[发明专利]一种气体传感器漂移补偿方法

权利要求书

1.一种气体传感器漂移补偿方法，其特征在于，所述方法具体步骤包括：

步骤一、采集多组分气体样本中至少一种气体浓度所对应的传感器输出数据；

所述传感器输出数据包括无漂移数据和漂移数据，且无漂移数据标记有标签，漂移数据无标签；

步骤二、将所述传感器输出数据输入到基于平衡分布适应BDA模型中，进行特征提取，预测得到目标域数据的伪标签；

其中，将无漂移数据作为BDA模型的源域数据，漂移数据作为BDA模型的目标域数据；

步骤三、依据所述伪标签，通过K邻近KNN算法对目标域数据进行分类；

步骤四、在令目标域数据的分类更精确前提下，用上一轮得到的标签更新伪标签并多次迭代；由于参与迁移的数据是不会变的，经过往返多次迭代后，可提升分类结果准确性，得到更新的BDA模型；其中BDA模型中的迭代次数为T；

步骤五、使用更新的BDA模型对气体传感器的漂移进行补偿；

步骤二具体如下：

步骤二一、向BDA模型输入无漂移数据、漂移数据、正则化参数λ和权重平衡因子μ；

步骤二二、构建MMD方程：

其中，为源域、为目标域、i为源域中的样本序数、j为目标域中的样本序数、x_i表示第i个源域数据样本、y_i表示第i个源域数据样本的目标气体标签值、x_j第j个目标域数据样本、x_si第i个源域数据样本、x_tj第i个目标域数据样本，c∈{1,2，…，C}为各种类别标签，n和m分别表示源域和目标域中的样本数，源域和目标域中的标签分别表示为D_s和D_t，n_c＝|D_s|，m_c＝|D_t|是D_s和D_t中的样本数；

步骤二三、构建矩阵M₀和矩阵M_c：

步骤二四、通过MMD方程矩阵M₀和矩阵M_c得到广义分解问题：

其中，X为输入数据矩阵，包括x_s和x_t，x_s表示有标记的源域目标样本和x_t未标记的目标域样本；I为单位矩阵，I∈R(n+m)×(n+m)；X^T为X矩阵的转置；A为变换矩阵；Φ＝(φ₁，φ₂，…，φ_d)为拉格朗日乘子；H为中心矩阵，H＝I-(1/n)1；(M₀)_ij、(M_c)_ij分别为矩阵M₀和矩阵M_c中的i行第j列样本；(c)表示矩阵D_s和矩阵D_t分别在源域和目标域中属于c类的样本；

步骤二五、求解广义分解问题，得到最优的变换矩阵A和所述变换矩阵的d个最小特征向量；

步骤二六、在{A^TX_S,y_s}上训练基本分类器f；其中，A^T为A矩阵的转置、X_S为源域特征矩阵、y_s源域气体类别标签数据值；

步骤二七、利用基本分类器f得到伪标签：

其中，D_t表示目标域、为伪标签、X_t为目标域特征矩阵。

2.根据权利要求1所述的一种气体传感器漂移补偿方法，其特征在于，步骤二还包括：

利用粒子群优化PSO算法对权重平衡因子μ进行优化，得到最佳的权重平衡因子μ；

所述最佳的权重平衡因子μ，用于实现BDA模型中源域与目标域的最小的最大平均差异MMD距离。