一种基于温度调制的气体传感器线性筛选方法

本发明属于传感器领域，具体涉及一种基于温度调制的气体传感器线性筛选方法、装置、电子设备及可读存储介质。

背景技术：

1、气体传感器阵列（gas sensor array，gsa），是一种由多个对气体具有不同敏感特性的传感器组成的集成系统。

2、现有技术中，气体传感器阵列的构建与优化通常以组合不同类型或不同敏感材料的传感器为导向。该方案通过采集由多种类型或敏感材料组成的气体传感器阵列的响应信号，并从响应信号中进行特征提取、特征选择或阵列信号优化，确定出参与气体识别的最优传感器单元。同时，其他现有技术中，还存在根据不同传感器像素或不同敏感材料对目标气体的差异化响应，进行材料组合或传感器单元的选择的方案。

3、然而，上述方案主要关注不同类型或不同敏感材料的传感器之间的互补性选择，并未充分解决同一型号、同一敏感材料的金属氧化物半导体（metal oxidesemiconductor， mos）气体传感器之间由于制造工艺差异所导致的响应不一致问题。并且，在气体传感器阵列快速替换、同型号传感器批量部署以及分布式气味感知网络等应用场景中，通常需要多个同类型传感器之间具有较高的一致性，或者至少能够通过简单、稳定的映射关系实现信号对齐。因此，如何快速评估并筛选出响应关系稳定、易于线性校准的同类型传感器，是实现气体传感器快速替换和分布式节点间数据融合的重要前提。

4、由于mos气体传感器在材料制备、器件封装、加热结构及老化状态等方面不可避免地存在差异，即使是同一型号、同一敏感材料的传感器，其响应基线、灵敏度及动态波形也可能存在偏差。不同传感器之间的响应关系可能表现为近似线性关系，也可能表现为难以通过简单变换补偿的非线性关系。若不加区分地依赖后续算法对所有同类型传感器进行统一补偿，仍存在以下问题：

5、1.替换成本高：当阵列中的某一传感器因老化、污染或损坏而需要更换时，新替换传感器的响应基线、灵敏度及动态特性可能与原传感器不一致。如果两者之间不存在稳定的线性映射关系，则往往需要重新采集标定数据并重新训练或调整整个阵列的识别模型，难以实现传感器的快速替换和“即插即用”。

6、2.分布式部署困难：在分布式物联网气味感知场景下，不同节点通常需要使用同型号传感器进行大规模部署。如果各节点传感器之间的响应关系复杂且呈非线性差异，则节点间数据难以直接对齐，后续的数据融合、模型迁移或联邦学习过程将受到影响，从而降低分布式气味感知系统的一致性和可靠性。

技术实现思路

1、本发明的目的是提供一种基于温度调制的气体传感器线性筛选方法及系统，能够通过温度调制的方式筛选出线性一致性较好的相同传感器，进一步解决相同传感器组成气体传感器阵列的过程中的构建与优化。

2、为了实现上述任务，本发明采用以下技术方案：

3、一种基于温度调制的气体传感器线性筛选方法，包括：

4、在参考传感器和候选传感器上电之后，确定所有传感器的温度为周期性调制的条件下，构建浓度集合，并获取参考传感器处于浓度集合指示的多个气体浓度时的参考信号序列，以及候选传感器处于浓度集合指示的多个气体浓度时的候选信号序列；其中，浓度集合包括基线气体浓度和多个非基线气体浓度；

5、构建线性变换模型，并截取目标温度周期内，参考传感器处于基线气体浓度时的第一参考信号序列和候选传感器处于基线气体浓度时的第一候选信号序列，以通过第一参考信号序列和第一候选信号序列求解线性变换模型中的拟合参数；线性变换模型用于表征第一参考信号序列和第一候选信号序列之间的线性变换；

6、基于拟合参数和参考传感器处于每个非基线气体浓度时的第二参考信号序列，预测候选传感器同样处于每个非基线气体浓度时的第一预测信号序列，得到多个第一预测信号序列；

7、基于多个第一预测信号序列和目标温度周期内候选传感器处于每个非基线气体浓度时的第二候选信号序列之间的相似度，确定候选传感器的综合误差；

8、至少在综合误差小于第一预设阈值时，确定候选传感器为目标传感器。

9、进一步地，基于多个第一预测信号序列和目标温度周期内候选传感器处于每个非基线气体浓度时的第二候选信号序列之间的相似度，确定候选传感器的综合误差，包括：

10、计算每个气体浓度下，候选传感器对应的第一预测信号序列和第二候选信号序列之间的均方根误差；

11、基于不同气体浓度下的多个均方根误差，确定候选传感器的综合误差。

12、进一步地，基于不同气体浓度下的多个均方根误差，确定候选传感器的综合误差，包括：

13、将多个均方根误差中的最大值确定为候选传感器的综合误差。

14、进一步地，基于拟合参数和参考传感器处于每个非基线气体浓度时的第二参考信号序列，预测候选传感器同样处于每个非基线气体浓度时的第一预测信号序列，得到多个第一预测信号序列，包括：

15、截取目标温度周期内，参考传感器处于每个非基线气体浓度时的第二参考信号序列；

16、基于拟合参数、第二参考信号序列和线性变换模型，预测候选传感器处于每个非基线气体浓度时的第一预测信号序列，得到多个第一预测信号序列。

17、进一步地，至少在综合误差小于第一预设阈值时，确定候选传感器为目标传感器，包括：

18、基于拟合参数和第一参考信号序列，预测候选传感器处于基线气体浓度时的第二预测信号序列；

19、基于第二预测信号序列和第一候选信号序列之间的相似度，确定线性变换模型中的拟合参数对应的基线拟合优度；

20、在综合误差小于第一预设阈值，且基线拟合优度大于第二预设阈值时，确定候选传感器为目标传感器。

21、进一步地，候选传感器有多个，多个候选传感器均位于初始传感器阵列中；

22、其中，方法还包括：

23、在多个候选传感器中确定出目标传感器；

24、将目标传感器划分入目标传感器集合；

25、基于目标传感器集合，获得目标传感器阵列，其中，目标传感器阵列中的所有传感器具有线性一致性。

26、进一步地，线性变换模型为一次函数；

27、截取目标温度周期内的第一参考信号序列和第一候选信号序列以求解线性变换模型中的拟合参数，包括：

28、基于目标温度周期内的第一参考信号序列中的信号值和第一候选信号序列中的信号值，利用最小二乘法对一次函数进行拟合，求解得出一次函数中的拟合参数。

29、进一步地，参考传感器和候选传感器为同一敏感材料制备形成金属氧化物半导体气体传感器。

30、一种基于温度调制的气体传感器线性筛选装置，包括：

31、检测模块，配置为在参考传感器和候选传感器上电之后，确定所有传感器的温度为周期性调制的条件下，构建浓度集合，并获取参考传感器处于浓度集合指示的多个气体浓度时的参考信号序列，以及候选传感器处于浓度集合指示的多个气体浓度时的候选信号序列；其中，浓度集合包括基线气体浓度和多个非基线气体浓度；

32、拟合模块，配置为构建线性变换模型，并截取目标温度周期内，参考传感器处于基线气体浓度时的第一参考信号序列和候选传感器处于基线气体浓度时的第一候选信号序列，以通过第一参考信号序列和第一候选信号序列求解线性变换模型中的拟合参数；线性变换模型用于表征第一参考信号序列和第一候选信号序列之间的线性变换；

33、预测模块，配置为基于拟合参数和参考传感器处于每个非基线气体浓度时的第二参考信号序列，预测候选传感器同样处于每个非基线气体浓度时的第一预测信号序列，得到多个第一预测信号序列；

34、计算模块，配置为基于多个第一预测信号序列和目标温度周期内候选传感器处于每个非基线气体浓度时的第二候选信号序列之间的相似度，确定候选传感器的综合误差；

35、确定模块，配置为至少在综合误差小于第一预设阈值时，确定候选传感器为目标传感器。

36、一种电子设备，包括：

37、处理器；

38、用于存储计算机程序或指令的存储器；

39、其中，处理器执行计算机程序或指令，以实现基于温度调制的气体传感器线性筛选方法。

40、一种非临时性计算机可读存储介质，存储介质存储有计算机程序或指令，当存储介质中的计算机程序或指令由处理器执行时，实现基于温度调制的气体传感器线性筛选方法。

41、与现有技术相比，本发明具有以下技术特点：

42、本发明通过在参考传感器和候选传感器上电之后，并确定参考传感器和候选传感器处于温度为周期性调制的条件下，获取参考传感器处于浓度集合指示的多个气体浓度时的参考信号序列，以及候选传感器处于浓度集合指示的多个气体浓度时的候选信号序列；通过参考信号序列中表征参考传感器处于基准气体浓度时的第一参考信号序列，以及候选信号序列中表征候选传感器处于基准气体浓度时的第一候选信号序列，确定基准气体浓度状态下参考传感器和候选传感器之间的拟合参数；进而通过拟合参数和参考信号序列中表征参考传感器处于非基准气体浓度时的第二参考信号，共同预测候选传感器处于非基准气体浓度时的第一预测信号序列，并通过比对第一预测信号序列和表征候选传感器真实响应信息的第二候选信号序列之间的相似度，确定候选传感器的综合误差，从而确定候选传感器与参考传感器之间的线性关系，进而将具有线性关系的候选传感器确定为目标传感器。

43、如此，通过筛选具有线性关系的目标传感器，可以在由相同传感器组成气体传感器阵列的过程，或者气体传感器阵列需要快速更换单个传感器的场景中，以及在采用分布式传感器感知气体的应用过程中，均可以实现通过使用气体传感器阵列使得信号处理过程简单高效。也就是说，本技术通过建立参考传感器与候选传感器在基线气体浓度（即基线环境）下的线性变换模型，并将其泛化至多浓度场景进行误差验证，从而筛选出信号在多个浓度下均保持高度线性相关的传感器单元，大幅降低了阵列校准的计算资源消耗与时间成本，为相同传感器组成气体传感器阵列的构建与优化提供了新的解决方案。