一种果蔬冷链物流的无线多源气体传感信号的检测方法

摘要

本发明公开了一种果蔬冷链物流的无线多源气体传感信号检测方法，该方法采用基于互信息化的原则，通过求取多源混合信号的解析矩阵，定量解析气体成分参数的浓度。在对多源混合信号进行分离时，通过构造能够对传感数据解析的解析矩阵，构建混合信号解析模型和最大信噪比目标函数，最终采用以最大信息化为目标优化解析矩阵完成多传感数据的高精度分离。本发明能够以少量的检测数据实现对多传感数据混合信号的高精度解析，适用于传感数据有限，单个传感器存在交叉敏感特性的情况，能有效地提高气体传感信号的解析效率、监测精度以及多源气体参数监测时的准确性及其鲁棒性，同时也有助于增强系统监测的实时性。

主权项

一种果蔬冷链物流的无线多源气体传感信号的检测方法，其特征在于，该方法包括以下步骤：S1：以气体传感器阵列获取传感数据x，其中x为气体传感器阵列各通道获取传感数据组成的N维向量，x＝[x₁,x₂…,x_N]^T；S2：构造N×N阶瞬时线性混合矩阵和解析矩阵W，解析后的信号为y，建立混合信号解析模型：y＝Wx(N)＝WHs(n)，其中H为气体通过传感阵列形成的N×N阶瞬时线性混合矩阵；进行传感信号无线传输；S3：对传感数据x去均值化：${\bar{x}}_i\left(t\right)=x_i\left(t\right)-(1/T)\underset{i=1}{\overset{T}{\Sigma }}{x}_i\left(t\right),i=1,...,N;$使得传感器阵列的观测信号的均值为零，保证源信号的各个分量都是均值为零的随机变量；S4：构造特征值矩阵Λ和特征向量矩阵U：$z_i\left(t\right)={\Lambda }^{-1/2}{U}^T{\bar{x}}_i\left(t\right)$去除观测信号之间的二阶相关性，准备进行对混合信号解析；S5：对z_i(t)混合信号进行滑动平均处理得到${\tilde{z}}_i\left(t\right)=\frac{1}{N}\underset{i=0}{\overset{N}{\Sigma }}(t-i)z_i\left(t\right),i=\mathrm{0,1,2},...,N-1;$S6：建立信噪比目标函数：$F\left(y\right)=10\log \frac{{\mathrm{Wzz}}^T{W}^T}{W(\tilde{z}-z){(\tilde{z}-z)}^T{W}^T};$$\frac{\partial F}{\partial W}=\frac{2W}{V}C-\frac{2W}{U}\tilde{C}$S7：对F(y)求梯度，计算极值点，求解析矩阵W；S8：气体传感器源信号的最佳估计的获取：$\hat{s}=y=\mathrm{Wx};$S9：建立衡量气体定量分析算法的性能指标ξ_ij和PI：${\xi }_{\mathrm{ij}}=\xi (y_i,s_j)=\left|\underset{t=1}{\overset{T}{\Sigma }}{y}_i\left(t\right)s_j\left(t\right)\right|/\sqrt{\underset{t=1}{\overset{T}{\Sigma }}{y}_i^2\left(t\right)\underset{t=1}{\overset{T}{\Sigma }}{s}_j^2\left(t\right)}$$\mathrm{PI}=\frac{1}{n(n-1)}\underset{i=1}{\overset{n}{\Sigma }}\{(\underset{k=1}{\overset{n}{\Sigma }}\frac{{\left(\mathrm{WH}\right)}_{\mathrm{ik}}}{{\max }_j\left|{\left(\mathrm{WH}\right)}_{\mathrm{ij}}\right|}-1)+(\underset{k=1}{\overset{n}{\Sigma }}\frac{\left|{\left(\mathrm{WH}\right)}_{\mathrm{ki}}\right|}{{\max }_j\left|{\left(\mathrm{WH}\right)}_{\mathrm{ji}}\right|}-1)\};$S10：确定信号的排列顺序，求出与原始信号幅值的依赖关系，定量解析出所述气体成分的参数。