[发明专利]一种基于生成对抗网络的气体传感器阵列漂移补偿方法

权利要求书

1.一种基于生成对抗网络的气体传感器阵列漂移补偿方法，其特征在于，包括如下步骤：

步骤一、通过气体传感器获取多个批次的测量数据；

步骤二、建立生成对抗网络模型和特征提取神经网络；筛选出漂移程度不同批次的所述测量数据作为训练样本；

步骤三、使用所述训练样本对所述生成对抗网络模型进行训练，得到生成漂移数据的对抗生成网络模型；

其中，在训练过程中，使用所述特征提取神经网络提取的漂移后数据特征作为生成对抗网络模型生成数据的指示指标；

步骤四、将多个批次的所述测量数据作为输入参数输入所述生成漂移数据的对抗生成网络模型，所述生成漂移数据的对抗生成网络模型输出所述多个批次的测量数据对应的漂移后的数据，得到漂移后数据的补偿数据集；

其中，所述漂移后数据的补偿数据集为：

T_i＝[G(T_i-1),batch_i]；

式中，T_i为第i个批次的漂移后数据的补偿数据集，T_i-1为第i-1个批次的漂移后数据的补偿数据集，G(T_i-1)为T_i-1输入生成漂移数据的对抗生成网络模型输出的漂移后的数据，batch_i为第i个批次的测量数据；

所述生成对抗网络模型包括生成器和判别器；

其中，在所述步骤三中，采用交叉训练的方法对所述生成对抗网络模型进行训练，包括：

先固定生成器，优化判别器，使判别器的判别准确率最大化；再固定判别器，优化生成器，使判别器对生成数据的判别准确率最小化；

所述生成器的优化目标为：降低生成器的损失函数值以更新生成器的参数；

其中，所述生成器的损失函数为：

L_G＝L_Gen+αL_MSE+βL_M；

式中，L_Gen为原生成器损失，L_MSE为生成数据与目标数据的均方误差，L_M为生成数据与目标数据在所述特征提取神经网络中的均方误差，α表示生成数据与目标数据的均方误差的系数，β表示生成数据与目标数据在所述特征提取神经网络中的均方误差的系数。

2.根据权利要求1所述的基于生成对抗网络的气体传感器阵列漂移补偿方法，其特征在于，所述判别器的优化目标为：降低判别器的损失函数值以更新判别器的参数；

其中，所述判别器的损失函数为：

L_D＝-∑log(D(x))+log(D(G(x')))；

式中，D(x)表示判别器D将真实数据x判定为真实数据的概率，D(G(x'))表示判别器D将生成器G生成的虚假数据x'判定为真实数据的概率。

3.根据权利要求2所述的基于生成对抗网络的气体传感器阵列漂移补偿方法，其特征在于，在所述步骤二之前，还包括采用如下公式对所述测量数据进行标准化处理：

其中，max(x_,j)为第j列数据的最大值，min(x_,j)为第j列数据的最小值，x_i,j为第i行第j列的值。

4.根据权利要求3所述的基于生成对抗网络的气体传感器阵列漂移补偿方法，其特征在于，所述测量数据为一个16×8维度的特征向量。

5.根据权利要求4所述的基于生成对抗网络的气体传感器阵列漂移补偿方法，其特征在于，α＝0.4，β＝10。