Design of Smart Ion-Selective Electrode Arrays Based on Source Separation through Nonlinear Independent Component Analysis

Développement de réseaux de capteurs chimiques intelligents par des méthodes de séparation source fondée sur l’analyse de composantes indépendantes non linéaire

¹ School of Applied Sciences, University of Campinas (UNICAMP), rua Pedro Zaccaria, 1300, Limeira - SP - Brazil
² GIPSA-lab, UMR 5216 CNRS, Institut Polytechnique de Grenoble, 11 rue des Mathématiques, BP 46, 38402 Saint-Martin-d'Hères Cedex - France
e-mail: leonardo.duarte@fca.unicamp.br - christian.jutten@gipsa-lab.grenoble-inp.fr

^⋆ Corresponding author

Abstract

The development of chemical sensor arrays based on Blind Source Separation (BSS) provides a promising solution to overcome the interference problem associated with Ion-Selective Electrodes (ISE). The main motivation behind this new approach is to ease the time-demanding calibration stage. While the first works on this problem only considered the case in which the ions under analysis have equal valences, the present work aims at developing a BSS technique that works when the ions have different charges. In this situation, the resulting mixing model belongs to a particular class of nonlinear systems that have never been studied in the BSS literature. In order to tackle this sort of mixing process, we adopted a recurrent network as separating system. Moreover, concerning the BSS learning strategy, we develop a mutual information minimization approach based on the notion of the differential of the mutual information. The method works requires a batch operation, and, thus, can be used to perform off-line analysis. The validity of our approach is supported by experiments where the mixing model parameters were extracted from actual data.

Résumé

Les réseaux de capteurs chimiques fondés sur la Séparation Aveugle de Sources (SAS) fournissent une solution prometteuse pour palier le problème d’interférence typique des électrodes ion- sélective. Cette nouvelle approche peut rendre plus simple la phase d’étalonnage, surtout en évitant l’utilisation d’un ensemble important de points pour l’ajustage de la méthode de traitement des données. Les premiers travaux sur le problème n’ont considéré que la situation dans laquelle les ions en cours d’analyse ont des valences égales. Motivé par cette limitation, le présent travail vise à développer une technique de SAS qui fonctionne lorsque les ions ont des valences différentes. Dans ce cas, le modèle de mélange résultant appartient à une classe particulière de systèmes non linéaires qui n’ont jamais été étudiés dans la littérature de SAS. La solution proposée est fondée sur un réseau récurrent comme système de séparation et sur une approche de minimisation de l’information mutuelle pour l’estimation des paramètres. La méthode peut être utilisée pour des analyses off-line. La validité de notre approche est justifiée par des tests où les paramètres du modèle de mélange ont été obtenus à partir de données réelles.