Improving the performance of linear prediction on magnetic resonance signals by oversampling

UPR 9003, Cancérogenèse et Mutagenèse moléculaire et structurale, IBMC du CNRS, 15, rue Descartes, 67084 Strasbourg Cedex, France.

Abstract

Linear prediction has attracted considerable interest as an alternative approach to fast Fourier transform for quantification of NMR signals. Based on a Monte Carlo method, we report a statistical investigation on one form of linear prediction to examine the accuracy and precision with which the positions of NMR lines in complex spectra may be determined. The spectral resolution of the technique is found to be dependent on both the prediction order and the relaxation time T2 of the signal. It is found that for signals with long T2, the spectral resolution can be improved by increasing the total acquisition time, while for signal with short T2, the prediction order and consequently the resolution of the linear prediction technique can be increased by oversampling in the time domain.

Résumé

La prédiction linéaire est une alternative très attractive de la transformée de Fourier pour la quantification des signaux de RMN. Nous présentons ici une analyse statistique de la limite de résolution fréquentielle d’une méthode de prédiction linéaire. Il est montré que la résolution de cette technique dépend de l’ordre de prédiction utilisé ainsi que de la relaxation T2 du signal RMN. Pour des signaux avec des T2 longs, la résolution peut être améliorée en allongeant le temps total d’acquisition, alors que pour des signaux avec des T2 courts, l’ordre de prédiction et en conséquence la résolution spectrale de la prédiction linéaire peuvent être améliorés en sur-échantillonant le signal temporel.