利用MathWorks工具,研究人员开发了简单的数据采集代码,可以访问各种数据采集卡。Vogt解释说:“数据采集工具箱允许我们一次性配置硬件。“用不到一页的代码,我就可以在四个不同的平台上执行数据采集——每个平台都有不同的硬件。”
SSDK使用伏安法,这是一种先进的化学分析技术,可以将化学反应转化为伏安“特征”输出,从而能够检测微量的气态化学物质——这在以前是不可能的。
研究人员使用数据采集工具箱实现了气体伏安法,以输出精确形状的模拟波形,每个波形由100到1000个数据点组成,并激发微传感器上的化学反应。利用数据采集工具箱,他们还用模拟输入通道对结果信号进行采样。然后,他们使用信号处理工具箱中的滤波器去除线噪声。由此产生的信号,或伏安特征,包括识别传感器接触到的化学物质的信息。
研究人员使用深度学习工具箱进行模式识别,并通过将这些化学物质的特征与预存储库中的特征进行比较来识别它们。
沃格特说:“有了深度学习工具箱,我们可以提取一个未知的签名样本,将它与签名库进行比较,找到最佳匹配,并计算一个显示匹配程度的置信度因子。”
为了生成传感器信号处理算法,Argonne使用了传感器算法生成环境(ChemSAGE),这是一个由国防部资助的软件工具,用MATLAB编写,帮助传感器研究人员编码和分析来自实验传感器的复杂信号。
为了完成他们的应用,研究人员在MATLAB中开发了一个图形用户界面,使用户能够设置伏安参数和可视化伏安特征。沃格特说:“这个应用程序在任何笔记本电脑上都很容易运行。”
使用MATLAB编译器,Argonne用C语言编写MATLAB算法,在流行的单片机上执行。
Argonne的赞助商计划开发基于SSDK的商业仪器,包括智能火灾探测器和空气污染物监测器。
Michael Vogt, Laura Skubal, Erika Shoemaker和John Ziegler博士开发了SSDK。Vogt, Dan MacShane, Christopher Klaus和Maria Poulos开发了测量和ChemSAGE软件。