[发明专利]一种基于欠定盲源分离的混合气体成分识别方法

权利要求书

1.一种基于欠定盲源分离的混合气体成分识别方法，通过传感器检测人们可以获得含有信息的数据,通过处理这些数据获得信息，并对这些信息进行加工来获得知识和改造自然的能力；混合气体的成分较多的情况下，如何利用种类较少传感器，准确快速检测识别出混合气体中的各个成分与种类，本专利采用基于稀疏表示的欠定盲源分离方法，此方法对于原信号未知以及混合方式未知混合气体能很好的分离出各种成分，其特征在于： 

主要步骤包括如下： 

步骤一：以气体传感器阵列采样获取气体浓度信号，通过预处理得观测信号矩阵； 

步骤二：通过自适应分解算法，保证信号稀疏性的基础上，构建混合气体信号的稀疏表示盲源分离模型； 

步骤三：通过选取线性无关向量进行聚类，实现估计盲源分离模型中的混合矩阵； 

步骤四：利用改进l1范数最小化方法，对混合气体信号进行分离，实现混合气体的识别。 

2.根据权利要求1所述的一种基于欠定盲源分离的混合气体成分识别方法，其特征在于，步骤一就是将这未知的混合气体各成分视为盲源，通过传感器阵列获取盲源的混合信号，以及进行去均值和白化的预处理。 

3.根据权利要求1所述的一种基于欠定盲源分离的混合气体成分识别方法，其特征在于，步骤二为了保证信号的稀疏性，采用自适应分解算法获得信号的稀疏表示，一个矩阵的X的稀疏可以表示为X＝C_XΦ,通过计算X＝AS的C_X矩阵可以简化本专利的分离问题，至此得到一个全域混合的稀疏模型X＝AC_SΦ,其中

4.根据权利要求1所述的一种基于欠定盲源分离的混合气体成分识别方法，其特征在于，步骤三采取以下方式：41：设定参数r₀，若||x(t)||₂＜r₀,t＝1,2,……,N₁, 则将观测信号向量x(t)去掉,记剩下的观测信号为x(t),t＝1,2,……,N₁；42：设定参数M,ε₁,ε₂,ε₃，令k＝1；43：找出观测信号点集{x(1),x(2),……,x(N_k)}中的m-1个线性无关的向量，通过解方程组求出和这组向量都正交的单位法向量n_k，计算出集合{x(1),x(2),……,x(N_k)}满足式的观测信号数目P_k；若P_k＜M则在集合{x(1),x(2),……,x(N_k)}中再找出另外m-1个线性无关的向量，重复上述过程，直到找到满足条件的向量n_k；44：去掉{x(1),x(2),……,x(N_k)}中与向量n_k满足式的P_k＜M个观测信号点。记去掉后的集合为{x(1),x(2),……,x(N_k+1)}，若N_k+1＞M,k＝k+1转step3，否则，转step5；45：记得到的法向量集合为{n₁,n₂,……,n_d}通过求解方程的整数解，求出源信号的个数n和的大小；46：把集合{n₁,n₂,……,n_d}中的m-1个线性无关的向量归为一类，共可聚出q类。在每一类中，通过解方程组求出和该类中的所有向量都正交的向量w_j，计算出集合{n₁,n₂,……,n_d}中与向量w_j满足式的向量的个数k_j，若，则将该类去掉，j＝1,2,……,l；47：记剩下的向量为w_j,j＝1,2,……,l将满足式||w_i|-|w_j||＜ε₃,i,j＝1,2,……,ri，i≠j的向量w_j，j＝1,2,……,l将归为一类，每一类的向量构成矩Wⁱ＝[w₁,w₂,……,w_ri]j＝1,2,……,q；48：根据公式 计算矩阵中W^j的r_i个向量的均值向量e_i，向量e_i即为矩阵A的列向量a_j的估计，j＝1,2,……,q。 

5.根据权利要求1所述的一种基于欠定盲源分离的混合气体成分识别方法，其特征在于，步骤四采取以下方式：51：求出A的个M×M维子矩阵,设为 k＝1,…,k₁,…,k_M∈{1,…,N}；52：对某一时刻t,根据下式求出l₁范数最小化问题的可能解,记为 k＝1,…,53：根据下式求出对应的l₁范数J_k,k＝1,…,54：根据下式确定最小l₁范数解并将其作为s(t)的估计的l₁范数记为J_min,对应的k值为k_min；55：设定阈值r,用于判别可能解的l₁范数J_k是否足够小；56：对于每个k＝1,…,且k≠k_min,若|J_k-J_min|＜rJ_min,则称(t)为l₁范数最小化问题的次优解,将这些次优解记为c＝1,…,C,C为次优解的个数。这些次优解对应的l₁范数记为J^(c)；57：根据下式确定最小l₁范数解的加权系数,记为p_min，p_min与J_min成反比58：根据下式确定次优解(t)的加权系数,分别记为p^(c),c＝1,…,C_。p^(c)与J^(c)成反比，c＝1,…,C；59：根据下式将最小l₁范数解和所有次优解进行加权叠加,其结果代替最小l₁范数解,作为s(t)的估计求出所有时刻的即得到各气体的混合成分。