式色谱 - 质谱联用仪, 在现场可以给出未知挥发物或半挥发物定性和定量检测结果,便于在现场进行灾情判断、确认、评估和启动标准处理程序。便携式离子色谱仪主要用于检测和分析碱金属离子、碱土金属离子、多种阴离子。
2.4.3多参数分析仪器便携式多参数水质检测仪是目前比较常见水质应急监测配置,它可以很大程度上节约时间,提供多项水质参数指标。表1是目前国内外已经商品化水质多参数分析仪器及其主要参数[25]。
2.5 其他
2.5.1生物综合毒性检测技术在发生突发水污染事故时,应急监测首要任务是快速判断饮水是否安全。由于已知合成化学品超过十万种,每年又以上千种速度增加,可能出现各种污染物,传统方法需要很长时间检测,而且不可能检测所有可能有毒物质[26],即使已知水中所有成分及其水质基准,也无法预知这些混合物联合毒性效应。因此仅使用理化指标排放限值,并不能充分保护水体生态系统。为识别水中所有有毒物质潜在综合影响,一些国家和区域组织采用生物毒性指标评价水体综合毒性,这是水污染应急监测基础技术。现有生物检测器所利用生物有水蚤、藻类、发光细菌、贻贝以及鱼,其中水蚤检测灵敏度最高 ;发光细菌反应面宽,检测谱最宽。生物检测缺点是不能确定是哪种毒性物,最低检测限也不是很低[26]。
德国和加拿大综合毒性测试标准多采用发光细菌,假单胞菌和活性污泥也是欧洲部分国家选择受试生物[28,29]。但美国没有采用微生物作为受试生物,美国环境保护署(EPA)采用大型红藻、大型溞和虹鳟等动植物作为受试生物[30]。我国学者薛银刚等[31]人综合运用成组生物毒性测试方法(发光细菌急性毒性、大型溞急性毒性和叶绿素荧光急性毒性)来对某城市污水厂排水毒性进行评估。
2.5.2流动实验室检测系统应急监测还有流动实验室检测系统,实际是应急检测仪器组合,放在改装车上,形成流动实验室,行业内叫应急监测车。比如美国环境保护署PHILIS(Portable High Throughput Integrated Laboratory Identification Systems)[33],其在应急监测车上配备GC/MS,LC/MS/MS,样品前处理室、样品及标准物质储藏室及实验室信息管理系统(LIMS)。
2.5.3实验室内快速检测技术上述均为现场监测技术及仪器,由于受到现场环境复杂性限制,其得到检测结果容易有误差。为进一步确认污染物种类及其浓度,往往还须将样品尽快送至实验室,快速分析。目前已有一些技术来实现水中污染物快速分析,这些技术一方面可以用于应急监测,另一方面还可以用于日常检测,从而节约测试时间。
电感耦合等离子体质谱(ICP/MS)是以独特接口技术将ICP高温 (8 000K) 电离特性与四极杆质谱仪灵敏快速扫描优点相结合,而形成一种新型元素和同位素分析技术[34]。ICP-MS可以实现多种金属元素同时测定,水样只需过滤就可直接进样测定,方法简单、快速、灵敏、准确。刘丽萍等[35]采用ICP/MS法同时测定饮用水及水源水中31种元素,方法线性范围宽,线性相关系数均 >0.999。Warnken等[36]利用8 - 羟基喹啉树脂柱在线富集分离,用ICP/MS法测定天然水体中Mn、Ni、Cu、Zn和Pb含量。
测定水中挥发性有机污染物时,水样不需复杂前处理技术,直接应用吹扫捕集进样器或者顶空进样器接GC、GC/MS或GC/MS/MS同时测定多种有机污染物 ;对半挥发性和不挥发性有机污染物来说,水样可经固相萃取或者固相微萃取进行富集浓缩后色谱仪器测定,这类萃取技术可以实现自动化,耗时较短。罗添等[37]采用吹扫捕集富集水中挥发性有机物,解吸后用GC/MS测定,选用特征离子定量,在36min内实现对60种VOCs有效分离,方法检测限范围为0.021μg/L ~ 0.70μg/L。Tong Li等[38]应用固相萃取联用LC/MS/MS测定水中磺胺、氟喹诺酮、四环素和氯霉素四类抗生素,检测范围分别是0.8 ~ 4.1, 1.4 ~ 5.5, 1.8 ~ 11.5和6.4 ~ 104.4 ng /L。郑能雄等[39]采用C18固相萃取柱富集吸附水样中目标组分,采用GC-MS联用全扫描模式进行分析,能简便、快速、有效地分离检测水中116种半挥发性有机物。
3 结语
突发话题检测 篇3
关键词：短波,突发通信,盲载波恢复,符号检测
小功率远距离传播是通过电离层反射短波实现的, 利用这种技术能够有效的降低链路成本, 并具有极高的传输安全性和稳定性。正是由于该技术安全性极高, 短波通信在抢险救灾、应急通信和军事通信等领域应用广泛。短波通信在应用时, 却常常受到临近波段电台的干扰, 并且容易出现拥挤现象。如何降低这种干扰对通信的影响, 并实现突发通信忙载波的恢复, 则成为短波通信技术应用中面临的重点问题之一。近年来粒子滤波技术的发展, 给短波通信忙载波恢复与信号检测带来了新的发展契机, 将粒子滤波引入到短波突发通信中, 并建立对应的空间模型, 使用大量加权粒子的统计分布估计短波突发通信中接收到信号载波相位的后验概率分布, 然后递归计算信号调制符号以及载波频差的估计值, 实现高效快速的无辅助数据的载波恢复及符号检测。
1 无导频突发信号的检测
高斯噪声在高阶积量前提下, 受到一定程度的制约, 利用该特点能够将高斯噪声背景中的MPSK信号检测出来。得到检测函数后, 要选择出合适的门限, 并采用三态转换的判决机制降低函数抖动出现的几率, 提高自适应门限跟踪的效率。
2 有导频突发信号的检测
在有导频突发信号传输数据前发送的导频脉冲, 是提高载波频率锁定效率的关键。利用检测信息, 可以比较明确的判断突发信号是否到来。假设对有导频突发MPSK信号进行过采样, 采样周期为s T, 根据导频可以确定载波频率为cf。设本地载频为cf' 接收信号x (n) 为经过下变频、匹配滤波后的零中频复信号。由于受多普勒频移以及收发双方晶振差异的影响使得下变频后的信号存在载频频差, 设ccΔf = f '- f。x (n) 在导频段内是以 Δf为频率的单频信号, 只要捕获到这个单频信号就可以确定突发信号的起始时刻。
3 信号相位的后验概率估计
运用后验概率密度计算能够帮助我们估算载波相位值, 并通过密度值来估算最小均方误差。为了做好函数的计算, 必须做好调制信号中的贝叶斯处理, 并重视符号调制对信息的影响。贝叶斯的估计, 可以通过相位观察和调制符号信息分析得到比较准确的结果, 在贝叶斯信号估计中药做好载波频率的相位变化分析。
4 突发通信载波恢复与符号监测的实现
我们知道在采用BPSK调制的系统中, 接收机载波恢复环常采用Costas环, 对于QPSK, 也常见到Cross Costas环。但对于高阶的8-PSK等, 理论上也可以推导出类似的Cross Costas环结构, 但是由于误差信号可能会包含鉴相输入信号的八次方, 容易产生数值问题。为了避免这种问题对通信载波恢复和符号监测的影响, 可以采用粒子波算法对调制符号和载波相位进行载波频差递归计算和分析。在采用这种方法恢复突发通信载波和符号监测时, 首先可以在设定的范围内进行均匀分布采样, 并对获得的粒子信息进行噪声分布来设置输出方程和状态方程。按照状态方程, 能够预测某时刻获得的粒子值并得到当前时刻的粒子状态, 并按照实际观测值和观测方程, 对粒子符号实施最大似然估计。之后通过序列的重要性采样, 来更新各个粒子相关的权值, 并进行归一化处理。之后可按照更新的权值, 依托于高斯实际参数分布计算, 及对均方最小误差值进行计算。重新采样后, 继续以得到的状态方程为基础, 对下一刻的粒子进行运算, 直到全部的采样时间点计算完成。
5 仿真实验及分析
短波突发通信盲载波的仿真实验分析, 是将技术从理论转化为实际应用的关键。在仿真实验和分析中, 需要对载波恢复性能仿真、信号检测性能仿真进行实验分析, 以确保该短波突发通信盲载波恢复与符号检测技术能够应用于实际。
5.1 系统模型建立。我们可以采用DBPSK调制方式, 建立如图1所示的系统模型, 该模型中发射信号的符号率为1200Baud, 接收端的采样频率为9.6k HZ, 仿真粒子数800, 偏频设置为 ω0=0, R0=0.35。噪声方差设置为 σN2 =σN2=0.35。
5.2 载波恢复性能仿真。为了评估该算法的载波恢复速度, 这里对一次突发通信中前100 个采样点的载波相位估计值0:tθ 进行仿真。由于高频信道的多普勒会对收发的频偏产生影响, 降低载波恢复性能, 这里只考虑在高斯白噪声信道下载波恢复性能, 以此验证该方法是否能够实际应用于短波突发通信盲载波恢复与符号检测中。经过试验和分析, 该技术载波恢复性能比较好, 适用于短波突发通信盲载波恢复与符号检测中。
5.3 符号检测性能仿真。高频信道在时域和频域都是时变的, 但是当仿真只局限于有限频带 (如10k Hz) 和足够短的时间 (如10min) 时, 仿真的信道可以认为是基本稳定的。图1 中的高频信道属于多径信道, 这里采用了Watterson信道传播模型进行仿真。该模型将高频信道分解为有限数量的离散相互相关的信道模型的组合。输入信号经过有限阶数的延迟, 每阶信号有一个合适的阶数增益对它进行幅度相位调制。这些调制信号在输出端相加输出。国际电信联盟 (ITU) 依据Watterson信道传播模型定义了多种短波信道条件。根据ITU的建议, 系统将在四种信道状况下进行仿真。
综上所述, 随着短波通信在实际应用中的日益普遍, 短波突发通信忙载波载波恢复和符号检测技术已经成为科研领域研究的重点。本文主要介绍了一种盲载波及符号检测的计算方法, 虽然能够应用于实践的盲载波和符号检测计算方法很多, 但该技术却能够在没有任何辅助的条件下, 实现对载波相位和调制符号的实时估计。因此, 该技术能够有效的节约心道资源, 并具有同步时间短、恢复范围大的优点, 适用于大部分短波通信。通过模拟仿真实验验证, 该技术能够完美的应用于实践, 在短波突发通信盲载波恢复与符号检测中具有较好的应用前景。
参考文献
[1]李世鹏, 郭唐永, 朱威.短波突发通信中盲载波恢复及符号检测技术[J].计算机工程与应用, 2013, 49 (16) :209-212.
突发话题检测 篇4
关键词：时间有效性,信道适应性,恒虚警概率,双相关检测
1引言
TDMA系统突发信号检测要求具备时间有效性和信道适应性两个基本属性。时间有效性是指检测确认时刻与信号实际到达时刻之间匹配程度高,时间误差抖动小,对突发间保护时间的要求低;此外,用于信号检测的样本点要尽量少,以保证短突发信号的可靠检测。信道适应性是指检测算法可适应无线信道环境的剧烈变化,具有对传输时延、载波频偏和信号电平等信道参数误差的鲁棒性;特别地,在业务站便携式小型化趋势加速、高增益信道编译码广泛应用的大背景下,信号检测算法还需要在较低信噪比下可靠工作。
CFAR(恒虚警概率)相关检测算法实现简单,检测精度高、速度快,并且门限设置与噪声强度和信号接收电平无关,因而在TDMA通信系统多有应用。然而,相关检测中相关峰值对信道误差参数中的载波频偏比较敏感,与导频长度成反比的频偏捕获范围较小,特别是在为降低工作门限而需要增加导频之后这一缺点更加明显。为解决这一问题,人们又提出了双相关检测算法,该算法以大频偏捕获为目标、基于修正最大似然准则设计,检测性能优于相关检测算法,但是运算量十分庞大。
本文在分析双相关检测算法的基础上,按照TDMA系统突发信号检测的二性要求,提出了一种实现复杂度低、信道适应性适中的改进算法,后续计算机仿真验证了改进算法的有效性。
2算法描述
2.1双相关检测算法
双相关检测算法中的第二级相关处理消除了频偏累积效应,相关峰值计算与载波频偏无关,很好地解决了大频偏突发信号捕获问题。
2.2改进型双相关检测算法
基于式(3)的双相关检测算法在应用时存在两个基本问题:
(1)为保证最大频偏为1/2符号速率下的检测性能,需要进行大量的复数求绝对值和复数乘法运算,实现复杂度高;特别地,低信噪比下为维持检测性能所需导频长度不断增加,导致算法实现电路规模急剧增加甚至无法实现;
(2)仅给出了一个绝对判决变量表达式,算法本身易受信号电平或噪声强度的影响,信道适应性差。
按照TDMA系统信号检测算法的二性要求,针对上述问题采取去随机数据修正项、在两次相关运算中间增加分段求和操作以及能量归一化相关值输出等三项改进措施,改进型双相关检测算法判决表达式如下。
3改进型双相关检测算法仿真
算法仿真主要从门限设置、不同频偏和信噪比以及量化位宽下的检测性能等几个方面展开,通用仿真条件:QPSK调制,1/2编码,成形和匹配滤波均采用滚降系数0.35、长度为6个符号周期的平方根升余弦滤波器,初始相位在[0,2π]均匀分布,IQ两路使用相同导频且长度为63的小m序列,L=7,jmax=4。
3.1门限设置仿真
仿真条件:Es/N0=3d B,4倍采样,归一化定时误差在[-0.5,0.5]均匀分布,归一化频偏3%,仿真次数为103。
由于检测算法都是基于每符号周期一个样值描述的,所以对4倍采样数据分路应用改进的检测算法,将4路检测输出中的最大值作为门限变量输出。
由图1可知,信号和纯噪声可以很容易地通过设置门限来区分。
3.2不同频偏下检测性能
仿真条件:Es/N0=3d B,4倍采样,归一化定时误差在[-0.5,0.5]均匀分布,归一化频偏分别设置为0.5%、1%、2%、3%、4%、5%,以4路检测输出的最大值作为待判决量,门限设为380,仿真次数105。
由表1可知,改进算法对于归一化频偏在±4%范围内的信号检测十分可靠,检测概率大于99.99%,这与算法描述中关于改进算法频偏检测范围的分析基本吻合。
3.3不同信噪比下算法仿真结果
仿真条件:分别设置Es/N0=1、2、3、4、5d B,4倍采样,归一化定时误差在[-0.5,0.5]均匀分布,归一化频偏固定为4%,以4路检测输出的最大值作为待判决量,门限设为380,仿真次数105。
由表2可知,在使用较短的导频和较低复杂度的情况下,改进算法能可靠地工作于较低信噪比(符号信噪比3d B),检测概率大于99.99%,可以作为低信噪比下一种有效检测算法。
3.4算法工作动态范围
仿真条件:分别设置Es/N0=3d B,4倍采样,归一化定时误差在[-0.5,0.5]均匀分布,归一化频偏固定为4%,量化位宽分别为4、5、6、7、8、9bits,以4路检测输出的最大值作为待判决量,门限设为380,仿真次数105。
由表3可知,量化位宽不小于5bits时检测概率均高于99.99%,方便以较低的硬件开销实现,当处理位宽为8bits时可提供近20d B的接收电平动态范围。
4结束语
改进型双相关算法通过三种措施改进原有双相关检测算法,以较小的性能损失和适中的频偏捕获范围换取实现复杂度的大幅降低,并提供自适应的检测阈值来增强信道适应性。仿真结果表明,改进型算法可以可靠工作于较低信噪比(Es/N0=3 d B)、归一化频偏捕获范围适中(4%)、信号接收电平动态范围宽并具有恒虚警概率特性,适合TDMA系统突发信号检测应用。
参考文献
[1]In-Kyung Kim,Seek Ho Kim and Wonjin Sung.“Performance of a CFAR burst detection scheme for TDMA bursts with constant modulus modulation format”,31th Asilomar Conference on Signals,Systems&Computers,vol.1,pp.535-539,Nov.1997.
突发话题检测 篇5
关键词：突发性水源污染,异位水样,快速检测
突发性水源污染致异位水出现的原因主要是由于其中存在着一些挥发性或是半挥发性有机物, 而且由于这种突发性水源污染一般是由于工业废水的偷排以及各种水路运输事故所造成的, 发生的极为突然, 而且导致水源出现异位的物质含量成分很低, 且不易被发现, 从而造成对异位物质进行准确的定量、定性测量面临着较大的困难[1]。而为了能快速找到可以正确有效地处理污染源的相关技术, 同时对导致水源出现异位的物质进行更加深入的研究, 这就要求必须找到有效地快速鉴别以及衡量存在的异位物质的分析方法。在文章中, 通过采用气质联用法对突发性水源致异位水样进行快速的定量以及定性检测, 从而为有效地应对突发性污染水源, 建立快速预警以及应急反应体系提供数据依据以及技术支持, 进而有效地避免突发性污染水源的扩大, 造成更大的污染。
1 试验材料与方法
1.1 主要仪器与试剂
1.1.1 仪器
在进行试验的过程中, 所需要的仪器主要有吹扫普及仪、气相色谱-质谱联用仪、10μL微量注射器、5ml气密性注射器以及40ml样品瓶。
1.1.2 所用试剂
在试验的过程中, 所选用的试剂户主要有以下几种: (1) 标准物:挥发性有机物校正混标、氯乙烯、吡啶以及环氧氯丙烷等。 (2) 不存在有机物的蒸馏水:将蒸馏水煮沸15分钟, 然后将蒸馏水散热到90℃通入高纯氮气并鼓泡气提一小时, 完成后将蒸馏水装入到洁净的所挑选的试剂瓶中。此外在对样品进行每次的分析前, 都必须先对新鲜制备的不存在有机物的蒸馏水的本底进行测试, 如果发现其中存在着明显的干扰物, 则必须进行重新制备。 (3) 脱氯剂:选用的脱氯剂为抗坏血酸或是硫代硫酸钠。 (4) 甲醇:色谱纯试剂。 (5) 聚四氟乙烯薄膜:在进行聚四氟乙烯薄膜使用前, 应先将无有机物的蒸馏水煮沸20分钟, 然后放在120℃的高温下烘烤2小时, 结束后保存备用。
1.2 试验方法
1.2.1 试验的条件
在进行样品的试验前, 必要要具备以下几个方面的条件: (1) 色相色谱仪分析条件。选用DB-VRX规格的气相色谱仪;进样口选用分流进样, 分流比为30∶1[2];保证进样口的温度为200℃;载气流速为每分钟1.0m L;程序升温:保持2分钟的40℃, 然后以每分钟4℃升至150℃, 再以每分钟25℃升至225℃。 (2) 质谱仪分析条件:选用EI的离子源, 同时保证离子源的温度为230℃;保证传输线的温度为250℃;此外保证离子化的能量为70e V, 最后扫描的时间为0.45s以及扫描范围为35到260amu。 (3) 吹扫普集分析条件:选用样品的体重为25m L;保证传输线、样品装置、阀炉以及吹扫准确的温度在分别在150℃、90℃、150℃以及45℃;待用流速保持在每分钟20m L;加压时间为0.25分钟;样品预热以及转移时间分别为1分钟和0.35分钟;预吹扫流速以及干吹扫流速分别保证在每分钟40m L和每分钟200m L;此外解吸附的温度为250℃, 时间为2分钟, 流速为每分钟300m L;最后保证烘烤的温度为270℃, 时间为5分钟;烘烤流速为每分钟400m L。
1.2.2 样品的采集与分析
在样品的采集以及分析这一过程主要包括以下几个方面的内容: (1) 样品的采集。所选用的样品均采集平行样, 同时所采集的每批样品均带有一个现场空白。对于所采集的样品中含有余氯的以及现场空白, 应先将抗坏血疏加入到所用的样品瓶, 等到样品瓶中的水样充满并溢出后, 向每20m L的样品中加入一滴4mol/L的HCI进行调节, 当样品的p H值小于2时, 将样品瓶进行密封;而对于那些不含余氯的样品盒现场空白, 则要向每40m L的样品中加入4滴4mol/L的HCI, 作为固定剂, 从而来防止所采集的水样发生自然的生物降解。 (2) 样品的保存。对所采集的样品进行冷却, 同时将样品置于4℃下进行保存备用。 (3) 标准物质的制备及其保存。标准物质的制备主要包括以下几种: (1) 标准储备液的制备:选用浓度为2000μg/m L的EPA502/504挥发性有机物混合标准, 主要的介质为甲醇;此外根据所得到的定性结果以及试验中实际所需要的制备浓度与EPA502/504挥发性有机物混合标准的浓度相接近, 同样介质为甲醇。 (2) 标准中间液的制备:首先, 用甲醇稀释所制备的标准储备液, 但要保证稀释后的标准储备液的浓度符合配置校正溶液的标准, 同时还能囊括校准曲线的浓度范围。然后, 再将稀释好的标准储备液装入螺口瓶中, 要确保瓶内装满, 装好后用聚四氟乙烯进行封口, 然后放置在冰箱中保存, 同时要避免光照。在保存后也要进行经常性的检查, 防止溶液出现挥发或变质, 而在应用它配置校准使用液是则要将其恢复到原有的温度。 (3) 内标和标记添加液:用甲醇配置内标以及标记物, 保证其浓度为25mg/L, 将配置的两种添加液分别装于所选的2m L的样品瓶中, 确保样品清内已装满, 然后放置在冰箱中保存, 同时要避免光照。在进行每次的分析时, 将该种混合液分别加入到样品、标样以及空白中。 (4) 对样品进行测定。在对样品进行分析前, 应先将标准品恢复到原有的温度, 对气相色谱质谱仪进行校正, 从而保证其符合所需的分析条件。对之前保存的样品瓶拿出并开启, 然后用所选的注射器抽出样品瓶中多余的水样, 然后将样品瓶倒置, 将瓶内的空气排空, 从而保证样品的体积为25m L, 在然后在采用注射器向瓶内加入5.0μL配置好的内标以及标记物添加液, 加好后立即注入到吹扫捕集装置中进行分析。
2 结束语
目前, 国内对异位水体进行监测的方法主要有嗅觉鉴定法以及仪器分析法两种。而在本次的研究中, 采用的方法为吹扫捕集-气质联用法对异位水体中的污染物进行测定, 该方法有着诸多优点, 如操作简单、分离效果好、分析速度快以及精密度高等, 气质联用法可以对多组样品同时进行测量分析, 因此该法可以快速的对突发性水源污染中存在的有机物污染物进行定量与定性[3]。吹扫捕集-气质联用法可以对突发性水源致异位水样进行快速的定量以及定性检测, 在最早的时间内找出水源的污染物, 从而更好地进行相应的应急处理, 保障水源的安全优质, 而且该方法满足生活饮用水卫生标准以及城市水质标准中所规定的要求, 是一种极为有效的异位水样的快速检测方法。
参考文献
[1]张莘民.吹扫-捕集法在发挥性有机污染物分析中的应用[J].环境污染治理技术和设备, 2012, 3 (11) :31-37.
[2]往正范, 杨树民, 吴侔天, 等.色谱联用技术[M].北京:化学工业出版社, 2012.
突发话题检测 篇6
解调的首要任务是对接收数据的起点进行检测，即突发信号的检测。本文提出一种利用独特字与接收信号作相关运算得到检测信号进行信号检测的方法。此方法有较高的检测增益，适合低信噪比MPSK信号的检测，同时还能进行频偏前向估计。
1 信号模型
本文采用图1所示信号模型。在发用户数据前先发一定长度的独特字序列。对用户数据和独特字序列进行复接，再经过串、并转换和成型滤波，得到s1(t)，然后通过发中频模块得到s(t)。s(t)进入信道传输，再通过接收中频模块变为模拟基带信号r1(t)。对r1(t)进行A/D变换和数字下变频，然后同过匹配滤波器得到rk，对进行检测rk，同时将缓存以便进行下一步参数估计。
2 算法描述
如果没有调制信息的影响，接收信号将是一个频率等于载波频偏的单频信号[1]。
设在n时刻发送的符号为an,an可表示为
对MPSK调制，nA为常数即nA=A，且θn=Mi2π,0≤i≤M-1。
在接收端，假设已经获得了精确的符号定时同步且无符号间干扰，则匹配滤波器输出的基带MPSK信号可表示为
其中，1/T为符号速率，ωe是未知载波频偏，θ0是未知载波相位，w(n T)是实部与虚部统计独立的复值高斯白噪声。
因此，如果能把调制信息从接收信号中去除掉，则可以在噪声中得到一个单频信号，利用这个单频信号我们可以检测信号的到来。事实上，在训练序列辅助的DA方法中，训练序列的主要作用正是用来去除调制信息对接收信号的影响。在NDA方法中，则通常采取非线性变换的方法来达到这一目的。
利用独特字序列，在本地构造独特字共轭序列rn*=an*与(2)式相乘，忽略噪声和幅度影响得：
当发送独特字序列时就可以得到单频信号，对单频信号做FFT检测是否有单音信号到来就可以判断信号是否开始。
在检测到信号时得到的单音信号，其中ω0就是信号经过数字处理到基带的频偏。检测到信号后，利用缓存数据对信号补0进行N点的FFT运算可得到更精确的ω0值，取合适的N，理论估计误差为±Fs/N，误差估计范围为±Fs/2[2]。
3 性能仿真
图2是实际采样信号语图，加入3kHz频偏。图4是独特字相关+FFT检测峰值。仿真结果显示采用“独特字相关+FFT检测”具有很高的检测增益，同时也很好的估计出频偏。
摘要：本文提出一种信号检测和频偏估计算法,该算法不仅可以同时进行信号检测和频偏估计,而且可以在较低信噪比、较大载波频偏和较大信号动态范围下工作,可适应突发通信。
关键词：信号检测,数据辅助,频偏估计,MPSK
参考文献
[1]李静.低信噪比无线通信信号非合作接收技术研究[D].信息工程大学博士论文.郑州:信息工程大学,2005.
突发话题检测 篇7
关键词：分散固相萃取,化学中毒,前处理
化学性有毒物质中毒是突发性中毒事件的主要致死原因,其中农药和鼠药中毒在化学中毒事件中占有很大比例,并多为急性中毒。发生中毒事件后,快速准确定性鉴定中毒化学物和定量测定其含量,将为中毒病人的临床救治和后期治疗以及探明中毒原因提供科学依据。目前,化学中毒的检测有包括气相色谱(以下简称GC)、液相色谱(以下简称HPLC)、色谱质谱联用等多种检测方法[1,2,3,4],比较而言,气相色谱法最适合基层开展。而为了能够准确、灵敏和可靠地提供分析数据,中毒样品的提取、净化技术是分析过程的关键,它直接影响到方法的灵敏度和准确度。因此,研究和寻找一种成本低、净化效果好、回收率高的样品前处理方法是分析测定的关键。现在常用的样品前处理方法有索氏提取、液—液分配、固相萃取、共沸蒸馏等,但上述前处理方法需多次重复操作,不仅花费大量时间,而且有机溶剂用量大,又需多步净化,萃取效率低,且成本较高。而分散固相萃取技术作为一种新的样品处理技术,以其快速简便和较低成本的优点为大家所认同,该技术目前已被广泛应用于分离动物组织、水果和蔬菜中的药物除草剂杀虫剂及其他污染物[5,6,7,8,9]本实验采用分散固相萃取技术处理食糜和生物体液等中毒样品,将提取净化一步完成,实现了对基质复杂中毒样品中毒鼠强、氟乙酰胺和多种农药残留的快速测定,显示出省时省力,快速高效的特点。
1 实验部分
1.1 试剂和材料
(1)有机磷农药混合标准品来源于环境保护部标准样品研究所,速灭威、异丙威、仲丁威、残杀威、抗蚜威标准品和农药混合Ⅰ、Ⅱ、Ⅲ标准品来源于农业部环境保护科研监测所,甲氰菊酯、氯氰菊酯、溴氰菊酯、氰戊菊酯、西维因、呋喃丹标准品来源于中国计量科学研究院,毒鼠强、氟乙酰胺标准品来源于预科院中毒控制中心。
(2)红色6201担体(60～80目,大连催化剂厂,以下简称6201);DisQuEExtractionTube2净化小柱(2ml,预装了150mg无水硫酸镁和50mgPSA填料,Waters公司)。
(3)乙酸乙酯(HPLC级);硫酸镁、乙酸钠(分析纯)均采购自中国医药(集团)上海化学试剂公司;超纯水由BarnsteadEasypureⅡ超纯水机提供。
(4)空白血样来源于不含目标组分的健康人血。
1.2仪器
Aglient 6890N气相色谱仪(美国)配有电子捕获检测器(以下简称ECD)和氮磷检测器(以下简称NPD),Sigma台式离心机(德国),超声波清洗器、匀浆机和漩涡混合器等。
1.3 实验方法
1.3.1 标准工作溶液的配置
按各组分对检测器的响应程度,分别称(吸取)上述单组分标准品或混合组分标准品适量,用乙酸乙酯配置成含不同组分的A、B、C 3组标准工作溶液,其中A组标准工作溶液含氟乙酰胺、毒鼠强和氨基甲酸酯类农药组分,各组分的浓度为100μg/ml;B组标准工作溶液含有机磷类农药组分,各组分的浓度为200μg/ml;C组标准工作溶液含拟除虫菊酯类农药组分,各组分的浓度为10μg/ml。
1.3.2固体和半固体样品的提取
称取5.0g试样于玻璃研钵中,加入2∶1的6201,充分研磨,再称取相当于原2.0g试样的混合试样于25ml具塞比色管中,依次加入5ml乙酸乙酯和0.1g乙酸钠和0.5g硫酸镁,超声振荡10min,然后以3 000r/min离心5min(离心半径=13cm),取上清液备用。
1.3.3 液体样品的提取
吸取2.0ml试样于25ml具塞比色管中,依次加入5ml乙酸乙酯、1g 6201、0.1g乙酸钠和0.5g硫酸镁,超声振荡10min,然后以3000r/min离心5min(离心半径=13cm),取上清液备用。
1.3.4 生物体液的提取
吸取2.0ml血样或尿液等于25ml具塞比色管中,依次加入5ml乙酸乙酯、1g6201、0.1g乙酸钠和0.5g硫酸镁,超声振荡10min,然后以3000r/min离心5min(离心半径=13cm),取上清液备用。
1.3.5 样品的净化
取上述试样提取上清液1.0～1.5ml于DisQuEExtractionTube2净化小柱中,涡旋混合2min,然后以3 000r/min离心5min(离心半径=13cm),取上清液过0.22μm滤膜,供GC分析测定。若提取液色素过重,可在净化小柱中加入0.1g石墨化碳。
1.3.6 色谱条件
本实验采用GC-NPD分析测定试样中的毒鼠强、氟乙酰胺、有机磷类农药和氨基甲酸酯类农药,用GC-ECD分析测定试样中的拟除虫菊酯类农药,外标定量,色谱参考条件如下:(1)GC-NPD毛细管色谱柱:HP-5,30m×0.32mm×0.25μm;进样口温度:220℃;检测器温度:280℃;柱箱升温程序:初始温度50℃,保持1min;以30℃/min升至160℃,保持1min;以5℃/min升至178℃,保持4 min;以2℃/min升至180℃,保持2min;以10℃/min升至210℃,以30℃/min升至260℃,保持3min。载气:高纯氮纯度流速氢气4ml/min;空气:70ml/min;不分流进样,进样体积1μl。(2)GC-ECD毛细管色谱柱:HP-5,30m×0.32mm×0.25μm;进样口温度:165℃;检测器温度:300℃;柱箱升温程序:初始温度50℃,保持1min;以15℃/min升至220℃,保持10min;以10℃/min升至250℃,保持17min。载气:高纯氮,纯度>99.999%;流速:2ml/min;不分流进样,进样体积1μl。
2 结果
2.1 分散剂的选择和处理
目前分散固相萃取用分散剂多采用亲脂性或混合型材料[如:十八烷基硅胶键合硅胶(ODS)等],亲水性材料(如:硅藻土、硅胶等)的使用报道较少[10]。由于硅藻土的表面是极性的,检材中极性大的蛋白质、氨基酸等分子将首先被结合,毒物分子因其非极性或弱极性结合在外层,洗脱时将先被有机溶剂溶解下来,即易被提取。我们选用ODS、硅藻土(6201)和硅胶作为分散剂进行比较实验,结果表明ODS对低浓度的毒鼠强吸附效果差于后二者,且提取液中杂质较多;高浓度时三者的吸附效果相当,结果见表1。
本文选取6201为分散剂。因6201主要由天然硅藻土锻烧而成,其表面孔穴密集,孔径较小,表面积较大,机械强度较好,对于非极性或弱极性试样分离效率较高。使用前将6201于140℃烘3h,然后放置于不放干燥剂的干燥器中冷却。
2.2 洗脱溶剂的选择
硅藻土是正相吸附剂,属极性保留,溶剂极性越强,洗脱能力越强。选择洗脱溶剂时应考虑最大化洗脱待测组分,并保留蛋白质、氨基酸、色素等杂质不易被洗脱,同时还应尽量选用环境友好型试剂。因苯及二氯甲烷等有机试剂对实验人员和环境污染较大,本文未予考虑;而分别用乙腈、乙酸乙酯和丙酮作为试剂进行提取,通过加标回收实验表明三者的回收率均能满足实验要求;乙酸乙酯的提取效率不太稳定,乙腈和丙酮相差不多,但乙腈提取的杂质最少,丙酮提取的杂质最多;考虑到试样的检测采用GC-NPD,乙腈因其对NPD检测器的高响应而被放弃,因而选用对NPD检测器响应较小且提取杂质较少的乙酸乙酯作为洗脱溶剂
2.3 试样的净化
由于PSA吸附剂具有弱的阴离子交换能力,有利于吸附样品基质中的有机酸、糖和色素,且其用量很少,为保证实验的一致性和便于批量作业,我们采用内含PSA和硫酸镁的Waters公司产品DisQuEExtractionTube2净化小柱进行试样的净化,目前该产品已应用于蔬菜,水果及低脂肪类食品的提取净化,但只适应于LC-MS用户,对于GC用户来说,因溶液不能浓缩较受限制。而我们所测定的试样中毒物组分含量较高,且在提取过程中加入了硅藻土,使得提取液较传统方法“干净”,使本文方法的检测灵敏度有所提高,实验表明大部分毒物组分的最低检测浓度能满足其限量测定的要求。
2.4 色谱条件的选择
我们以混合食糜(内含有蔬菜和畜禽肉)、空白血样为试样基质,分别加入不同组分的毒物标准工作溶液,按1.3的实验方法进行样品的提取和净化,并参考Aglient公司的色谱检测条件,对色谱条件进行优化,以达到最佳的分离效果。部分毒物组分的色谱图见图1～4;线性范围、线性方程及相关系数见表2。其中,13种毒物组分的相关系数r>0.996,表明氟乙酰胺、毒鼠强和6种氨基甲酸酯类农药在0.10～30.0mg/L范围内,另外3种有机磷类农药在0.10～20.0mg/L和2种拟除虫菊酯类农药在0.050～10.0ng/L范围内,峰面积与质量浓度线性关系良好。
所添加的4种毒物:氟乙酰胺(2.183)、毒鼠强(13.098)、呋喃丹(14.125)、西维因(17.356)
所添加的8种毒物:氟乙酰胺(2.525)、速灭威(8.925)、异丙威(10.190)、仲丁威(11.441)、毒鼠强(13.97)、呋喃丹(14.137)、抗蚜威(16.470)、西维因(17.348)
所添加的6种毒物:敌敌畏(5.054)、氧化乐果(7.819)、甲拌磷(9.022)、乙拌磷(10.731)、甲基对硫磷(12.406)、毒死蜱(15.047)
所添加的4种毒物:三氯杀螨醇(13.635)、氯菊酯(26.481、26.916)、氟氯氰菊酯(28.561、28.910、29.165、29.317)、氰戊菊酯(32.897、33.699)
2.5 方法的加标回收率和精密度
本文以混合食糜和空白血样为试样基质,每2g或2ml空白样品分别添加下列比例的A、B、C 3组毒物混合标准溶液:A组(含氟乙酰胺、毒鼠强、呋喃丹、西维因和抗蚜威100μg/ml)100μl、500μl和1.0ml;B组(含敌敌畏、氧化乐果和甲基对硫磷组含氯菊酯和氰戊菊酯10μg/ml)500μl;样品加标后静置1h,然后按1.3的实验方法进行提取和净化,并选用合适的色谱检测方法和色谱条件测定上述10种毒物组分的残留量;每个添加浓度测定3次,计算各种毒物组分的加标回收率和相对标准偏差(RSD)。检出限根据3倍信噪比计算得出。实验表明10种毒物组分的加标回收率范围为72.8%～103.0%,相对标准偏差(RSD)范围为0.2%～8.3%;氟乙酰胺、毒鼠强和氨基甲酸酯类农药最低检出浓度可达0.50mg/kg,有机磷类农药最低检出浓度可达0.10mg/kg,拟除虫菊酯类农药最低检出浓度可达0.010mg/kg,方法的准确度和精密度均能满足毒物组分的限量分析的要求,结果见表3。
2.6 比较试验
同时对蔬菜、饮料、生物体液等模拟试样和蔬菜样品进行检测,分别采用本文1.3的实验方法(即分散固相萃取法,以下简称MSPD)与江苏省疾控中心食品污染物检测推荐方法(即固相萃取法,以下简称Sep)对试样进行提取和净化,GC-NPD或GC-ECD进行检测,检测结果见表4。
注:nd为未检出;MSPD:分散固相萃取法;Sep:固相萃取法。
由表中结果可知,MSPD和Sep 2种方法的测定结果相当,但MSPD方法对基质中含大量蛋白、色素、糖的试样的提取净化效果优于Sep方法,后者在处理上述试样时会出现提取液乳化和堵塞提取柱的现象,从而影响提取效率;但Sep方法具有MSPD法所不具有的浓缩净化试样的功能,对毒物组分的最低检出浓度可较MSPD法低10倍以上,能应用于试样的痕量和微量测定。对应本文所研究的化学中毒试样,两者均能满足要求。
3 讨论
以硅藻土和乙二胺基-N-丙基硅烷(PSA)为吸附剂,通过分散固相萃取法对化学中毒试样进行提取和净化,利用GC-NPD和GC-ECD测定化学中毒试样中毒物组分的残留量。实验表明,硅藻土和PSA有良好的吸附性能,可以有效去除复杂基质中的蛋白质、糖、色素等干扰组分,获得良好的分离,较好的回收率、精密度和较低的检出限。
本文方法较之传统前处理方法具有如下优势:(1)可一次完成氟乙酰胺、毒鼠强、有机磷类农药、氨基甲酸酯类农药、拟除虫菊酯类农药的提取净化;(2)回收率较高,对10种毒物组分的加标回收率为72.8%～103.0%;(3)快速,前处理时间短,能在30～40min内完成样品的提取净化;(4)操作简便,只需一步提取,一步净化即可,使用很少的玻璃器皿,无需良好训练和较高技能便可很好地完成;(5)成本低,样品制备过程中所使用装置简单,无需另外添置,同时分散型固相萃取只需少量吸附剂即可达到净化效果,比固相萃取柱的成本降低许多;(6)溶剂使用量少,污染小,且不使用对环境污染大的含氯有机溶剂;(7)方法所需的试样量很少,一般有2g或2ml试样就可完成检测,适应于数量很少的样品检测。
本文对10种氟乙酰胺、毒鼠强、有机磷类农药、氨基甲酸酯类农药、拟除虫菊酯类农药进行分离分析,分离效果好,样品前处理快速、简便,检测结果准确、可靠,成本低,所需的样品量少,适合批量样品的检测,方法十分适合基层检测单位的应用。
参考文献
[1]柳洁,何碧英,孙俊红.固相萃取GC/MS法测定血中25种有机磷农药的方法研究[J].现代预防医学,2005,32(9):1240-1244.
[2]段文忠,郝冬生.高效液相色谱法同时测定水果中多种农药残留量的方法研究[J].农药,1998,37(8):20-22.
[3]谢维平,陈忠辉.几种禁用杀鼠剂检测方法的进展[J].卫生研究,2002,31(4):316-318.
[4]张绍雨,黄增萍.血中毒鼠强的固相萃取和GC-NPD法测定[J].中国法医学杂志,2003,18(3):147-149.
[5]胡小钟,储晓刚,余建新,等.基质固相分散和气相色谱-质谱法测定浓缩苹果汁中22种有机氯农药和15种拟除虫菊酯农药的残留量[J].分析测试学报,2004,23(5):38-42.
[6]刘浩,周芳,李月娥.分散固相萃取法对果蔬中农药残留前处理的优化[J].环境科学与管理,2008,33(5):137-139.
[7]朱丽萍,朱涛,潘玉香,等.气相色谱法同时测定蔬菜及水果中多种农药残留量[J].分析化学,2008,36(7):999-1003.
[8]吴春红,聂继云,李静,等.基质分散固相萃取-高效液相色谱法测定水果中的异菌脲和咪鲜胺残留量[J].分析试验室,2009,28(增刊):131-133.
[9]闵光.基质固相分散萃取在农药残留检测技术中的应用[J].现代农业科技,2010,(9):169-171.