TP1 Mti
TP1 Mti
TP1 Mti
• Signal du bruit de fond de l’instrument : le signal émis par l’instrument lors de la mesure d’un blanc. Il s’agit
généralement d’une sortie de tension numérisée au moyen d’un convertisseur analogique numérique (synonyme
: signal de fond de l’instrument).
• Bruit (N) : la fluctuation du signal du bruit de fond de l’instrument que l’on caractérise généralement par son
écart-type.
• Rapport signal sur bruit (S/B) : le rapport du signal d’un composé et du signal de fond mesuré sur un blanc.
• Sensibilité : la réponse du signal pour une quantité donnée d’un composé normalisée sur la quantité de
composé produisant cette réponse. Elle est généralement déterminée par la pente de la courbe d’étalonnage.
❑ Spectre UV-VIS
Les spectromètres UV/Visible permettent d’obtenir le spectre des composés examinés sous la forme d’un tracé de
la transmittance, ou de l’absorbance, en fonction des longueurs d’onde repérées en abscisses, ici en nanomètres.
Selon la loi d’additivité, le spectre du mélange correspond à la somme pondérée des spectres de chacun des
constituants. Les méthodes souvent utilisées sont : la méthode de Régression linéaire multilongueurs d’onde
(méthode MLRA) et la méthode de déconvolution.
➢ Pour chaque longueur d’onde, la loi d’additivité des absorbances permet d’écrire que l’absorbance du
mélange considéré des deux composés (notés a et b), supposés n’interagissant pas l’un sur l’autre, est
donnée par l’expression :
3.2.1. Méthode de Régression linéaire multilongueurs d’onde
➢ permet de neutraliser le bruit de fond et donc d’améliorer le résultat d’une analyse de deux composés connus,
présents dans un échantillon.
➢ L’appareil utilise trois enregistrements mis en mémoire : un spectre de l’échantillon (qui contient le mélange
des deux composés dont on veut trouver les concentrations) et deux spectres, dans le même domaine
spectral, correspondant chacun à une solution de référence de concentration connue de l’un et de l’autre
composé.
3.2.2. Déconvolution
D’assez nombreux logiciels de traitement de données permettent de trouver la composition de mélanges à
partir des spectres. L’une des méthodes les plus connues utilise l’algorithme du filtre de Kalman des moindres
carrés. Elle permet de trouver de manière automatique, par approximations successives, le spectre de la
solution échantillon par addition des spectres en mémoire de chacun des composés affectés d’un coefficient de
pondération (loi d’additivité des absorbances). Ce sont les méthodes connues sous les noms de PLS (partial
least square), PCR (principal component regression), ou MLS (multiple least squares).
3.3. Méthode de correction de la ligne de base
Certains échantillons contiennent des particules micellaires en suspension qui créent par diffusion de la lumière
une absorption supplémentaire. Celle-ci varie de manière régulière avec la longueur d’onde.
Plusieurs méthodes cherchent à corriger ce phénomène en retranchant de l’absorbance mesurée la part qui n’est
pas due à l’analyte. Il s’agit en fait de corrections de la ligne de base faites à partir de mesures réalisées à
plusieurs longueurs d’onde
Les tracés des courbes dérivées sont en effet beaucoup plus accidentés que ceux des spectres d’origine (appelés
spectre d’ordre zéro) dont ils mettent en relief les faibles variations de pente. Le processus d’obtention de la
courbe dérivée première, dA/dl=(de/dl).l·c , peut être étendu aux dérivées successives (ne dérivée).