来自阵列检测器光谱仪的光谱的收集、暗校正和报告的方法与流程

相关申请的交叉引用

本申请涉及并要求2015年6月2日提交的美国专利申请14/728,818号和2015年11月24日提交的14/950,598号的优先权权益，该专利申请的全部内容通过引用并入本文。

本公开一般涉及光谱仪，并且具体地涉及用于从这些仪器收集、暗校正和报告的方法。

背景技术：

诸如电荷耦合显示(ccd)照相机、ingaas照相机中设置的单元件阵列等之类的电子光记录设备，具有必须被校正的暗(dark)响应(即无光信号)。通常这涉及在没有来自待测样本的光的情况下取一曝光周期，并存储它作为“暗光谱(darkspectrum)”。然后来自样本的光通过照相机达相同的曝光周期，以生成“未校正的样本光谱”。然后通过从未校正的样本光谱中减去暗光谱来计算“经校正的”样本光谱。(然后计算其它形式的校正以校正检测器的光谱响应度、阵列的光谱映射、内插等，但是这些是本公开范围之外的另外的主题)。随着暗收集和光收集之间的时间变得更长，因温度波动或其它原因，暗数据可能与没有光的情况下的真实照相机响应不匹配。

如果在每个亮曝光(lightexposure)周期之前更新了暗光谱，则这基本上使总数据收集周期所需的时间量加倍。此外，当分析包含非常弱和非常强的关注光谱分量的光谱时，非常弱的分量上的足够snr(信噪比)/定量所需的曝光周期时间(例如在拉曼光谱仪的气体混合物分析中)可能很长，在几分钟的量级。相同的混合物中的更强的分量可以在几秒钟内准确定量。

常规技术要么收集一个暗光谱，并将其应用于实验或监测过程中的所有未来光谱，要么在每个信号光谱之前收集新的暗光谱。解决暗校正问题的传统技术要么在所需的时间量方面是低效的，要么在光收集时匹配真正的暗响应方面不准确。因此，在不断变化的条件下，这个暗校正技术领域中仍然需要进一步的贡献。

标准实践1

图1示出了涉及单个存储的暗光谱的当前标准实践。收集周期由单次曝光的n个累积值组成，每个在阵列检测器的动态范围内，这些累积值被求和或求平均，以获得应用中最困难(通常最弱)光谱特征的目标snr。所得的总和或平均值下文中称为光谱(spectrum)。在信号光被遮挡的情况下获取暗曝光(darkexposure)，从而在102获取一个暗曝光。在104处获取第二暗曝光以进行宇宙事件校正，并且重复该过程(106)，然后在108处对n个累积值求和或求平均经宇宙校正的曝光。根据本公开，包括这里描述的实施例，应当认为“宇宙校正”(cosmiccorrection)是指以如下方式组合两个(或更多个)曝光：如果其中一个曝光显示宇宙射线尖峰的迹象，则消除像素信号，而如果两个曝光都没有宇宙射线诱导的尖峰，则对两个曝光的像素求平均。此外，通常通过光谱中最强特征与最弱特征的比率来确定“n”，使得n个累积值中的每一个足够短，能避免最强特征处的检测器饱和，并且n个累积值的总曝光时间t为最弱的分量提供所需的snr。

在步骤110保存得到的暗光谱，并在112从以相同方式但在信号光照明探测器的情况下获取的所有随后的信号收集光谱中减去保存的暗光谱。结果在114输出。这种方法可以包括足够稳定的暗电流的标准实践，对于非常稳定的暗电流可以是这种情况，其典型特征在于对于检测器和光谱仪硬件都非常稳定的热环境。对于具有相对于暗电流的非常强的信号的应用也可以是这种情况。一次运行中数据的周期时间尽可能短，因为一旦获取了单个暗光谱，就一直在获取信号数据。图1的方法的总数据报告周期时间是t，这是由所关注的最弱的分量决定的。

标准实践2

图2示出了涉及交错暗光谱的替代标准实践。在202获取暗光谱(darkspectrum)，随后在204获取信号光谱。在206从亮光谱(lightspectrum)中减去暗信号。如上所述，在n个累积值的每个信号周期之间，在n个累积值上获取新的暗光谱。这样可以使仪器能校正在数据运行过程中暗电流的变化。然而，相对于标准实践1，它使数据周期时间加倍，因为有一半的时间是用于获取暗光谱，而不是信号。因此，总的数据报告周期时间是2t。

技术实现要素：

本公开涉及一种具有检测器的光谱仪中的暗电流校正系统和方法，检测器适于接收来自样本的光。总体目标是提供高效的暗校正，同时保持总数据收集周期为最小值。各种实施例还使得能够比通常因关注的最弱信号的准确定量而决定的速度更快速地报告数据。

本公开提供了在获取光数据时暗减法与真暗的更好匹配。这样能得到更稳定的基线，特别是靠近边缘的位置，这里强度校正会放大暗减法的任何非零结果，并且由于照相机窗框的温度变化引起的暗电流的变化通常更明显。由此产生的基线的诱导曲率使得这些区域中的定量十分困难。

一种公开的方法允许在延长的时间段内对暗数据进行预校准以提高准确度并降低噪声，然后这些校准结果可以在将来的任何时刻使用而不会增加测量时间。替代方法提供了用于识别例如照相机真空密封的损失、温度稳定性的漂移以及漏光之类的系统故障状态的额外的指标。

在本公开的系统方面，处理器接收来自光谱仪中的光检测器的信号，并执行软件程序以计算光谱响应、对结果进行求和或求平均、并执行实现所公开的方法所必需的其它操作。在最优选的实施例中，从样本接收的光信号被用于拉曼分析。

附图说明

图1是示出涉及单个存储暗光谱的当前标准实践的图；

图2示出涉及交错暗光谱的替代标准实践；

图3示出根据本发明的交错暗曝光方法；

图4示出根据本发明的滚动收集方法；

图5示出根据本发明的缩放的暗收集方法；

图6示出组合图4和图5中示出的方法的本发明的实施例；

图7示出根据本发明的计算的全光谱暗校正方法；

图8示出组合图5和图7中示出的方法的本发明的实施例；

图9是示出对夹式暗方法的简化流程图；以及

图10是对夹式暗方法的详细流程图。

具体实施方式

方法1——交错暗曝光

根据本发明的该实施例，如图3所示，收集周期包括暗曝光302、亮曝光304、重复用于宇宙校正检查的暗306、重复用于宇宙校正检查的光308、以及通过从宇宙校正的亮曝光中减去宇宙校正的暗曝光而生成一个累积值(310)。这些步骤通过用于每个累积值的决策框312重复n次。在314，这些累积值被求和或求平均以建立应用的目标snr。

与标准实践2相比，这种改进使可能的最快周期时间加倍，并且更好地使光收集期的真暗与存储的暗相匹配。这在n个累积值的长单个数据周期内暗电流可能明显漂移的应用中可能是重要的。数据报告周期时间为2t，与标准实践2相当，但比标准实践2提供更准确的暗电流漂移跟踪。

方法2——滚动收集

在图4的实施例中，获取周期包括对于每个累积值执行图3的交错暗曝光，存储n个累积值中的每一个至缓冲器中。在步骤402收集两个暗曝光并进行宇宙校正；在步骤404收集两个亮曝光并进行宇宙校正；在步骤406求得的差值在步骤408存储到缓冲器中。当已经发生期望的曝光次数n时(在步骤410)，在步骤412取总和或平均值，在步骤414返回第一收集周期光谱结果，并且删除最旧的缓冲器元素。步骤402-408直到步骤416被重复，并且将每个经过校正的曝光的结果作为最新的缓冲器元素添加到缓冲器。返回另一个收集周期光谱，其包含所有缓冲器元素，包括最新的缓冲器元素。

该过程被重复，滚动总和或平均光谱交付，直到经由框418实现足够数量的光谱，在这种情况下，过程在420结束。尽管对信号电平的阶跃变化的完全响应类似于标准实践2，但是指示信号变化开始的数据报告实际上比标准实践1的周期时间更快，在每个累积值而不是每n个累积值时返回具有目标snr的新光谱。数据报告周期时间现在是2t/n(除了将在2t之后交付的第一光谱)。

方法3——动态建模的暗收集

根据图5的实施例，在实验开始时，像标准实践1中那样，在502使用整个数据收集周期收集暗(dark)并存储。这种暗使用照相机的光收集的相同区域，但没有光进入相机，这被称为真暗(td)。随后，在504使用在信号收集期间照相机的未正常照明的区域如二维ccd阵列上的信号光纤图像之间的区域或线性阵列检测器的未照明区域来收集第二种暗。这种暗是在光进入照相机的情况下收集的，并且被称为未照明的暗(ud)。

在506，动态建立td和ud之间的关系，该关系表示为td＝fn(ud)。在某些情况下，这种函数可能只是乘以一个常数。然后在508开始光收集周期。同时，在510使用未被信号光照明的检测器区域收集另一个ud。使用先前建立的td与ud之间的关系，使用所监视的ud信号在512计算新的td。然后在514从信号曝光中减去所计算的td。在516得到的结果应该与光收集过程中通过真暗校正的信号非常匹配。不需要额外的曝光时间。

初始暗收集之后的数据报告周期时间为t，与标准实践1相当。漂移暗电流现在得到校正，尽管不如滚动收集方法那么准确。如果整个探测器阵列的暗电流漂移合理地一致，则这可以提供足够准确的校正。每次实验参数(例如曝光时间或检测器温度)改变时，就建立td和ud之间的新关系。除ud之外，不需要对于使td与ud相关联的函数的额外输入。

注意，在该方法中，可以对总累积值的子集获得初始暗以节省启动时间，但是这会损害snr。另外，ud不一定是照相机上的连续条纹，而实际上可以是任何未照明像素的集合。

方法4——方法2、3的组合

图6的方法主要组合了改进的方法2和3(图4和图5)。该技术代表信号和动态建模的td校正的滚动收集，在每个信号累积值上报告数据，而没有交错的暗收集。框602、604和606等同于图5的初始化周期，框608、610、612表示收集周期。在614，从信号中减去暗，并在616将结果存储在缓冲器中。与图4的过程一样，当发生期望数量n的累积(在618)时，在620获得总和或平均值，在622返回第一收集周期光谱结果，并且在624删除最旧的缓冲器元素。步骤608-624经步骤626重复，并且将每个累积的结果作为最新的缓冲器元素添加到缓冲器。返回另一个收集周期光谱，其包含所有缓冲器元素，包括最新的缓冲器元素。数据报告周期时间是t/n，这是滚动收集方法2的速度的两倍。

方法5——静态建模的暗校正

对于具有一致的暗电流-检测器温度特性的照相机，可以在整个阵列上测量相关参数(例如积分时间和检测器阵列温度)的完全暗光谱响应，并且在预期操作范围内以选定间隔预先存储一次。然后可以在操作期间测量这些参数，并且通过对所存储的数据进行内插来计算预期的操作暗信号。这提供了低噪声暗电流减少的优点，并且具有标准操作1的操作简单的特点，但是在制造或翻新时必须为每个仪器开发新的静态模型。

该技术如图7所示。在702，在各种检测器状态下测量暗响应。在704，结合诸如不同温度、曝光时间等各种检测器参数来测量暗响应。在702、704获取的响应在706被存储为该特定检测器的专有模型。

收集周期从710开始，其中信号光谱连同在702、704推导的状态和参数信息一起被收集。这使得在712使用存储的模型来计算暗光谱。在714从信号中减去所计算的暗，并且这经716重复n次。在718对经校正的信号曝光进行求和或求平均，并在720交付结果。数据报告周期时间可以是t或t/n，这取决于方法4中所述的滚动平均法的并入。

方法6——比例增强的静态建模的暗校正

图8所示的本发明的实施例表示方法3和5的组合。与方法5中一样，在806建立真暗(td)和相关操作参数(如积分时间、阵列温度)之间的函数关系。另外，在810建立808中的未照明的暗(其中光进入照相机但不落在ud区域上)和在第一函数关系中使用的操作参数之间的另一个函数关系。这被称为静态建模的未照明的暗(smud)。与方法5中一样，这些函数关系将在仪器制造或翻新时建立，并用于信号光照明探测器区域的所有未来的曝光校正。

然而，在该实施例中，用缩放的暗校正因子补充静态建模的暗校正，该缩放的暗校正因子是根据测量的实际ud和静态建模的未照明的暗预测的ud之间的差异确定的。这考虑了方法5的实施方案中未考虑的摄像机不稳定性或其它操作变量。该过程包括统计测量，以确定ud区域何时与计算的ud值明显不同，进而触发应用额外的缩放的暗校正来补充静态建模的暗函数。这种方法还可以提供另外的益处，例如校正无快门应用中的通道间拖尾(interchannelsmearing)，以及处理光谱仪内部意外的光泄漏。数据报告周期时间可以是t或t/n，这取决于方法4中所述的滚动平均法的并入。

基于外部控制系统的要求选择n。

如上所述，累积总数n通常与光谱中最强信号与最弱信号的比率有关，以避免任何单个累积上的检测器饱和。改进的方法2和4分别将数据报告周期缩短为2t/n或t/n。但是，某些应用可能还需要更快的报告周期来支持控制系统要求。这种应用的一个例子是基于供给天然气涡轮发电机的气体中不同碳氢化合物成分的变化的浓度来优化发电机的效率。在改进的方法2和4中，为了按照与控制应用一致的速度来报告，可以将所需信号曝光时间t分成更大数量n的累积值。如本领域技术人员所理解的那样，通过增加检测器读取噪声和a/d量化噪声的相对重要性，数量n将在某个点受到限制。

分量选择性响应时间

以上的改进的方法2和4提供了比标准实践更迅速的对样本成分的出现变化的指示。然而，这些方法仍然名义上分别需要2t或t的时间来完全响应样本中的阶跃变化。方法2和4可以被进一步修改，使得更强的光谱分量被指定小于如方法2中所述的n个累积值的缓冲器大小。如上所述，t由光谱中最弱的分量决定，而较强的分量可以在更短的总曝光时间内达到目标snr。逐个检测器地将缓冲器大小定制为小于n以适合更强的光谱分量，可以使系统更快速地对更强的分量的浓度变化作出完全响应。

对夹式暗方法(bracketeddarkmethod)

获取多个暗曝光和多个信号曝光，但是把暗收集分裂开，使得在信号曝光之前取一半，在信号曝光之后取一半，这可获得额外的优势。然后从信号中减去全部暗以产生“收集结果”。这种方法有两个优点。首先，把暗分成两半来对夹信号，暗光谱更好地匹配对于被对夹信号收集的真暗贡献。第二个优点是一个收集的后半暗序列被重用于后续收集结果的前半暗序列，从而节省了时间。对于暗的总数等同于信号曝光的总数，数据周期时间从2t下降到1.5t，如图9概念性示出的。

实际上，暗和信号积分的每个时间间隔可以是多个照相机曝光/读出的总和或平均值。为了获得光谱特征上的目标信噪比(snr)，这一点通常是必要的，否则该信噪比可能太弱，受到照相机的动态范围、照相机的暗电流和/或光谱中的更强信号的限制。

宇宙过滤(cosmicfiltering)可以应用于每一次暗曝光和信号曝光。所公开的方法将期望的曝光间隔分成两个相等的子间隔。这两个子间隔相互比较以检测两个光谱之一中的任何异常的高强度“尖峰”。这些尖峰发生是由于随机的、低概率的宇宙辐射事件，并在检测到时被丢弃。下面对“曝光”的任何引用实际上也可以是以这种方式获取的经宇宙过滤的数据。

注意，如果暗曝光中固有的噪声不是收集中固有的总噪声的实质性因素，那么暗曝光次数不必与信号曝光次数匹配。暗电流远低于信号电流的情形就是这种情况。在这种情形中，通过使用比信号曝光更少的总暗曝光可以获得额外的时间增益，假定得到的收集结果的信噪比仍然是足够的。在这种情况下，较短的暗曝光可以被缩放以补偿相对于信号曝光的不同总积分时间，从而产生根据图9的有效积分时间t/2。

对夹式暗方法适用于本文公开的任何实施例，其中执行多个暗收集和信号收集以实现期望的信噪比。事实上，这种改型适用于图2的标准实践。对夹式暗方法的改进也适用于采用缓冲器的实施例。通过将“收集结果(collection)”定义为一个经校正的平均/求和信号曝光，将每个收集结果置于缓冲器，然后可以用缓冲器在滚动基础上(即fifo缓冲器)返回平均或求和的集合作为光谱。为了演示，将该改型应用于方法2，即图4中所示的“滚动收集”方法，修改后的版本如图10所示。如受益于本公开的本领域技术人员将理解的那样，对夹式暗方法可以应用于本文公开的每个实施例。根据图10的对夹式暗方法的详细描述如下：

1.首先，在步骤910收集一系列d个经宇宙校正的暗曝光，在此被称为集a。

2.然后，在步骤912，在传感器快门打开的情况下，收集s个经宇宙校正的信号曝光组成的集合。在某些实施例中，d可以是s/2。替代的情形，d可以更小，例如d＝1。

3.在步骤914，收集d个经宇宙校正的暗曝光组成的第二集，在此被称为集b。

4.然后，在步骤916对两个暗曝光集合(即集a和集b)求平均或求和。在求和的情况下并且在2d不等于s的情况下，可以执行乘以s/2d的暗总和缩放，使得该总和适合于s次曝光。

5.然后，在步骤918对该信号曝光的集合求平均或求和。

6.然后，在步骤920，信号曝光的平均值或总和减去暗曝光的平均值或总和以进行校正。

7.在步骤922把减少的信号曝光存储在长度为n的缓冲器中，后续称作一个“收集结果”。

8.重复步骤912-922，直到缓冲器满。当缓冲器满时，在步骤924通过对n个缓冲器元素求平均或求和来构造第一光谱，并在步骤930交付。

9.在步骤926丢弃缓冲器中最旧的元素。在步骤928，先前的暗曝光的b集合(即之前被称为集b)被移位变成新的集a，并且先前的集a被丢弃。

10.重复步骤912-922，再次填充缓冲器。此时，可以在步骤930交付另一个光谱，或者在步骤926和/或928进一步更新缓冲器。更新间隔(即缓冲器通过重复步骤912-922和步骤926和/或928移位多少次)可以从1(即最快更新时间；在每次收集之后交付光谱)到n(即最慢的更新时间；不发生滚动平均/总和)变化。

这种周期继续，直到不再需要进一步的光谱。

基于应用的方法选择

这里描述的方法的选择取决于时序、准确度、设置/计算资源优先级和应用要求。如本文描述的交错的暗收集是跟踪暗电流的最准确的方式，特别是对于具有很高且明显变化的暗电流(darkcurrent)的单排照相机，例如ingaas线性阵列照相机，并且也是例如ccd的2d阵列照相机的最准确的方式，既能在目标snr下提供更高的数据报告速率，又对于变化的暗电流提供最准确的校正。在某些应用中，单次暗收集的标准实践可能会更快，提供两倍的数据/响应速率，换取对暗电流的不太严格的估计跟踪。然而，动态建模暗校正是最快的整体方法(包括制造时间和最终用户时间)，因在制造时不需要额外的工作。尽管在某些应用中，在制造时必须建立额外的专有模型，但动态建模暗方法仍然能够从客户的角度提供更快的数据报告。对夹式暗方法减少了收集时间，同时提高了暗光谱的准确性。最后，如果过程控制系统要求实施，则本文所述的几种方法可以通过实施为滚动平均而受益，而实际上并没有改变系统完全响应过程成分中的阶跃变化的时间量。最后，还可以采用基于过程控制要求或组分浓度的平均量的定制。

虽然本文已经相当详细地描述了用于来自阵列检测器的光谱的收集、暗校正和报告的方法的各种实施例，但是这些实施例仅仅是通过本文所述的本公开的非限制性示例的方式提供的。因此将理解，在不脱离本公开的范围的情况下，可以做出各种改变和修改，并且可以用等同物替换其元件。实际上，本公开并非旨在是穷尽性的或限制本公开的范围。

此外，在描述代表性实施例时，本公开可能已经将方法和/或过程呈现为特定步骤顺序。然而，就方法或过程不依赖于本文阐述的特定步骤顺序而言，该方法或过程不应限于所描述的特定步骤顺序。其它的步骤顺序是可能的，因此可以由发明人考虑。因此，这里公开的特定步骤次序不应被解释为对本公开的限制。此外，针对方法和/或过程的公开不应局限于按照写到的次序执行其步骤。这样的顺序可以改变并且仍然在本公开的范围内。