劲酒电子鼻鉴别分析中传感器阵列优化方法研究

气敏传感器阵列优化是电子鼻应用研究中的一个重要方面.阵列优化后可以消除初始阵列中的冗余信息,提高识别能力.在电子鼻对劲酒进行鉴别分析中.分别采用相关系数绝对值累加和最小分析、PCA第二主成分系数选择性分析、基于变异系数的因子载荷分析三种方法研究了初始传感器阵列的优化阵列.结果表明3种优化阵列组成形式基本相同,进而构造出了适宜劲酒电子鼻分析的传感器阵列.计算分析表明,传感器优化阵列可以很好地对酒精度为35和38度的两种劲酒产品进行鉴别分类.这也为电子鼻分析中阵列的优化选取提供了一种方法与思路.     

电子鼻中预处理算法选择及阵列优化

为了研 究数据预处理算法和传感器阵列优化对电子鼻气体辨识的影响,对3种气体进行了测试。使 用主成分分析(Principal component analysis, PCA)法选择预处理算法,确定分类效果最 好的相对差分法对电子鼻数据进行预处理。对初始阵列优化前,首先通过传感器响应变化趋 势及变异系数剔除响应异常的传感器;然后进行PCA因子载荷分析,结合相关系数分析及方 差膨胀因子进行多重共线性检验确定可能的最优阵列。最后,运用反向传播(Back propagation,BP)神 经网络对可能的最优阵列进行气体识别检验并确定最终阵列,同时选取其他阵列作为对照研 究。通过计算检验,证明本文的阵列优化方法不仅可以剔除异常和冗余传感器,而且对测试 样本分类效果良好。     

电子鼻用于检测掺假牛奶时其传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用，由于气味组成成分复杂，仅用单个气体传感器是无法评定气体质量，因此气体传感器阵列应运而生。在对不同的食品进行检测时，电子鼻的传感器阵列的构成是不同的。本文运用PEN2便携式电子鼻对掺假牛奶进行检测，用方差分析、主成分分析和聚类分析对信号进行分析，得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列。用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分，结果用LDA方法 (线性判别式分析) 进行分析，在LDA分析图上，不同比例掺假的牛奶能被明显地区分。新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力。     

检测掺假牛奶的电子鼻传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用,由于气味组成成分复杂,仅用单个气体传感器是无法评定气体质量的,因此气体传感器阵列应运而生.在对不同的食品进行检测时,电子鼻的传感器阵列的构成是不同的.运用PEN2便携式电子鼻对掺假牛奶进行检测,用方差分析、主成分分析和聚类分析对信号进行分析,得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列.用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分,结果用LDA方法(线性判别式分析)进行分析,在LDA分析图上,不同比例掺假的牛奶能被明显地区分.新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力.     

基于FastICA和神经网络的电子鼻模式识别

气体传感器阵列是电子鼻系统的重要组成部分,传感器阵列的交叉敏特性严重影响电子鼻对气体识别的准确率.将快速独立分量分析算法和BP网络相结合用于电子鼻的模式识别可以有效地改善这一问题.并由一个5个传感器组成的电子鼻系统,对10组不同体积分数的3种气体测量得到的30组数据样本进行仿真.结果表明,用快速独立分量分析对数据作预处理,可以简化计算,减少数据之间的相关性,将预处理后的数据样本作为BP网络的输入,使网络结构简化,收敛速度快.利用该方法可以提高电子鼻识别气体的准确率.     

最小二乘法在电子鼻动态信息融合中的应用

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统,可用于气体/气味的定性定量识别.电子鼻走出实验室的关键是高效的识别算法和简化的实验装置.本文提出最小二乘法在简化的电子鼻系统中的应用模型.利用线性最小二乘法拟合传感器阵列的动态响应曲线,建立电子鼻系统的知识库并进行智能识别.利用该方法并结合气体传感器阵列在不同温度条件下的动态响应信号,对雪碧、酷儿和绿茶三种饮料样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%.     

基于集成气体传感器阵列的电子鼻系统

介绍一种基于集成气体传感器阵列的电子鼻系统硬件实现方法。描述了系统的一般组成,重点介绍了所采用的集成气体传感器及其信号拾取方法。该系统可实现对检测气体的自动数据采集、微机传送,具有高的灵敏性和可靠性。另外,对采用的集成气体传感器系列,该电子鼻系统具有一定的通用性。利用该系统对五种葡萄酒进行了检测,结果表明:该电子鼻系统可有效地用于葡萄酒的定性识别,识别准确率达到100%。     

纳米薄膜气敏技术发展与展望

目前,纳米薄膜气体传感器的发展趋势是提高灵敏度和工作性能,降低功耗和成本,缩小尺寸,简化电路.介绍SnO2、ZnO、TiO2等主要纳米薄膜气敏传感器研究现状.电子鼻依靠气体传感器阵列而组成,还介绍了装有电子鼻的机器人.     

基于独立分量分析和BP网络的电子鼻模式识别

为了提高电子鼻对混合气体的识别率,针对气体传感器阵列的交叉敏感特性,探讨了在电子鼻系统中基于独立分量分析(ICA)算法与BP神经网络相结合进行模式识别的可行性。并对4个气体传感器组成的电子鼻对4种气体混合物所测得的原始数据进行处理,结果表明:ICA算法对数据进行有效预分类,减少了样本之间的相关性,将生成的新样本作为BP网络的输入,使网络结构简化,在保证一定正确率的前提下,大大提高网络的学习速度。利用该方法可以提高电子鼻识别混合气体的准确率。     

基于Fe_2O_3系列气体传感器阵列的电子鼻系统

阐述了一种基于Fe2O3系列气体传感器阵列的电子鼻系统硬件实现方法及其系统的一般组成,介绍了Fe2O3系列气体传感器和传感器的加热电路。该系统以MSP430F149单片机为核心,实现对检测气体的自动数据采集、脱机和联机识别。利用该系统对甲烷、氢气和液化石油气进行检测,结果表明:该电子鼻系统能有效地对这3种气体进行定性识别,识别率接近100%。     

基于最小冗余线阵的二维DOA估计方法

针对传感器阵列二维DOA估计中阵元数较多且阵元利用率较低的问题,提出了一种低阵元冗余的二维DOA估计方法.该方法通过在最小冗余线阵基础上添加两个导向阵元的方法,将最小冗余线阵的应用拓展到二维DOA估计.同时该方法利用多个时延的阵元输出共轭循环相关函数构造"伪数据阵",在时空域中等效出两个具有旋转不变性的平行子阵,进而运用DOA矩阵法估计信号二维DOA.该方法不仅避免了最优时延选择问题,继承了DOA矩阵法无需谱峰搜索且无需二维角度参数配对等优点.还用较少的阵元获得了较大的阵列有效孔径.仿真结果表明,该方法与CCDM算法相比具有更好的低信噪比适应能力和稳健性.     

多气体的SVM数据融合定性识别方法

针对基于神经网络的多气体定性识别方法中存在的过学习和泛化能力差的问题,提出了一种基于支持向量机(SVM)与多传感器数据融合的多气体定性识别方法。该方法采用结构化风险最小化准则的多类分类支持向量机对由多个气体传感器、温度和湿度传感器组成的传感阵列的数据进行融合,克服了传统方法的缺陷,消除了环境温度与湿度等因素的影响,实现了100%的定性识别率,实验结果证明了该方法的有效性。     

气体传感器阵列测试算法研究

采用人工神经网络中的BP神经网络处理阵列式气体传感器信号,气体传感器阵列与前馈神经网络模式识别技术结合而成的人工嗅觉系统被用来进行混合气体的定量分析.利用计算机模拟方法对非线性气体传感器阵列进行模拟,并运用MATLAB神经网络工具箱设计了BP网络,最后,对模拟数据进行了比较.结果表明:神经网络法具有非线性逼近能力强、识别率较高等特点.     

An evaluation of an olfactory sensor and recognition system using metal-oxide semiconductor gas sensor with variable heater controller

An artificial olfactory, which is called an electronic nose system (e-nose), is studied for realizing new human–machine interface. The system consists of sensor unit and a signal processing unit. There are some types of sensors for the sensor unit, metal oxide semiconductor gas sensors (MOGS) and quartz crystal microbalance gas sensors are useful in our study. Our system in this paper has MOGS. Many of MOGS utilize an effect of an oxidation–reduction reaction on the surface of the sensors. One of the features of the sensor, the character of the sensor is changed by temperature of the sensors. In this paper, we build a extend output sensor unit using this feature, and show experimental result of classification applying multilayer perceptron. In the experiment, we choose soy sauce as classification targets because we are considering applying the system for management of cooked foods.     

气体传感器阵列中特征参数的提取与优化

用一组厚膜金属氧化锡气体传感器阵列对气味进行分析和识别 ,其中最重要、最难的因素是传感器特征提取技术和特征参数的优化 ,使所用的传感器阵列能快速准确地识别不同气味。然而 ,目前尚无令人满意的方法。本文中研制了适用于传感器阵列反应的试验装置 ,在获得传感器与食醋挥发气体反应的整个过程的数据的基础上 ,提取了传感器与食醋散发的气体反应的特征值。利用分辨率来提取 ,以确定所提取的特征参数是否最优 ,从而决定该特征值在以后模式识别中是否有用。再对那些分辨率指数大的特征参数进行主成分分析和神经网络分析 ,主成分分析结果表明不同醋之间区分得比较开 ,神经网络的识别正确率达到 10 0 %。显然这一方法也可用于解决其它形式传感器阵列问题。     

水下成像的稀疏阵列乘性处理

针对阵列传感器布阵设计中的冗余问题,提供了一种水下声学成像稀疏阵列的处理方法。采用稀疏阵列乘性处理方法可合成一个收发一体的虚拟阵列且虚拟阵元数目等于实际阵列发射阵元与接收阵元的乘积。依据相位中心近似的原理,对虚拟阵元的布阵位置进行了数学的解析表示,使用几种不同结构的稀疏阵列进行比较。实验结果得出,使用上述方法建立的稀疏阵列性能指标在三维声场、波束、导向矢量、主瓣宽度和峰值旁瓣级等方面与同等数量的收发一体Mills cross稀疏阵列一致。表明了乘性处理方法能有效解决阵元冗余问题,利用上述方法可得到一种优于Mills cross的新型稀疏阵列。     

Method for increasing reliability in gas detection based on indicator gradient in a sensor array

We present a method for analyte detection using an optical sensor array. The method is implemented in an ammonia gas detector, using a pH sensitive dye. The array is composed of four sensors, each coated with a different concentration of the dye. The resulting signal vector is collected by measuring the absorption at a single wavelength, at each sensor. Simple correlation of the signal vector with an expected gradient-like response enables detection of ammonia. Moreover, it improves immunity to false signals created by changes in illumination intensity and the humidity of the environment. The method of detection is generic and applicable to sensor arrays where the probe concentration can be controlled.     

基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究

本文研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析（Loadings）、归一化处理进行数据的预处理。实验采用模糊c均值聚类（FCM）、k近邻函数（KNN）和概率神经网络（PNN）三种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明三种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。     

Odor Space Navigation Using Multisensory E-Nose

A spatial odor distribution in an environment can be used for navigation, goal search, localization and mapping, like by video, ultrasonic, temperature and other sensors. Modern e-noses can perform the selective detection of different gases with an extremely low concentration but the source localization algorithms of a selected gas against the background of other odors are still underinvestigated. This paper studies an odor field representation in terms of an e-nose based on an array of low-selective sensors. Using a simulation model, we show how the vector measurements of a field of several odor sources can be processed to navigate for reaching a selected odor source. In addition, we demonstrate that the source having a high level of odor intensity can interfere with the search of another odor source of a low intensity. The well-known class of matching receivers does not solve this problem. However, a solution can be obtained by distributed measurements. As shown below, the spatial structure of an odor field allows to implement vector selection. Using deep learning machines, we may reach a high resolution of odor sources in the space. Our future research will be focused on augmented odor reality and autonomous mobile e-nose (e-dog) design.