【技术实现步骤摘要】
本专利技术涉及到信号与信息处理技术,具体地说,是一种基于混合特征矩阵的电子 鼻信号处理方法。
技术介绍
电子鼻是利用气体传感器阵列的响应图谱来识别气味的电子系统,它可以在几小 时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况。 医用电子鼻是一种特殊的电子鼻系统,它可以通过检测患者呼出的气体或伤口顶 部空间的气体,实现疾病或伤口感染的诊断。具有响应时间短,检测速度快,成本低,操作简 单方便,且具有人工智能的优点,因此获得了广泛的关注和应用。 特征提取是电子鼻数据处理的一个重要部分,原始特征的维数极大地影响了电子 鼻后续的分类能力。传统的特征提取方法只提取电子鼻响应信号的时域或频域特征,不能 完全描述的电子鼻数据的完整信息。比如基于原始响应曲线的特征提取法、基于曲线拟合 的特征提取法、基于变换域的特征提取等方法。只提取单一的特征不能反映整个响应曲线 的稳态响应和瞬态响应信息。同时,现有的电子鼻特征提取以后都是直接作为分类器输入 进行模式识别,但是由于传感器阵列包含了冗余信息,有必要对提取的特征进行选择优化。
技术实现思路
近年来,优化算法已广泛应用于函数优化、数据挖掘、模式识别等领域。对于电子 鼻检测伤口感染,优化算法将在特征选择、分类参数和特征子集的优化等方面起到巨大作 用。其中,量子粒子群优化算法(QPS0)是一种基于粒子群优化算法(PS0)和量子力学的新 的全局优化方法,并在搜索能力,收敛速度,求解精度,鲁棒性等各方面都有很大的优势。对 于高维混合特征矩阵和一些包含冗余信息的传感器阵列,采用二进 ...
【技术保护点】
一种基于混合特征矩阵的电子鼻信号处理方法,其特征在于按照以下步骤进行:步骤1:获取n个传感器的m次实验数据,得到原始样本矩阵M表示为M=x11x12x13...x1nx21x22x23...x2n...xm1xm2xm3...xmn,]]>其中,(i=1,2,…m,j=1,2…,n)是一个向量,表示第i次实验第j个传感器随采样时间得到的采样点数据,采样点数目为k;步骤2:提取原始样本矩阵M中每次实验每个传感器的k个采样点中的最大响应值,得到最大值特征矩阵Xmax,表示为Xmax=x11maxx12maxx13max...x1nmaxx21maxx22maxx23max...x2nmax...xm1maxxm2maxxm3max...xmnmax,]]>其中,是一个标量,表示第i次实验第j个传感器k个采样点数据中的最大值;步骤3:对原始样本矩阵M进行小波变换和傅里叶变换,对于小波变换,分别采用db1、db2、db3、db4和db5五种不同的小波,并提取两个近似系数作为特征,得到小波变换域特征矩阵Xdb1、Xdb2、Xdb3、Xdb4、Xdb5;对于傅里叶变换,提取傅里叶变换后的直流分量和 ...
【技术特征摘要】
1. 一种基于混合特征矩阵的电子鼻信号处理方法,其特征在于按照以下步骤进行: 步骤1 :获取n个传感器的m次实验数据,得到原始样本矩阵M表示为其中,?…,x|),Q= 1,2,--?!]!,j= 1,2*,n)是一个向量,表示第i次实 验第j个传感器随采样时间得到的采样点数据,采样点数目为k; 步骤2 :提取原始样本矩阵M中每次实验每个传感器的k个采样点中的最大响应值,得 到最大值特征矩阵Xniax,表示为其中,是一个标量,表示第i次实验第j个传感器k个采样点数据中的最大值; 步骤3 :对原始样本矩阵M进行小波变换和傅里叶变换,对于小波变换,分别采用dbl、db2、db3、db4和db5五种不同的小波,并提取两个近似系数作为特征,得到小波变换域特征 矩阵Xdbl、Xdb2、Xdb3、Xdb4、Xdb5 ;对于傅里叶变换,提取傅里叶变换后的直流分量和一阶谐波分 量的系数作为特征,得到傅里叶变换域特征矩阵Xfft ; 步骤4 :将最大值特征矩阵Xmax分别与变换域特征矩阵Xdbl、Xdb2、Xdb3、Xdb4、Xdb5、Xfft进行 组合,得到/、个混合特征矩阵X1 = [XmaxXdbl],X2 = [XmaxXdb2],X3 = [XmaxXdb3],X4 = [Xmax Xdb4],X5 [乂max ^ 乂6I--^max ? 步骤5 :确定适应度函数f,采用二进制量子粒子群优化算法结合径向基函数神经网 络分类器对混合特征矩阵X1,X2,X3,X4,X5,X6分别进行特征选择,得出适应度函数f取得最 大值时各个混合特征矩阵所对应的加权系数向量W与传感器个数L,其中W= [Co1, ?2,… ,《n],'表示第j个传感器的加权系数,取值为1或〇, 1表示保留传感器j的特征作为分 类器输入,〇表示不保留; 步骤6 :根据加权系数向量W构建新的混合特征子矩阵X/,X2',X3',X4',X5',X6',并作 为径向基函数神经网络...
【专利技术属性】
技术研发人员:闫嘉,段书凯,王丽丹,贾鹏飞,
申请(专利权)人:西南大学,
类型:发明
国别省市:重庆;85
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。