一种局部和全局特征相结合的电子鼻响应谱特征提取方法

摘要

本发明公开了一种局部和全局特征相结合的电子鼻响应谱特征提取方法，包括如下步骤：根据待测气体的种类选择合适型号的M个气敏传感器，组成电子鼻的传感器阵列；向气体室内通入待测样本气体，采集卡将实时采集到的数据写入电子鼻的上位机；上位机程序读取数据并进行滑动平均值滤波；滑动直线距离最小法提取滤波后数据的局部特征；快速傅里叶变换提取全局特征；将局部特征和全局特征组合为电子鼻响应谱的特征矩阵，归一化后用于后续识别。本发明的优点在于：本方法可以提高数据的准确性，能更加全面地反映电子鼻响应谱的特征。

权利要求

1.一种局部和全局特征相结合的电子鼻响应谱特征提取方法，其特征在于：包括如下步骤：步骤1：根据待测气体的种类选择合适型号的M个气敏传感器，组成电子鼻的传感器阵列；

步骤2：向气体室内通入待测样本气体，采集卡将实时采集到的数据写入电子鼻的上位机；

步骤3：上位机程序读取数据并进行滑动平均值滤波；

步骤4：滑动直线距离最小法提取局部特征即稳态响应数据的平均值，保存目前距离滑动直线距离之和最小的数据及其平均值：所述步骤4中，所述滑动直线距离最小法用于提取电子鼻响应谱的局部特征即稳态响应数据及其平均值，将滤波后的Y个数据放入队列中，队列的长度固定为Y，利用队首和队尾两个点确定一条直线，计算队列中的点到直线的距离之和，更新数据，保存距离之和最小的队列中的数据及其平均值；

步骤5：快速傅里叶变换提取全局特征，将已滤波的样本点变换到频域并保存目前频域上最大的幅值；

步骤6：采集结束后将步骤4中M个传感器的数据平均值和步骤5中数据最大幅值组成的Mx2二维矩阵作为电子鼻的特征矩阵，归一化后用于后续识别。

2.根据权利要求1所述的一种局部和全局特征相结合的电子鼻响应谱特征提取方法，其特征在于：所述步骤3中，所述滑动平均值滤波是将X个采样数据看成一个队列，每进行一次新的采样，把采样结果放入队尾，而舍弃原来队首的数据，这样在队列中始终有X个“最新”的数据，计算队列中的X个数据的平均值，即可得到新的滤波值。

3.根据权利要求1 2中任意一项所述的一种局部和全局特征相结合的电子鼻响应谱特~征提取方法，其特征在于：所述步骤5中，所述快速傅里叶变换用于提取电子鼻响应谱的全局特征，快速傅里叶变换将滤波后的样本数据变换到频域上，频域上最大的幅值是由所有样本点的直流分量累加得到，即频域上的最大幅值可反映电子鼻响应谱的全局特征。

4.根据权利要求3所述的一种局部和全局特征相结合的电子鼻响应谱特征提取方法，其特征在于：所述步骤6中，所述归一化是采用对数函数转换法、线性函数转换法或反余切函数转换法方法把电子鼻响应谱的特征矩阵中的元素归一化到[0，1]之间。

说明书

一种局部和全局特征相结合的电子鼻响应谱特征提取方法

技术领域

[0001] 本发明涉及测试技术应用领域，具体涉及一种局部和全局特征相结合的电子鼻响应谱特征提取方法。

背景技术

[0002] 目前对电子鼻的特征提取方法主要有曲线拟合法和提取曲线局部特征法如提取曲线峰值、一阶拐点、二阶拐点、曲线的面积等这两大类。

[0003] 这两类方法或者只提取了全局特征，或者只提取了局部特征，没有将两者综合起来全面地反映电子鼻响应谱的特征。

发明内容

[0004] 本发明的目的就是要针对现有装置的不足，提供一种局部和全局特征相结合的电子鼻响应谱特征提取方法，其能更准确地提取电子鼻响应谱的特征。

[0005] 为实现上述目的，本发明所涉及的一种局部和全局特征相结合的电子鼻响应谱特征提取方法，包括如下步骤：

[0006] 步骤1：根据待测气体的种类选择合适型号的M个气敏传感器，组成电子鼻的传感器阵列；

[0007] 步骤2：向气体室内通入待测样本气体，采集卡将实时采集到的数据写入电子鼻的上位机；

[0008] 步骤3：上位机程序读取数据并进行滑动平均值滤波；

[0009] 步骤4：滑动直线距离最小法提取局部特征即稳态响应数据的平均值，保存目前距离滑动直线距离之和最小的数据及其平均值；

[0010] 步骤5：快速傅里叶变换提取全局特征，将已滤波的样本点变换到频域并保存目前频域上最大的幅值；

[0011] 步骤6：采集结束后将步骤4中M个传感器的数据平均值和步骤5中数据最大幅值组成的Mx2二维矩阵作为电子鼻的特征矩阵，归一化后用于后续识别。

[0012] 进一步地，所述步骤3中，所述滑动平均值滤波是将X个采样数据看成一个队列，每进行一次新的采样，把采样结果放入队尾，而舍弃原来队首的数据，这样在队列中始终有X个“最新”的数据。计算队列中的X个数据的平均值，即可得到新的滤波值。

[0013] 更进一步地，所述步骤4中，所述滑动直线距离最小法用于提取电子鼻响应谱的局部特征即稳态响应数据及其平均值，将滤波后的Y个数据放入队列中，队列的长度固定为Y，利用队首和队尾两个点确定一条直线，计算队列中的点到直线的距离之和，更新数据，保存距离之和最小的队列中的数据及其平均值。

[0014] 作为优选项，所述步骤5中，所述快速傅里叶变换用于提取电子鼻响应谱的全局特征，快速傅里叶变换将滤波后的样本数据变换到频域上，频域上最大的幅值是由所有样本点的直流分量累加得到，即频域上的最大幅值可反映电子鼻响应谱的全局特征。

[0015] 作为优选项，所述步骤6中，所述归一化是采用对数函数转换法、线性函数转换法、反余切函数转换法等方法把电子鼻响应谱的特征矩阵中的元素归一化到[0，1]之间。这样，可以避免局部特征与全局特征不在同一数量级，不仅减少识别中的计算误差，且为后续的识别算法提供合适的数据。

[0016] 本发明的优点在于：本方法可以提高数据的准确性，先对采样数据进行滑动平均值滤波。利用滑动直线距离最小法和快速傅里叶变换分别提取电子鼻响应谱的局部特征和全局特征，以更加全面地反映电子鼻响应谱的特征。

附图说明

[0017] 图1为滤波前电子鼻的响应谱；

[0018] 图2为滤波后电子鼻的响应谱；

[0019] 图3为滑动直线距离最小法提取局部特征结果图；

[0020] 图4为快速傅里叶变换提取全局特征结果图。

具体实施方式

[0021] 下面结合附图和具体实施例对本发明作进一步的详细描述：

[0022] 一种局部和全局特征相结合的电子鼻响应谱特征提取方法，包括如下步骤：

[0023] 步骤1：根据待测气体的种类选择合适型号的M个气敏传感器，组成电子鼻的传感器阵列；

[0024] 步骤2：向气体室内通入待测样本气体，采集卡将实时采集到的数据写入电子鼻的上位机；

[0025] 步骤3：上位机程序读取数据并进行滑动平均值滤波；所述滑动平均值滤波是将X个采样数据看成一个队列，每进行一次新的采样，把采样结果放入队尾，而舍弃原来队首的数据，这样在队列中始终有X个“最新”的数据。计算队列中的X个数据的平均值，即可得到新的滤波值。

[0026] 步骤4：滑动直线距离最小法提取局部特征即稳态响应数据的平均值，保存目前距离滑动直线距离之和最小的数据及其平均值；所述滑动直线距离最小法用于提取电子鼻响应谱的局部特征即稳态响应数据及其平均值，将滤波后的Y个数据放入队列中，队列的长度固定为Y，利用队首和队尾两个点确定一条直线，计算队列中的点到直线的距离之和，更新数据，保存距离之和最小的队列中的数据及其平均值。

[0027] 步骤5：快速傅里叶变换提取全局特征，将已滤波的样本点变换到频域并保存目前频域上最大的幅值；所述快速傅里叶变换用于提取电子鼻响应谱的全局特征，快速傅里叶变换将滤波后的样本数据变换到频域上，频域上最大的幅值是由所有样本点的直流分量累加得到，即频域上的最大幅值可反映电子鼻响应谱的全局特征。

[0028] 步骤6：采集结束后将步骤4中M个传感器的数据平均值和步骤5中数据最大幅值组成的Mx2二维矩阵作为电子鼻的特征矩阵，归一化后用于后续识别。所述归一化是采用对数函数转换法、线性函数转换法、反余切函数转换法等方法把电子鼻响应谱的特征矩阵中的元素归一化到[0，1]之间。

[0029] 为了更好地理解上述方法，结合具体实施例和说明书附图对上述技术方案进行详细的说明。

[0030] 实施例：

[0031] 现有气体样本：50ppm C2H5OH、100ppm C2H5OH、150ppm C2H5OH、200ppm C2H5OH、50ppm NH3、100ppm NH3、150ppm NH3、200ppm NH3

[0032] 据上述气体样本，确定5个气敏传感器，组成电子鼻的传感器阵列。电子鼻的气敏传感器的种类及其性能参数如表1：

[0033]

[0034] 表1：电子鼻的气敏传感器的种类及其性能参数

[0035] 将一种气体样本通入气体室，利用采集卡边采集电子鼻的各个气敏传感器的响应数据，边送到电子鼻的上位机进行处理。

[0036] 由于气敏传感器易受环境干扰且本身性能不稳定，为了保证数据的准确性，需要先对原始数据进行滤波处理。滤波前电子鼻的响应谱如图1所示。

[0037] 滑动平均值滤波能消除随机干扰信号。此处采用的是5点滑动平均值滤波，先固定一个队列的长度为5，然后将新采样点放入队尾，舍弃队头的数据。每一次更新数据后取队列中数据的平均值作为本时刻气敏传感器的真实响应值。滤波后电子鼻的响应谱如图2所示。

[0038] 接着就可以对滤波后的数据提取局部特征和全局特征。局部特征的提取方法过程是将滤波后的Y个数据放入队列中，队列的长度固定为Y，利用队首和队尾的两个点确定一条直线，计算队列中的点到直线的距离之和，更新数据，保存距离之和最小的队列中的数据及其平均值。5个气敏传感器响应谱的局部特征用得到的平均值Zi(i＝1,2,3,4,5)表示。滑动直线距离最小法提取局部特征结果图如图3所示。

[0039] 全局特征的提取是利用快速傅里叶变换将时域的样本数据变换到频域上。快速傅里叶变换的基本表达式为：

[0040] 其中：

[0041] 将滤波后的时域上的样本数据变换到频域上的数据，频域上最大的幅值是由所有样本点的直流分量累加得到的。所以频域上的最大幅值可反映电子鼻的全局特征。5个气敏传感器的全局特征用频域对应的最大幅值Wi(i＝1，2，3，4，5)表示。快速傅里叶变换提取全局特征结果图如图4所示。

[0042] 将上述8种气体样本50ppm C2H5OH、100ppm C2H5OH、150ppm C2H5OH、200ppm C2H5OH、50ppm NH3、100ppm NH3、150ppm NH3、200ppm NH3标记为1至8，对每种样本各进行12次测试，获取共96个样本数据。用上述特征提取方法(记为提取局部特征+全局特征法)，提取曲线局部特征法(记为提取局部特征法，这里包括提取曲线峰值、一阶拐点、二阶拐点和曲线的面积)和曲线拟合法(记为提取全局特征法)提取电子鼻响应谱的特征，各获得共96个特征矩阵。将三种方法的特征矩阵归一化后作为输入样本，与其对应的样本种类作为输出样本。各取50％的样本数据(对应样本数为48个)训练支持向量机算法(即SVM算法)，剩下的50％的样本数据(对应样本数为48个)进行验证。在最优参数下，三种特征提取方法下待识别的样本的识别结果如表2所示：

[0043]

[0044] 表2：待识别的样本的识别结果

[0045] 在48个验证SVM的样本中，提取局部特征+全局特征法的识别率明显高于提取局部特征法和提取全局特征法的识别率。实验结果表明本文提出的特征提取方法能更准确地反映电子鼻响应谱的特征，提高了识别率。

[0046] 最后，应当指出，以上实施例仅是本发明较有代表性的例子。显然，本发明不限于上述实施例，还可以有许多变形。凡依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应认为属于本发明的保护范围。