一種基于欠定盲源分離的混合氣體成分識(shí)別方法
【專利摘要】本發(fā)明公開了一種基于欠定盲源分離的混合氣體成分識(shí)別方法，屬于混合氣體成分識(shí)別問(wèn)題；利用稀疏理論解決用N種傳感器檢測(cè)識(shí)別出混合氣體M種成分(N<M)的欠定盲源分離問(wèn)題，本發(fā)明所述的氣體識(shí)別方法包括以下步驟，步驟一：以氣體傳感器陣列采樣獲取氣體濃度信號(hào)，通過(guò)預(yù)處理得觀測(cè)信號(hào)矩陣；步驟二：通過(guò)自適應(yīng)分解算法，保證信號(hào)稀疏性的基礎(chǔ)上，構(gòu)建混合氣體信號(hào)的稀疏表示盲源分離模型；步驟三：通過(guò)選取線性無(wú)關(guān)向量進(jìn)行聚類，實(shí)現(xiàn)估計(jì)盲源分離模型中的混合矩陣；步驟四：利用改進(jìn)l1范數(shù)最小化方法，對(duì)混合氣體信號(hào)進(jìn)行分離，實(shí)現(xiàn)混合氣體的識(shí)別。
【專利說(shuō)明】一種基于欠定盲源分離的混合氣體成分識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及氣體傳感器信號(hào)處理【技術(shù)領(lǐng)域】，特別涉及一種基于欠定盲源分離的混合氣體成分識(shí)別方法。
【背景技術(shù)】
[0002]氣體傳感器普遍存在交叉敏感性，同一個(gè)傳感器可能對(duì)多種氣體敏感，當(dāng)混合氣體的種類很多時(shí)，傳統(tǒng)的技術(shù)方案是布置更多的傳感器陣列，使得傳感器的個(gè)數(shù)多于混合氣體的種類，通過(guò)求解超定非線性方程組，但是氣體傳感器的響應(yīng)比較復(fù)雜，導(dǎo)致方程組具有高度非線性，需要一定的智能算法才能檢測(cè)識(shí)別混合氣體的種類，導(dǎo)致氣體識(shí)別算法具有很高的復(fù)雜性。因此，如何在傳感器的種類較少的情況下，準(zhǔn)確快速檢測(cè)識(shí)別混合氣體的種類，也是目前混合氣體檢測(cè)識(shí)別的熱點(diǎn)問(wèn)題研究。
[0003]欠定盲源分離理論是近年來(lái)出現(xiàn)的一種在欠定盲源分離的基本模型下，充分引入稀疏信號(hào)表征，利用信號(hào)的稀疏性來(lái)估計(jì)混合矩陣列向量。如信號(hào)不充分稀疏，可以利用自適應(yīng)分解算法使源信號(hào)在變換域上很好的滿足稀疏性，從而為估計(jì)混合矩陣創(chuàng)造條件。

【發(fā)明內(nèi)容】

[0004](一 )解決的技術(shù)問(wèn)題
[0005]為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于欠定盲源分離的混合氣體成分識(shí)別方法，以解決目前氣體識(shí)別中要求氣體傳感器數(shù)目充分大于混合氣體種類，且存儲(chǔ)傳輸數(shù)量大，識(shí)別不準(zhǔn)確等問(wèn)題，達(dá)到以較少的傳感器、較少的數(shù)據(jù)量準(zhǔn)確定性識(shí)別的目的。
[0006]( 二 )技術(shù)方案
[0007]以達(dá)到上述目的，本發(fā)明提供一種基于欠定盲源分離的混合氣體成分識(shí)別方法，該方法包括，步驟1:以氣體傳感器陣列采樣獲取氣體濃度信號(hào)，通過(guò)預(yù)處理得到觀測(cè)信號(hào)矩陣；步驟2:構(gòu)建氣體混合信號(hào)的稀疏表示盲源分離模型；步驟3:估計(jì)盲源分離模型中的混合矩陣；步驟4:氣體源信號(hào)的分離，混合氣體的識(shí)別；其特征在于，步驟為:
[0008]步驟1:所述的獲取采樣信號(hào)以及預(yù)處理，具體包括:在對(duì)混合信號(hào)進(jìn)行盲分離以前，我們需要先進(jìn)行一些預(yù)處理。處理過(guò)程主要有兩個(gè)一是去除信號(hào)的均值，另一個(gè)是白化。
[0009]步驟2:建立氣體混合信號(hào)的稀疏盲源分離模型。根據(jù)權(quán)利要求1所述的一種基于欠定盲源分離的混合氣體成分識(shí)別方法，其特征在于，步驟二為了保證信號(hào)的稀疏性，采用自適應(yīng)分解算法獲得信號(hào)的稀疏表示。一個(gè)矩陣的X的稀疏可以表示為X = (:χφ，其中
【權(quán)利要求】
1.一種基于欠定盲源分離的混合氣體成分識(shí)別方法，通過(guò)傳感器檢測(cè)人們可以獲得含有信息的數(shù)據(jù)，通過(guò)處理這些數(shù)據(jù)獲得信息，并對(duì)這些信息進(jìn)行加工來(lái)獲得知識(shí)和改造自然的能力；混合氣體的成分較多的情況下，如何利用種類較少傳感器，準(zhǔn)確快速檢測(cè)識(shí)別出混合氣體中的各個(gè)成分與種類，本專利采用基于稀疏表示的欠定盲源分離方法，此方法對(duì)于原信號(hào)未知以及混合方式未知混合氣體能很好的分離出各種成分，其特征在于: 主要步驟包括如下: 步驟一:以氣體傳感器陣列采樣獲取氣體濃度信號(hào)，通過(guò)預(yù)處理得觀測(cè)信號(hào)矩陣；步驟二:通過(guò)自適應(yīng)分解算法，保證信號(hào)稀疏性的基礎(chǔ)上，構(gòu)建混合氣體信號(hào)的稀疏表示盲源分離模型； 步驟三:通過(guò)選取線性無(wú)關(guān)向量進(jìn)行聚類，實(shí)現(xiàn)估計(jì)盲源分離模型中的混合矩陣； 步驟四:利用改進(jìn)11范數(shù)最小化方法，對(duì)混合氣體信號(hào)進(jìn)行分離，實(shí)現(xiàn)混合氣體的識(shí)別。
2.根據(jù)權(quán)利要求1所述的一種基于欠定盲源分離的混合氣體成分識(shí)別方法，其特征在于，步驟一就是將這未知的混合氣體各成分視為盲源，通過(guò)傳感器陣列獲取盲源的混合信號(hào)，以及進(jìn)行去均值和白化的預(yù)處理。
3.根據(jù)權(quán)利要求1所述的一種基于欠定盲源分離的混合氣體成分識(shí)別方法，其特征在于，步驟二為了保證信號(hào)的稀疏性，采用自適應(yīng)分解算法獲得信號(hào)的稀疏表示，一個(gè)矩M陣的X的稀疏可以表示為
4.根據(jù)權(quán)利要求1所述的一種基于欠定盲源分離的混合氣體成分識(shí)別方法，其特征在于，步驟三采取以下方式:41:設(shè)定參數(shù)A,若I |x(t) I I2 < r0, t = I, 2,......,N1,則將觀測(cè)信號(hào)向量x(t)去掉，記剩下的觀測(cè)信號(hào)為x(t)，t = 1,2,……，N1;42:設(shè)定參數(shù)Μ，ε 1； ε2, ε3，令k= I ;43:找出觀測(cè)信號(hào)點(diǎn)集{x(l)，x(2)，……，x(Nk)}中的m_l個(gè)線性無(wú)關(guān)的向量，通過(guò)解方程組求出和這組向量都正交的單位法向量nk，計(jì)算出集合{x(l),x(2),……,X(Nk)}滿足式\ηζ.χ(?)|<的觀測(cè)信號(hào)數(shù)目Pk;若Pk < M則在集合Ix (I)，X (2)，……，X (Nk)}中再找出另外m-1個(gè)線性無(wú)關(guān)的向量，重復(fù)上述過(guò)程，直到找到滿足條件的向量nk ;44:去掉{x (I)，X (2)，……，x (Nk)}中與向量nk滿足式|?/)| < ε,的Pk< M個(gè)觀測(cè)信號(hào)點(diǎn)。記去掉后的集合為|χ(1)，X(2)，……，X(Nk+1)}，gNk+1>M，k = k+lRstep3,否則,轉(zhuǎn)step5 ；45:記得到的法向量集合為In^n2,......，nd}通過(guò)求解方程fif = C:—1的整數(shù)解，求出源信號(hào)的個(gè)數(shù)η和C:,2的大小；46:把集合In1, η2，……，nd}中的m_l個(gè)線性無(wú)關(guān)的向量歸為一類，共可聚出q類。在每一類中，通過(guò)解方程組求出和該類中的所有向量都正交的向量Wj,計(jì)算出集合In^n2,......，nd}中與向量Wj滿足式|Cf2的向量的個(gè)數(shù)kj,若kj < Cl {，則將該類去掉，j = I, 2，......，I ;47:記剩下的向量為w」，j = I, 2，......，I將滿足式 I Iwi1-1wjI I < ε 3, i, j = I, 2，......，ri, i 關(guān) j 的向量 Wj, j = I, 2，......，I 將歸為一類，每一類的向量構(gòu)成矩W1 = [w1； W2,......,W1Jj = I, 2，......，q ；48:根據(jù)公式
5.根據(jù)權(quán)利要求1所述的一種基于欠定盲源分離的混合氣體成分識(shí)別方法，其特征在于，步驟四采取以下方式:51:求出A的Cf個(gè)MXM維子矩陣，設(shè)為爲(wèi)=[氣5.?,]5 k = I,…，，k1；…，kM e {I,…，N} ;52:對(duì)某一時(shí)刻 t，根據(jù)下式求出I1范數(shù)最小化問(wèn)題的可能解，記為Sie U) = [ ?廣嘰…’? k =
【文檔編號(hào)】G01N33/00GK104007234SQ201410208593
【公開日】2014年8月27日 申請(qǐng)日期:2014年5月16日 優(yōu)先權(quán)日:2014年5月16日
【發(fā)明者】屈劍鋒, 魏善碧, 趙衛(wèi)峰, 王詩(shī)年, 黃帥 申請(qǐng)人:重慶大學(xué)