NMR Data Analysis: A Time-Domain Parametric Approach Using Adaptive Subband Decomposition

Analyse de données RMN : une approche paramétrique basée sur une décomposition en sous-bandes adaptative

Centre de Recherche en Automatique de Nancy (CRAN), Université de Lorraine, CNRS, Bd des Aiguillettes, BP 239, 54506 Vandœuvre-lès-Nancy Cedex - France
e-mail: el-hadi.djermoune@cran.uhp-nancy.fr - marc.tomczak@cran.uhp-nancy.fr - david.brie@cran.uhp-nancy.fr

^⋆ Corresponding author

Abstract

This paper presents a fast time-domain data analysis method for one- and two-dimensional Nuclear Magnetic Resonance (NMR) spectroscopy, assuming Lorentzian lineshapes, based on an adaptive spectral decomposition. The latter is achieved through successive filtering and decimation steps ending up in a decomposition tree. At each node of the tree, the parameters of the corresponding subband signal are estimated using some high-resolution method. The resulting estimation error is then processed through a stopping criterion which allows one to decide whether the decimation should be carried on or not. Thus the method leads to an automated selection of the decimation level and consequently to a signal-adaptive decomposition. Moreover, it enables one to reduce the processing time and makes the choice of usual free parameters easier, comparatively to the case where the whole signal is processed at once. The efficiency of the method is demonstrated using 1-D and 2-D ¹³C NMR signals.

Résumé

Dans ce papier, nous proposons une méthode rapide d’analyse de signaux de spectroscopie de Résonance Magnétique Nucléaire (RMN), dans le cas Lorentzien, fondée sur une décomposition adaptative en sous-bandes. Cette dernière est obtenue par une succession d’étages de filtrage/décimation aboutissant à un arbre de décomposition. À chaque noeud de l’arbre, les paramètres du signal correspondant à la sous-bande sont estimés par une méthode haute-résolution. Puis l’erreur d’estimation est utilisée dans un test d’arrêt qui permet de décider si la décomposition doit être poursuivie ou non dans cette branche. Ainsi, cette approche permet la sélection automatique du niveau de décimation ce qui conduit la décomposition à s’adapter au contenu fréquentiel du signal. De plus, la méthode entraîne une réduction du temps de calcul et facilite le choix des paramètres libres comparativement à une analyse globale du signal. Son efficacité est illustrée au travers d’exemples de signaux RMN ¹³C 1-D et 2-D.