专利名称：软件中的有源干涉信号分析的制作方法
技术领域：
本发明一般涉及有源信号分析系统，特别是干涉信号分析系统。
相关申请 本申请是2001 年 8 月 9 日申请的、题为 “Method and System forSignal Detection in Arrayed Instrumentation Based on QuantumResonance，，的美国专利申请号09/913，132的部分继续申请，美国专利申请号09/913，132是2000年2月 17日申请的PCT申请号US00/04076的国家阶段申请，要求1999年2月22日申请的、 题为“Method andApparatus for Analyzing HybridizedBiochip Patterns using ResonanceInteractions Employing Quantum Expressor Functions，，的美国专利申请号09/253，789，现在的美国专利号6，136，541的优先权，所有申请均在此通过引用全部并入。基于与美国专利申请号09/253，789同时期提交的申请的下列专利也在此通过引用全部并入题为“Method and Apparatusfor Interpreting Hybridized Bioelectronic DNA Microarray Patterns UsingSelf-scaling Convergent Reverberant Dynamics，， 的美国专利号 6,142,681，和题为 “Method and Apparatus for Exponentially Convergent TherapyEffectiveness Monitoring Using DNA Microarray Based Viral LoadMeasurements ”的美国专利号6，245，511。下列临时专利申请也在此通过引用全部并入2002 年 7 月 9 日申请的、题为“Active Signal ProcessingTechnique Using Resonancehterferometry”的美国专利申请号60/395，074，2002年7月四日申请的、题为 “High-ThroughputQuantitation of Signals from Arrayed Platforms UsingResonance Interferometry”的美国专利申请号60/399，227,2002年9月3日申请的、题为“^Technique for Analysis andQuantitation of ArrayedInformation Structures，，的美国专利申请号 60/408，057,2002 年 9 月 5 日申请的、题为 “System and Method for Analysis and Quantitation ofArrayed Platforms”的美国专利申请号 60/408，844。2003 年 1 月 15 日申 i青白勺、IS为“Technique for Detection and Quantitation of ArrayedPlatform Signals" 的美国专利申请号60/440，253。
背景技术：
1.无源和有源干涉信号分析概述 已经证明，干涉分析对于执行信号分析，特别是对于检测信号模式(signal patterns)中例如二维图像中的关注事件(events of interest)是有用的。干涉分析的一个示例包括，利用雷达脉冲照射一个运动目标例如飞机，这些雷达脉冲与该目标相互作用并且彼此干涉，然后反射回给一个传感装置例如天线。将天线收到的信号与原始发送的信号进行比较，尽力检测该目标的独特的谱特征，以便识别该目标。这种形式的干涉分析被称为“有源分析”，因为用于照射关注事件的信号与该目标及其它信号相互作用，以主动修改所得到的干涉模式。换句话说，正在被分析的系统被主动改变。就雷达而言，就是关注事件周围的电磁场被主动改变。
信号分析的一种替换类型是“无源分析”，其中已被检测的信号被处理，尽力在其中识别关注事件。具体示例包括试图在图像中增强特征的过滤图像。这些技术被认为是无源的，因为没有噪声或其它信号被加入正在被分析的系统。特别是，无源干涉分析通常包括，在不加入噪声或其它信号的情况下，所观察的强度模式或相位信息的处理。通常，无源分析系统采用参数方法，例如匹配滤波器技术、最大后验概率(MAP)技术、极大似然估计量(MLE)技术、奇异值分解(SVD)，经典傅立叶分析、参数分布群集(PCA)，或中值过滤器变量。也可以使用非参数方法。另外，还可以使用定量和群集技术，例如“软件计算”及其变体，其包括神经网络、模糊逻辑系统、和贝叶斯推断系统。虽然许多无源分析技术已经被使用，但每个都要求，观察信号的强度大于其出现在其中的背景信号。另外，分析系统必须正确估计背景信号和正确估计背景信号中的任何变异(variability)。在一些情况下，为扩展谱(spread spectrum, S-S)振幅相关性被提供有背景扣除，并采用定标和规格化来补偿检测器非线性。因此，对于无源分析存在各种限制，尤其是不能检测强度小于或接近于背景强度水平的信号。
就杂合(hybridized)生物微阵列模式的分析而言，迄今为止，无源分析一直是执行的分析的唯一形式。简单地说，生物微阵列的信号模式输出被规格化，以补偿染色、扫描仪或阵列影响。然后，对背景信号的特征、转录(transcript)或芯片(chip)水平做出一个估计。然后，从前景中扣除背景，并且计算出前景减去背景的比率，以用数量表示代表关注模式的微分式。该计算常常是利用信道比来执行。在任何情况下，杂合数字化图像模式的无源分析的示例包括PCA、SVD、MLE、隐马尔可夫模型(HMM)和各种统计方法。由于该技术是无源的，因而容易受到上面所述的限制，尤其是，只有在估计背景之上的杂合基因转录可被检测。另外，在具有低表达水平的目标中的高调用可变性(call variability)出现，折叠变化计算中的高CV发生。当处理具有有限动态范围的平台或协议时，偏斜结果(Skewed results)可发生。典型的是，无源杂合分析技术要求巨大数量的数据和标本，以允许驱动该调用分析的统计的准确。迄今为止，提高用于分析杂合数字化图像的无源技术的精确度和可靠性的努力包括，湿(wet)信号扩大和生物增强。无源分析的计算增强已经是最小的。
所以此后，计算机系统已经非常局限于执行无源分析，而有源分析很大程度上是只由硬件系统执行。
2.基于硬件的有源信号分析 利用基于硬件的有源干涉信号分析，外部激励被提供给被分析的系统，而系统被分析是为了提供一种相互作用，相互作用产生另外的信息或提供系统定性性质中的一些变化。典型的是，外部激励包括某种形式的噪声注入，这导致噪声与被分析系统内的关注事件之间的非线性耦合，其增强了这些事件。如上所述，有源信号处理(ASP)的一个示例是雷达，其中被注入到所分析的系统内的信号是雷达信号。另一个示例是超导量子干涉设备 (SQUID)，其利用超导的量子效应来检测磁场。其它一些示例包括图像智能(IMINT)，信号智能(SIGINT)，电子智能(ELINT)设备。此外，有源信号已被用于毫微微激光器。尽管这些基于硬件的系统在某些环境中提供了增强信号，但是此类系统的制造和运行成本昂贵，并且只能物理上操纵或产生类型非常特定的信号。
3.随机谐振技术 在软件中实现的另一个典型的有源系统或技术是随机谐振，其中将噪声应用到被分析的一个图像或一个系统，以改善输出的信噪比(SNI )。利用随机谐振，根据双稳态非线性动态系统对检测器进行建模，其是通过施加附加随机噪声元件和一个周期性正弦强制函数而被增强的。当SNR随着噪声水平的增加而经过一个最大值时，随机谐振产生。通过适当选择被施加的噪声的量，可增强关注事件，以使背景下面的信号能够被检测到。
传统上是采用利用一个经典的噪声源例如标准高斯噪声模式的随机谐振。但可替换的是，可采用利用一定形式的量子噪声的随机谐振。在这方面，已经表现出的是，具有弱谐振激光场的一个双稳态系统的照射引起长寿命的相干隧道运动，其振幅作为双级系统松弛(relaxation)速度和场强的函数，表现了量子随机谐振^jSM)(参见Makarov DE. Makri N. “ Stochastic resonance and nonlinear response indoub1e-quantum-we11 structures" Physical Review B. 52(4) :R2257-R2260,1995 Jul 15)。本质上，QSR 是量子噪声引起的从动量子机械系统响应的增强。
无论如何，迄今，传统的随机谐振和QSR仅用于点动态系统，即只提供随时间变化的信号数据点的系统。增强随机谐振的另一个技术是所谓的阵列增强随机谐振(AESR)，其把随机谐振扩展到二维动态系统，尽管仍然受限于静态系统。虽然有所改善，但AESR典型地受限于具有非常小自由度的系统的分析。
因而，大多数传统的有源信号分析系统不是在软件中实现的，并且那些在软件中实现的分析系统通常具有相当大的限制。因此，所希望的是，提供新的或改进的技术，用于在软件中实现有源信号的处理，为了这些目标，本发明的各个方案被提出。通过在软件中实现有源信号分析，与硬件系统之上的软件系统有关的所有优点可以被利用，包括较低的费用、增强的灵活性、增强的鲁棒性、便携性等等。
尤其是，希望提供在软件中实现的一个有源信号处理系统，能够在一个组合状态空间内检测空间、时间或时空系统中的关注事件，其中状态空间是离散的和连续的，其中背景噪声是非稳定的。理想地，系统能够分析从阵列平台检测器配置的各种变体(包括线性的、阵列的、谱的和时间变化的)中收到的信号，而且能够处理N属性系统。此外，理想地， 改进的系统将能够分析具有信号与背景比率为10_4的信号。对于应用到微阵列平台的生物样本的分析，该系统或技术理想地将能够检测和定量特殊的杂合(例如基因组事件)和特殊的结合(binding)事件(例如蛋白质结合事件)。在涉及基因组范围内，系统应该能够处理来自高密度基因表达微阵列(即阵列提供了每阵列IO2到IO6个斑点(spot))的数据，它代表了离散的、空间上变址(spatiallyindexed)的系统，该系统具有高的探针密度(即每斑点IO6到IO9个探针)。
发明内容
根据本发明，提供了在软件中执行有源干涉信号分析的技术。依靠技术的实施， 通过采用相长(constructive)或相消(destructive)干涉分析(或相长和相消干涉分析的组合)，该技术提供了两种检测和定量分析，这些分析利用回荡收敛(reverberant convergence)来检测谐振事件。该技术可实现波粒相互作用(wave-particleinteractions)和波波相互作用(wave-wave interactions)的软件模拟，可工作于频域或相位域。该技术可用于分析静态空间系统、来自阵列测量平台的静态数据、动态系统、时空系统或等离子系统。
简而言之，该技术采用表达子函数，表达子函数被设计来拒绝来自被分析的阵列数据内的可能的关注事件的任何的干涉噪声或背景杂波。更特殊的是，表达子函数的设计是为提取可能的关注事件的谱不变量，关注事件与用来检测阵列数据的阵列设备有关。本发明的各种方案均致力于表达子函数的产生。典型地，表达子函数被设计为包括一定形式的非高斯噪声，例如量子噪声、伪随机噪声、多环稳定(polycyclostationary)噪声、环稳定(cyclostationary)噪声、稳定噪声、非稳定噪声或系统偏置。优选地，在对阵列数据应用表达子函数之前，阵列要被预处理，以把阵列数据转换到一个谱域，其中谱谐波用参数表示关注事件到一个预处理动态系统。预处理可通过应用一个预处理函数来执行，预处理函数包括，例如I-D傅立叶函数、2-D傅立叶函数、N-D傅立叶函数、时分复用(TDM)函数、波分复用(WDM)函数、频分复用(FDM)函数、径向基函数、小波核函数、分形(fractal)函数或孤立子函数。阵列数据自身可以是空间I-D阵列、空间2-D阵列、空间点发射器阵列、时间点发射器阵列、时空点发射器阵列、谱点发射器阵列或由组合的空间分离点发射器构成的虚拟阵列的形式。
根据一个示例性的方法，提供一项技术以用于有源地分析代表阵列数据的一个信号模式，以识别其中的关注事件。代表阵列数据的一个信号模式被输入，基于合成噪声与信号模式之间的干涉而产生谐振模式。下一步，与关注事件有关的谐振模式内的谐振被检测。 优选地，在对信号模式施加合成噪声的步骤之前预处理该信号模式。
在第一个示例性的系统实施例中，也就是这里被称为“开环干涉系统”中，系统被提供以用于分析阵列平台设备产生的一个阵列信号模式，以识别信号模式内的关注事件。 该系统包括一个表达子函数输入单元，该单元用于输入先前产生的表达子函数，函数能够提取与被使用的特定阵列平台设备有关的关注事件的空间、时空或谱不变量。系统还包括一个预处理单元，用于对阵列信号模式进行预处理。一个有源干涉耦合器用于对预处理阵列信号模式和表达子函数进行卷积(convolve)，以干涉地增强与关注事件有关的预处理模式的部分，关注事件如果存在，则存在于预处理后的模式内。系统还包括一个谐振标识检测器，其用于识别卷积后的信号模式内的关注事件的发生。
在第二个示例性的系统实施例中，这里也被称为“目标导向的干涉系统”中，用于分析阵列信号模式的该系统包括一个用于输入先前产生的表达子函数的一个表达子函数输入单元，和用于预处理阵列信号模式的一个自适应干涉耦合器，以把阵列信号模式转换到一个谱域，同时将信号模式和表达子函数进行卷积，为的是干涉地增强信号模式的部分以识别关注事件，关注事件如果存在，则存在于信号模式内。
在第三个示例性的系统实施例中，这里也被称为“自组织的干涉系统”中，该系统包括用于预处理阵列信号模式的一个预处理器，和一个表达子函数自适应单元，该单元基于输入的规范的表达子函数(即与被使用的特定平台无关的通用表达子函数)和基于一个预处理的信号模式产生预处理的表达子函数，同时干涉地增强所述预处理后的信号模式的部分以识别关注事件，该关注事件如果存在，则存在于信号模式内。
在第四个示例性的系统实施例中，这里也被称为“迭代的干涉系统”中，该系统包括一个用于输入为被使用的平台得到的先前产生的表达子函数的一个表达子函数输入单元，用于预处理阵列信号模式的一个预处理器和一个迭代卷积耦合器。该系统还包括控制耦合器的一个自适应控制器单元，以迭代地和有选择地将表达子函数卷积到一个预处理后的信号模式，直到获得预定的收敛度，以识别增强的信号模式内的关注事件。
本发明提出了在软件中执行有源信号分析的各种技术，提供了方法、系统和计算机产品的实施例。
根据下文中的详细描述，当参考附图时，本发明的特点、目的和优点将变得更加明显，其中类似的参考符号在全部附图中表示相应的标识，其中 图1是一个方块图，提供了本发明第一个示例性实施例(开环干涉系统)的系统部件的概述，该实施例提供了单独的表达子函数产生单元、预处理器、有源干涉耦合器和谐振标识检测器部件； 图2是一个流程图，提供了用于本发明第一个示例性实施例的方法步骤的概述； 图3是一个方块图，提供了本发明第二个示例性实施例(目标导向的干涉系统) 的系统部件的概述，该实施例提供了一个自适应干涉耦合器； 图4是一个流程图，提供了用于本发明第二个示例性实施例的方法步骤的概述； 图5是一个方块图，提供了本发明第三个示例性实施例(自组织的干涉系统)的系统部件的概述，该实施例提供了一个表达子函数自适应单元； 图6是一个流程图，提供了用于本发明第三个示例性实施例的方法步骤的概述； 图7是一个方块图，提供了本发明第四个示例性实施例(迭代的干涉系统)的系统部件的概述，该实施例提供了用于迭代地控制一个单独的迭代干涉系统的一个自适应控制器； 图8是一个流程图，提供了用于本发明第四个示例性实施例的方法步骤的概述； 图9说明了可被本发明的任何实施例处理的阵列数据信号模式的组合；和 图10说明了预处理函数与表达子函数的组合，其可与本发明的任何实施例结合使用； 图11说明了可采用本发明的一个示例性的平台阵列检测器和有源干涉分析系统； 图12说明了可与本发明的任何实施例结合使用的各种平台阵列检测器； 图13说明了用于产生阵列数据的一个示例性阵列平台的结构，该阵列数据可用于本发明的任何实施例；和 图14是一个流程图，概括了至少根据其中一个示例性实施例的本发明的总体方法。
具体实施例方式现在参考附图，对本发明的示例性实施例进行描述。
A.开环干涉系统 1.概述 图1在一个较高层面上描述了用于本发明的第一个示例性实施例的示意性系统部件。左边示出了仅在设计阶段使用的部件；右边示出了在一个输入信号的实际分析过程中使用的部件。简而言之，在设计阶段期间，表达子函数发生单元100基于平台阵列检测器 102的特定特征，并基于从平台阵列102中获得的校准数据，产生一个或多个设计者表达子 (designer expressor)函数，平台阵列检测器102用于检测要被处理的信号模式。校准数据是基于已知的关注事件而被产生。就是说，包含已知关注事件的输入信号或物理样本被应用于检测器以产生校准数据。在一个示例中，平台阵列检测器是一个基因组(genomic) 生物芯片/微阵列，校准数据是从包含已知基因表达式的生物样本中得到。由表达子函数发生单元输入的平台阵列检测器的特征包括阵列的布局，和其相干噪声或背景信号特征。 一旦基于校准数据为特定平台阵列检测器产生了表达子函数，设计阶段就被完成，然后，表达子函数发生单元就不再需要，除非采用了一个替换的平台阵列检测器。
在系统的实际运行阶段期间使用的部件包括，产生检测信号模式的上述平台阵列检测器102，和预处理检测信号模式的预处理器单元104，以把信号模式转变到一个谱域 (信号模式转变到一个谱域的技术的一个示例，请参考2003年5月5日申请的美国专利申
10/430664,and System for Characterizing MicroarrayOutput Data”，此处通过引用将其全部并入)，其中谱谐波用参数表示关注事件到一个预定动态系统(为此，可应用的特征被输入到该预处理器单元)。运行阶段部件还包括一个有源干涉耦合器106，其对预处理后的信号模式和先前产生的表达子函数进行卷积。执行卷积是为了干涉地增强与关注事件有关的预处理后的信号模式的部分，关注事件如果存在，则存在于预处理后的信号模式内。卷积是通过回荡收敛来执行的，以模拟有源干涉的增强，这将在下文详述。最后，该系统还包括一个谐振标识检测器108，其对卷积后的信号模式进行处理以识别特定的关注事件，关注事件如果存在，则出现在卷积后的信号模式中。
除了平台阵列检测器之外，其是物理硬件部件，图1中所有其它的部件可在软件、 硬件、固件或其某种组合中实现。特别地，每个部件可以是用于执行所述功能的计算机产品。在一个示例中，每个部件是在单个通用可编程计算机内运行的一个软件模块。在其它情况下，软件模块是利用单独的微处理器或特定用途集成芯片(ASIC)而实现。还有一些示例是，一些部件被移植到软件中，而其它部件完全用硬件实现。能够理解的是，大范围的可能的实施方式与本发明是一致的，这里不试图描述所有可能的配置。
现在参考图2简要地概述图1中与开环干涉系统有关的方法步骤。尽管这些步骤是由图1中的系统有利地执行，但这些步骤可被任何其它适当的系统来执行。相反地，图1 中的系统或其部分可被用来执行不同于图2所示的方法。在本发明申请中的各种其它附图中也是这样。任何情况下，在步骤110中，从一个从特定平台阵列检测器中获得的信号模式被输入，在步骤112中，被设计用来为关注事件提取谱不变量的表达子函数被输入，关注事件是由特定平台阵列可检测的。然后，在步骤114中，输入的信号模式被预处理以把信号模式转换到谱域，其中谱谐波用参数表示关注事件到上述的预处理动态系统中。在步骤116 中，然后利用回荡收敛对预处理后的信号模式和表达子函数进行卷积，以模拟与关注事件有关的信号模式的有源干涉增强的部分，因而产生一个卷积后的信号模式(本文也将其称为一个增强的信号模式)。最后在步骤118中，对卷积后的信号模式进行检测以识别其中的关注事件。
应指出的是，在步骤112中，不需要输入一系列的特定关注事件。相反，该技术用于只基于输入模式和先前产生的表达子函数来检测输入模式中存在的可能的关注事件。因此，图2中的技术不仅仅是用于寻求确定特定的预处理的关注事件是否出现在输入的信号模式中的一个诊断技术。这根据下文详述的示例将更容易理解。
2.示例件实施例 现在详细地解释图1中各种部件或在图2中各种方法步骤的过程中所执行的的数学方程。在这个示例中，采用了量子表达子函数。但是如下所述，在依赖于诸如信号与背景强度、被分析的关注事件的提取核心长度(extraction core length)、平台相干性和期望敏感度等因子按需要修改方程的情况下，其它表达子函数可替换地使用。
示例性方程是与条件特别有关的，其中背景是信号强度的10到1000倍。
最初，在设计阶段，图1中的表达子函数发生单元100输入平台阵列检测器特征， 数学上表示为 Ψ [Ω (N, Μ, Τ, A)] 其中Ω (N, Μ, Τ, Λ)表示对应于一个或多个关注事件的一个预处理提取核心。符号N(0:n)，M(0:m)，T(l:k), Λ (0:ρ)分别表示图11中描述的物理的或虚拟的阵列平台的空间、时间和谱维度。预处理对应于关注事件的提取核心的详细内容在2003年5月5日申 i青的、11 “Method and System for Characterizing Microarray Output Data" ^^H 专利申请序列号10/430664中给出。
表达子函数发生单元也输入校准数据(j标本)，数学上表示为
权利要求
1.一种系统，其用于执行有源干涉分析 用于输入表示关注信号的信号模式的装置；利用增加非高斯噪声或遍历噪声驱动的回荡收敛来产生关注信号的谐振模式的装置；和检测与关注事件有关的紧急谐振模式的装置。
2.根据权利要求1所述的系统，其中所述用于产生谐振模式的装置采用量子干涉分析。
3.根据权利要求2所述的系统，其中所述信号模式源于一个或多个静态空间系统、一个来自阵列测量平台的静态数据、动态系统、时空系统和等离子系统。
4.根据权利要求1所述的系统，其中所述有源干涉分析采用谐振干涉信号分析，其利用了谱信号脉冲的数字表示。
5.根据权利要求1所述的系统，其中所述有源干涉信号分析采用相干振荡。
6.根据权利要求1所述的系统，其中所述有源干涉分析采用时域或频域卷积操作。
7.根据权利要求1所述的系统，其中所述有源干涉分析采用表达子函数以通过一种计算引起的干涉机制来识别所述信号模式中的关注事件是否存在。
8.根据权利要求1所述的系统，其中所述有源干涉信号分析采用同步振荡。
9.根据权利要求1所述的系统，其中所述有源干涉信号分析采用异步振荡。
10.一种用于分析阵列信号模式以识别所述信号模式内的关注事件的系统，所述阵列信号模式由一个阵列平台设备产生，所述系统包括一个用于输入表达子函数的表达子函数输入单元；一个预处理器单元，其用于对所述阵列信号模式进行预处理，以把所述阵列信号模式转换到谱域，其中一个或多个谱谐波频率的组合用参数表示关注事件到一个预定的动态系统；一个耦合器单元，其用于对所述预处理后的信号模式和所述表达子函数进行卷积，以干涉地增强与关注事件有关的所述预处理后的信号模式的部分，该关注事件如果存在，则存在于所述预处理后的信号模式内；和一个谐振标识检测器，其用于识别增强的信号模式内的关注事件的发生。
11.根据权利要求10所述的系统，其中所述信号模式来源于被图像化和像素化的数据。
12.根据权利要求10所述的系统，其中所述表达子函数被设计以便能够提取与阵列设备或检测器阵列有关的关注事件的一个或多个空间、时空或谱不变量。
13.一种用于分析阵列信号模式以识别所述信号模式内的关注事件的方法，所述阵列信号模式由一个阵列设备产生，所述方法包括以下步骤输入表达子函数，该表达子函数能够提取与所述阵列设备有关的关注事件的谱不变量；对所述阵列信号模式进行预处理，以把所述阵列信号模式转换到谱域； 对所述预处理后的信号模式和所述表达子函数进行卷积，以干涉地增强与关注事件有关的所述预处理后的信号模式的部分，该关注事件如果存在，则存在于所述预处理后的信号模式内，其中对所述预处理后的信号模式和所述表达子函数进行卷积的步骤包括在所述预处理后的信号模式和所述表达子函数之间执行回荡收敛的步骤，以获得谐振状态，所述回荡收敛由非高斯噪声或遍历噪声驱动；和识别所述增强的信号模式内的关注事件。
14.根据权利要求13所述的方法，其中所述执行回荡收敛的步骤是利用一个开环控制程序来执行的，该开环控制程序终止于一个预定条件的检测。
15.根据权利要求13所述的方法，其中所述预定条件是对应于一个关注事件的一个谐振标识。
16.根据权利要求13所述的方法，其中所述对所述预处理后的信号模式和所述表达子函数进行卷积的步骤包括在所述预处理后的信号模式与所述表达子函数之间的相消干涉的步骤。
17.根据权利要求13所述的方法，其中所述对所述预处理后的信号模式和所述表达子函数进行卷积的步骤包括在所述预处理后的信号模式与所述表达子函数之间的相长干涉的步骤。
18.一种用于分析阵列信号模式以识别所述信号模式内的关注事件的方法，所述阵列信号模式由一个阵列设备产生，所述方法包括以下步骤对所述阵列信号模式进行预处理，以把所述阵列信号模式转换到谱域，其中一个或多个谱谐波用参数表示关注事件到一个预定的动态系统；和基于规范表达子函数和基于所述预处理后的信号模式产生预处理后的表达子函数，同时提取与所述阵列设备有关的关注事件的谱不变量，并干涉地增强所述预处理后的信号模式的部分以识别关注事件，该关注事件如果存在， 则在所述信号模式内。
19.根据权利要求18所述的方法，其中所述产生预处理后的表达子函数的步骤被执行，以在所述预处理后的信号模式和所述表达子函数之间隐性地实现回荡收敛，以通过利用非高斯噪声或遍历噪声获得一个谐振状态。
20.根据权利要求18所述的方法，其中所述产生预处理后的表达子函数的步骤利用一个闭环程序来执行。
21.一种用于分析阵列信号模式以识别所述信号模式内的关注事件的系统，所述阵列信号模式由一个阵列平台设备产生，所述系统包括一个表达子函数输入单元，其用于输入表达子函数，该表达子函数能够提取与所述阵列设备有关的关注事件的谱不变量；一个预处理器，其用于对所述阵列信号模式进行预处理，以把所述阵列信号模式转换到谱域，其中谱谐波用参数表示关注事件到一个预定的动态系统；一个迭代干涉耦合器，其用于对所述预处理后的信号模式和所述表达子函数进行卷积，以干涉地增强与关注事件有关的所述预处理后的信号模式的部分，该关注事件如果存在，则存在于所述预处理后的信号模式内；和一个自适应控制器，其用于控制所述耦合器以迭代地和有选择地将表达子函数卷积到所述预处理后的信号模式，直到获得由非高斯噪声或遍历噪声驱动的预定的回荡收敛度， 以识别所述增强的信号模式内的关注事件。
22.一种用于分析阵列信号模式以识别所述信号模式内的关注事件的方法，所述阵列信号模式由一个阵列平台设备产生，所述方法包括以下步骤输入表达子函数，该表达子函数能够提取与所述阵列设备有关的关注事件的谱不变量；对所述阵列信号模式进行预处理，以把所述阵列信号模式转换到谱域；和利用非高斯噪声或遍历噪声迭代地和有选择地对所述预处理后的信号模式和所述表达子函数进行卷积，以干涉地增强与关注事件有关的所述预处理后的信号模式的部分，该关注事件如果存在，则存在于所述预处理后的信号模式内，直到获得预定的收敛度以识别所述增强的信号模式内的关注事件。
23.根据权利要求22所述的方法，其中所述的迭代地和有选择地对所述预处理后的信号模式和所述表达子函数进行卷积的步骤通过以下方式执行利用回荡收敛重复地将单个的固定表达子函数卷积到所述预处理后的信号模式，直到获得预定的收敛度。
24.根据权利要求22所述的方法，其中所述的迭代地和有选择地对所述预处理后的信号模式和所述表达子函数进行卷积的步骤通过以下方式执行利用回荡收敛有选择地将一组不同的固定表达子函数卷积到所述预处理后的信号模式，直到获得预定的收敛度。
25.根据权利要求22所述的方法，其中所述的迭代地和有选择地对所述预处理后的信号模式和所述表达子函数进行卷积的步骤通过以下方式执行利用回荡收敛有选择地对一个动态表达子函数进行修改然后卷积到所述预处理后的信号模式，直到获得预定的收敛度。ο
26.一种有源的目标导向干涉系统，其被配置为分析表示阵列数据的谱转换后的信号模式以识别其内的关注事件，所述系统包括用于设计专用的谱得出的表达子函数的装置；用于将表示所述阵列数据的谱转换后的信号模式与谱得出的合成噪声耦合的装置，其中所述耦合包括与卷积迭代和全局迭代中的一个或两者耦合，以基于所述合成噪声和所述谱转换后的信号模式之间的干涉产生谐振模式；和识别与关注事件有关的所述谐振模式内的谐振以产生分析结果的装置。
27.根据权利要求沈所述的系统，其中所述合成噪声的形式是下列形式中的一种或多种量子表达子函数、经典表达子函数、经典静态噪声、伪随机噪声或系统偏置。
28.根据权利要求沈所述的系统，其中所述阵列数据的形式是下列形式中的一种或多种空间2-D阵列、空间I-D阵列、N-D阵列、时间点发射器阵列、时空点发射器阵列、谱点发射器阵列或通过组合空间分离点发射器构成的虚拟阵列。
29.根据权利要求沈所述的系统，进一步包括在耦合步骤之前对所述信号模式进行预处理的装置。
30.根据权利要求四所述的系统，其中所述的对所述信号模式进行预处理的装置包括应用一个或多个预处理函数，该预处理函数的形式是I-D傅立叶函数、2-D傅立叶函数、N-D 傅立叶函数、时分复用函数、波分复用函数、频分复用函数、径向基函数、小波核函数、分形函数或孤立子函数。
31.根据权利要求沈所述的系统，其中所述阵列数据产生于一个设备，该设备从下列设备中选择光学平台、生物分子平台、离子平台、生物力学平台、光电子平台、射频平台、电子微设备。
32.根据权利要求沈所述的系统，其中所述阵列数据产生于一个设备，该设备从下列设备中选择杂合斑点cDNA微阵列、合成低聚核苷酸阵列、斑点低聚核苷酸阵列、缩氨酸核苷化验、单核苷多态性阵列、碳水化合物阵列、醣蛋白阵列、蛋白质阵列、蛋白质组阵列、组织阵列、抗体阵列、抗原阵列、生物鉴定、排序微阵列、杂合排序微阵列、siRNA双链体、RNAi 阵列的基于玻璃的阵列、尼龙膜阵列、薄膜阵列、聚合物基底阵列、毛细管电泳阵列、基因谱阵列、电子阵列、珠子阵列、量子点阵列、多聚糖阵列、斑点井和斑点井板。
33.根据权利要求沈所述的系统，其中用于耦合的装置是采用卷积迭代，所述卷积迭代包括所述谱转换后的信号模式和所述合成噪声之间的卷积迭代，用以通过扰动对应于所述合成噪声的表达子函数的个别分量来检测和增强所述谐振模式。
34.根据权利要求沈所述的系统，其中耦合是采用所述全局迭代，所述全局迭代包括所述谱转换后的信号模式和所述合成噪声的之间的全局迭代，用以通过扰动对应于所述合成噪声的表达子函数的所有分量来检测和增强所述谐振模式。
35.根据权利要求20所述的系统，其中所述耦合包括所述卷积迭代和所述全局迭代两种。
全文摘要
本发明提供了多种在软件中执行有源干涉信号分析的技术。这些技术采用表达子函数，这些表达子函数被设计用来提取与阵列平台设备有关的关注事件的谱不变量，所述阵列平台设备用于检测要被分析的信号模式。本发明还提供了各种用于产生表达子函数的技术。这些技术通过采用相长或相消干涉分析提供了检测和定量分析，这取决于具体实施方式
，所述相长或相消干涉分析利用回荡收敛来检测谐振事件。这些技术实现了波粒相互作用和波波相互作用的软件模拟，并且能够工作于频域或相位域。可将这些技术用于分析静态空间系统、来自阵列测量平台的静态数据、动态系统、时空系统或等离子系统。
文档编号G06F19/20GK102184321SQ201110103168
公开日2011年9月14日 申请日期2003年7月9日 优先权日2002年7月9日
发明者S·古拉蒂 申请人:威洛吉公司