[发明专利]基于动态特征重要度的电子鼻气体传感器阵列优化方法

说明书

本发明涉及一种基于动态特征重要度的电子鼻气体传感器阵列优化方法，其属于传感器阵列优化技术领域。包括如下步骤：步骤1、通过电子鼻采集目标环境中的气体信息；步骤2、通过方差筛去对目标环境中气体没有响应的气体传感器；步骤3、提取初步筛选后的气体传感器阵列中每个传感器的特征参数；步骤4、根据动态特征重要度对当前传感器阵列中的传感器进行排序，选择最重要的传感器加入优化阵列，判断当前优化阵列是否符合需求。本发明的有益效果是：本发明解决了电子鼻系统中依据经验设计传感器阵列或简单相关性优化阵列的低效问题，具有简单快速，易于实施，普适性强和可解释性强的特点。

技术领域

本发明涉及一种基于动态特征重要度的电子鼻气体传感器阵列优化方法，其属于传感器阵列优化技术领域。

背景技术

气体传感器目前已广泛应用于食品工业、环境监测、军事安全等领域，但因其交叉敏感的特点，单一气体传感器往往无法完成复杂的需求，而电子鼻将多个气体传感器组成的传感器阵列，并通过模式识别技术对气味/气体进行分析和识别，有效地改善了气体传感器的选择性差、交叉敏感的问题，然而气体传感器阵列所产生的高维数据中包含的冗余信息也增加后续数据处理的难度。气体传感器阵列的优化可以在最大程度上减小传感器阵列的规模，降低数据维度和处理难度，符合目前电子鼻系统微型化的趋势。因此，如何优化气体传感器阵列也就成为了目前电子鼻系统中亟需解决的关键技术之一。

在此前的气体传感器阵列优化问题中，特征选择技术和特征提取技术是最常用的降维手段，尤其是序列前向选择(SFS)、主成分分析(PCA)和线性判别分析(LDA)等。参见张红梅，邹光宇，王淼森等(ZHANG Hongmei,ZOU Guangyu,WANG Miaosen,et al.)：基于传感器阵列多特征优化融合的茶叶品质检测研究(Detection Method for Tea Quality UsingSensor Array Coupled with Multi-Feature Optimization Fusion).传感技术学报(Chinese Journal of Sensors and Actuators),2018,31(3)：491-496。但是，这些方法大多将重点放在特征对分类的贡献而对特征的冗余性缺乏关注。随着电子鼻系统的不断发展和推广，越来越多的行业开始引入电子鼻系统，缩短电子鼻系统的工作时间以及提高识别精度显得尤为重要。气体传感器阵列中包含无关和冗余的传感器都会对识别准确率、识别速度等造成影响，因此，设计一种可以同时考虑传感器有效性和冗余性的电子鼻气体传感器阵列优化的方法具有重要意义。

发明内容

本发明针对上述现有技术中存在的不足，提供一种基于动态特征重要度的电子鼻气体传感器阵列优化方法。

本发明解决上述技术问题的技术方案如下：

一种基于动态特征重要度的电子鼻气体传感器阵列优化方法，包括如下步骤：

步骤1、通过电子鼻采集目标环境中的气体信息；

步骤2、通过方差筛去对目标环境中气体没有响应的气体传感器；

步骤3、提取初步筛选后的气体传感器阵列中每个传感器的特征参数；

步骤4、根据动态特征重要度对当前传感器阵列中的传感器进行排序，选择最重要的传感器加入优化阵列，判断当前优化阵列是否符合需求，若符合，则确定优化阵列；若不符合，重复步骤4。

优选地，所述电子鼻的气体传感器根据其具体应用选择，使其能对应用环境中的目标气体响应不同类型的气体传感器。

优选地，所述步骤2中设定方差阈值γ，计算每个传感器对每种气体响应曲线的方差，方差的计算方法为：

计算每个传感器对所有类别气体响应曲线的方差之和，与方差阈值γ进行比较，当方差和大于γ时，则保留该传感器；当方差和小于或等于γ时，则删除该传感器；