点击次数：

论文类型：期刊论文

发表时间：2013-12-15

发表刊物：传感技术学报

收录刊物：Scopus、PKU、ISTIC、CSCD

卷号：26

期号：12

页面范围：1649-1654

ISSN号：1004-1699

关键字：MEMS气体传感器;传感器阵列;漂移补偿;分类器集成;动态加权

摘要：气体识别研究中，传感器的性能漂移问题始终是最具挑战的问题之一。为了减少漂移对气体识别的影响，利用动态分类器集成技术，针对基于MEMS技术的气体传感器阵列，提出了气体识别方法。主要关注对气体样本在任意浓度下的定性分析。该方法基于支持向量机( SVM)分类器，首先利用在不同时间段采集的数据分别训练SVM分类器，再利用各分类器对不同时期数据的最优权值，估计拟合函数的参数；然后利用拟合函数，根据数据的采集时刻，预测各分类器的权值；最终利用预测的权值，对所有分类器的识别结果进行集成，得到最终识别结果。利用累积三年的测量数据，对该方法与已有类似方法的性能进行了比较。结果显示，该方法可以在较长时间内具有更高的准确率，而且，该方法可以通过选择更合理的拟合函数，提高识别性能。