基于LSTM的气味源距离估计

为提升基于金属氧化物半导体(Metal Oxide Semiconductor, MOS)传感器阵列估计气味源距离的精度，同时避免传统距离估计方法对手动参数设定的依赖性，提出了一种基于长短时记忆(Long Short-Term Memory, LSTM)网络的气味源距离估计方法。所提方法利用LSTM网络对长序列特征的获取能力，从MOS传感器阵列的信号中自动学习距离指标，从而实现端到端估计。搭建了气味扩散仿真平台，生成气味扩散仿真数据集用于网络训练、参数调优和验证测试。结果显示，所提出的模型在10 m范围内的平均估计误差为0.16 m,比基于统计特征的估计方法误差降低了一个数量级。最后分析了不同LSTM超参数对距离估计精度的影响，并且就网络对未知气味扩散环境条件的泛化适应能力进行了验证。