[发明专利]一种智能食品质量快速检测系统

权利要求书

1.一种智能食品质量快速检测系统，其特征在于，所述智能食品质量快速检测系统设置有：

食品安全系统控制端；

所述食品安全系统控制端通过数据线与智能食品分类仪相连接，智能食品分类仪通过导线与水产品检测模块、肉食检测模块、果蔬检测模块以及其他食品监测模块相连接，水产品检测模块、肉食检测模块、果蔬检测模块以及其他食品监测模块通过导线与酶联免疫检测模块相连接，酶联免疫检测模块通过数据线与农残化合物检测模块、农残化合物检测模块、微生物模块、荧光定量PCR模块以及食品归属模块相连接；

所述智能食品分类仪对食品分类信号的处理方法包括：

S1对接收到的食品分类信号的观测向量x做分数低阶快速独立成分分析，将接收到的食品分类信号分离为发送食品分类信号和Alpha稳定分布噪声；所述接收食品分类信号的观测向量x的分数低阶快速独立成分分析按以下进行：

1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，独立成分分析(PCA)中用到的分数低阶相关矩阵定义为

其中，x_i(n)和x_j(n)分别为第i路和第j路观测食品分类信号，且1≤i,j≤2，*代表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵D与特征向量矩阵V，由特征值矩阵和特征向量矩阵可得预白化矩阵M＝D^-1/2V^T，利用预白化矩阵将观测数据x向食品分类信号子空间投影，得到白化矩阵v＝Mx；

2)对权向量w₀进行随机初始化，同时初始化序列号k使k＝1；

3)进行权值向量迭代

其中，和为一阶统计量，g(·)是对比函数，η＝Ε[w^Txg(w^Tx)]，且在权值的迭代过程中参数λ是可变的，且λ＜1；

4)利用范数归一化权值向量w_k，w_k＝w_k/||w_k||；

5)若充分接近于1，算法得到收敛，w_k就是最终的解混矩阵，执行6)，否则重复步骤3)与步骤4)；

6)Y＝w_kx,其中x为观测食品分类信号，Y为分离后的二维食品分类信号；

S2对分离出的发送食品分类信号s(n)做基于插值的总体平均局部均值分解(LMD)，将发送食品分类信号分解成多个分量；所述分离出的发送食品分类信号s(n)的基于插值的总体平均LMD按以下进行：

1)给发送食品分类信号s(n)加上一组白噪声v(n),得到一个总体S(n)：

S(n)＝s(n)+v(n)

2)确定总体S(n)所有的局部极值点n_i，计算相邻两个极值点n_i和n_i+1的平均值m_i，即

利用三次样条插值确定局部均值函数m₁₁(n)；

3)采用局部极值点n_i计算包络估计值a_i

利用三次样条插值确定包络估计函数a₁₁(n)；

4)从总体S(n)中分离分离出局部均值函数m₁₁(n)，得到

h₁₁(n)＝S(n)-m₁₁(n)

5)用h₁₁(n)除以包络估计函数a₁₁(n)，以对h₁₁(n)进行解调，得到

其中，

h₁₁(n)＝S(n)-m₁₁(n)

h₁₂(n)＝s₁₁(n)-m₁₂(n)

h_1n(n)＝s_1(n-1)(n)-m_1n(n)

式中:

迭代终止的条件为:

1-Δ≤a_1n(n)≤1+Δ

其中，Δ为大于0的任意实数；

6)把迭代过程中产生的所有包络估计函数相乘便可以得到包络食品分类信号，其包括，

7)将包络食品分类信号a₁(n)和纯调频食品分类信号s_1n(n)相乘便可以得到原始食品分类信号的第1个分量

PF₁(n)＝a₁(n)s_1n(n)

它包含了原始食品分类信号中最高的频率成分，是一个单分量的调幅-调频食品分类信号，其瞬时幅值就是包络食品分类信号a₁(n)，其瞬时频率f₁(n)则可由纯调频食品分类信号s_1n(n)求出，即:

8)将第1个PF分量PF₁从发送食品分类信号s(n)中分离出来，得到一个新的食品分类信号u₁(n)，将u₁(n)作为原始数据重复步骤1)至步骤7)，并循环k次，直到u_k(n)为一个单调函数；

u₁(n)＝s(n)-PF₁(n)

u₂(n)＝u₁(n)-PF₂(n)

u_k(n)＝u_k-1(n)-PF_k(n)

至此，将食品分类信号s(n)分解为k个PF分量和一个单调函数u_k(n)之和，即

9)给发送食品分类信号s(n)加入不同的白噪声n_i(n),重复步骤1)-8)：

S_i(n)＝s(n)+n_i(n)

分解后得到的各个总体的PF分量组为PF_ip

10)取各个组PF的均值作为最终的PF组：

其中，N表示表示添加噪声的次数，最后发送食品分类信号的LMD分解可表示为：

S3提取第一个分类特征：分量的分段瞬时频率标准差σ_f和设定相应的门限δ₁；所述分量的分段瞬时频率标准差σ_f和设定相应的门限δ₁按以下进行：

分量的分段频率标准差σ_f定义为：对于食品分类信号的分量中的纯调频食品分类信号s_1n(n)，计算其瞬时频率f₁(n)，将得到的瞬时频率序列分成M段，每段n个点，然后计算每段的瞬时频率的均值，最后求M段频率的标准差，即

其中，为第i段瞬时频率的均值，f_1i(j)为分量的第i段数据的第j个点的瞬时频率值；为分量的瞬时频率的均值；

门限设定如下：

其中min(σ_f-MSK)表示MSK食品分类信号的特征值σ_f的最小值，max(σ_f-2ASK,σ_f-QPSK,σ_f-16QAM)为2ASK、QPSK和16QAM食品分类信号的特征值σ_f的最大值；

S4提取第二个分类特征：分量的分段瞬时幅值标准差σ_a和设定相应的门限δ₂和δ₃；所述分量的分段瞬时幅值标准差σ_a和设定相应的门限δ₂和δ₃按以下进行：

的分段瞬时幅值标准差σ_a定义为：对于食品分类信号的PF₁分量，将其a₁(n)分成M段，每段n个点，然后计算每段的瞬时幅值的均值，最后求M段幅值的标准差，即

其中，为第i段瞬时幅值的均值，a_1i(j)为分量的第i段数据的第j个点的瞬时幅值；为PF₁分量的瞬时幅值的均值；

门限设定如下：

其中min(σ_a-ASK)表示2ASK食品分类信号的特征值σ_a的最小值，max(σ_a-16QAM)和min(σ_a-QPSK)分别为16QAM食品分类信号的特征值σ_a的最大值和最小值，max(σ_a-QPSK)为QPSK食品分类信号的特征值σ_a的最大值；

S5利用门限δ₁将食品分类信号集{MSK、2ASK、QPSK、16QAM}分为{MSK}和{2ASK、QPSK、16QAM}两类，利用门限δ₂和δ₃将食品分类信号集{2ASK、QPSK、16QAM}中的食品分类信号识别出来。