电子鼻漂移阈值构建及其在白酒鉴别中的应用

为了有效去除电子鼻漂移，提出了一种基于空载条件小波包分解的漂移去除方法。对电子鼻空载数据进行小波包分解，获得小波包分解的逼近系数集；在对其进行离散度分析之后，构建了空载条件下的一种阈值函数。在此阈值函数基础上，扩展成为样本（有载）条件下的去漂移阈值函数，进而发展成有载样本的漂移剔除方法。为了检验该方法的有效性及实用性，将其应用于4种白酒的鉴别中。对4种白酒电子鼻数据按测试时间顺序生成训练集和测试集，线性的Fisher判别分析结果表明，训练集、测试集数据处理后的鉴别正确率均得到了提高，最低提高值为23.65%。表明此方法能够提升电子鼻的检测能力。同时，为了进一步检验该漂移去除方法的性能，采用非线性的BP神经网络进行鉴别分析，结果显示：训练集的鉴别正确率从处理前的65.5%提高到处理后的100%，处理后的测试集鉴别正确率也达到了97.5%。这不仅说明了4种白酒的鉴别属较复杂的非线性分类问题，还充分说明了该漂移去除方法的有效性