一种基于欠定盲源分离的混合气体成分识别方法
【专利摘要】本发明公开了一种基于欠定盲源分离的混合气体成分识别方法，属于混合气体成分识别问题；利用稀疏理论解决用N种传感器检测识别出混合气体M种成分(N<M)的欠定盲源分离问题，本发明所述的气体识别方法包括以下步骤，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。
【专利说明】一种基于欠定盲源分离的混合气体成分识别方法
【技术领域】
[0001]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】
[0002]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。
[0003]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】
[0004](一 )解决的技术问题
[0005]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。
[0006]( 二 )技术方案
[0007]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:
[0008]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。
[0009]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 = (:χφ，其中
【权利要求】
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11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M阵的X的稀疏可以表示为
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A,若I |x(t) I I2 < r0, t = I, 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Μ，ε 1； ε2, ε3，令k= I ;43:找出观测信号点集{x(l)，x(2)，……，x(Nk)}中的m_l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nk，计算出集合{x(l),x(2),……,X(Nk)}满足式\ηζ.χ(?)|<的观测信号数目Pk;若Pk < M则在集合Ix (I)，X (2)，……，X (Nk)}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nk ;44:去掉{x (I)，X (2)，……，x (Nk)}中与向量nk满足式|?/)| < ε,的Pk< M个观测信号点。记去掉后的集合为|χ(1)，X(2)，……，X(Nk+1)}，gNk+1>M，k = k+lRstep3,否则,转step5 ；45:记得到的法向量集合为In^n2,......，nd}通过求解方程fif = C:—1的整数解，求出源信号的个数η和C:,2的大小；46:把集合In1, η2，……，nd}中的m_l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Wj,计算出集合In^n2,......，nd}中与向量Wj满足式|Cf2的向量的个数kj,若kj < Cl {，则将该类去掉，j = I, 2，......，I ;47:记剩下的向量为w」，j = I, 2，......，I将满足式 I Iwi1-1wjI I < ε 3, i, j = I, 2，......，ri, i 关 j 的向量 Wj, j = I, 2，......，I 将归为一类，每一类的向量构成矩W1 = [w1； W2,......,W1Jj = I, 2，......，q ；48:根据公式
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Cf个MXM维子矩阵，设为爲=[气5.?,]5 k = I,…，，k1；…，kM e {I,…，N} ;52:对某一时刻 t，根据下式求出I1范数最小化问题的可能解，记为Sie U) = [ ?广叽…’? k =
【文档编号】G01N33/00GK104007234SQ201410208593
【公开日】2014年8月27日 申请日期:2014年5月16日 优先权日:2014年5月16日
【发明者】屈剑锋, 魏善碧, 赵卫峰, 王诗年, 黄帅 申请人:重庆大学