近期，我校電控學院李明研究員在國際頂級期刊《Talanta》（中科院一區、TOP期刊）發表題為“Signal Processing for Miniature Mass Spectrometer Based on LSTM-EEMD Feature Digging”的研究論文。該研究創造性地提出了一種基于長短期記憶-集合經驗模態分解（LSTM-EEMD）的數據處理方法，為提高小型質譜儀在復雜基質樣品和惡劣環境條件下的現場檢測性能開辟了新路徑。

質譜信號是典型的非平穩信號，由于硬件限制和環境條件約束，通常會受到強干擾，這在需要檢測復雜基質的應用中是一項重大挑戰。傳統的數據處理方法在處理此類樣本數據方面效果有限，難以完全消除干擾和提高數據質量。本研究針對這一難題，通過深入剖析現有數據處理算法的局限性，提出了一系列創新性的改進策略。研究團隊設計了一種新穎的數據優化算法，該算法結合了EEMD 方法可以清晰地分解質譜信號中不同的物理特征分量和LSTM 方法可以自適應地學習信號的內部特征關系的能力，從而顯著提升了質譜數據的質量，極大擴展了小型質譜儀在生命科學、生物醫藥等領域的應用范圍。

該研究是在李明研究員牽頭的國家重點研發計劃“基礎科研條件和重大科學儀器設備研發專項”《高靈敏數字化生物氣溶膠直接分析儀》（批準號：2023YFF0723500）支持下完成的，是該項目的重大成果和標志性進展。我校22級研究生詹陳銳為本文的第一作者，李明研究員為通訊作者，北方工業大學為第一完成單位，合作者中國檢驗檢疫科學研究院首席專家馬強研究員團隊提供了研究所需的質譜數據。

李明研究員的這一研究成果，是學校實施人才強校計劃和加強科研團隊建設取得重要成果的體現，將進一步提升我校在國家重大儀器研制領域的綜合水平和國際影響力。

編輯：左芳舟