[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

说明书

技术领域

本发明涉及气体传感器信号处理技术领域，特别涉及一种基于欠定盲源分离的混合气体成分识别方法。

背景技术

气体传感器普遍存在交叉敏感性，同一个传感器可能对多种气体敏感，当混合气体的种类很多时，传统的技术方案是布置更多的传感器阵列，使得传感器的个数多于混合气体的种类，通过求解超定非线性方程组，但是气体传感器的响应比较复杂，导致方程组具有高度非线性，需要一定的智能算法才能检测识别混合气体的种类，导致气体识别算法具有很高的复杂性。因此，如何在传感器的种类较少的情况下，准确快速检测识别混合气体的种类，也是目前混合气体检测识别的热点问题研究。

欠定盲源分离理论是近年来出现的一种在欠定盲源分离的基本模型下，充分引入稀疏信号表征，利用信号的稀疏性来估计混合矩阵列向量。如信号不充分稀疏，可以利用自适应分解算法使源信号在变换域上很好的满足稀疏性，从而为估计混合矩阵创造条件。

发明内容

(一)解决的技术问题

为克服上述现有技术的不足，本发明提供了一种基于欠定盲源分离的混合气体成分识别方法，以解决目前气体识别中要求气体传感器数目充分大于混合气体种类，且存储传输数量大，识别不准确等问题，达到以较少的传感器、较少的数据量准确定性识别的目的。

(二)技术方案

以达到上述目的，本发明提供一种基于欠定盲源分离的混合气体成分识别方法，该方法包括，步骤1：以气体传感器阵列采样获取气体浓度信号，通过预处理得到观测信号矩阵；步骤2：构建气体混合信号的稀疏表示盲源分离模型；步骤3：估计盲源分离模型中的混合矩阵；步骤4：气体源信号的分离，混合气体的识别；其特征在于，步骤为：

步骤1：所述的获取采样信号以及预处理，具体包括：在对混合信号进行盲分离以前,我们需要先进行一些预处理。处理过程主要有两个一是去除信号的均值，另一个是白化。

步骤2：建立气体混合信号的稀疏盲源分离模型。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,其中CX=cx1···cxp=[CX(1)···CX(K)],]]>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