买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河南驰诚电气股份有限公司申请的专利一种基于快速独立成分分析的气体混合信号特征提取及盲源分离方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121027430B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511458621.9，技术领域涉及：G06F18/21；该发明授权一种基于快速独立成分分析的气体混合信号特征提取及盲源分离方法是由张进;王浩然;石保敬;张静;刘晓明;王长荀;宋晓雪;张梅柯;赵辉;张鹏飞;董海率;牛雷风;彭丽玮;窦智峰设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本一种基于快速独立成分分析的气体混合信号特征提取及盲源分离方法在说明书摘要公布了：本申请涉及气体传感器混合信号处理的技术领域，尤其是涉及一种基于快速独立成分分析的气体混合信号特征提取及盲源分离方法，其包括以下步骤：采集多通道气体传感器阵列获取的混合气体信号，形成观测矩阵；对所述观测矩阵依次进行去趋势、归一化和滤波预处理，得到预处理后的观测矩阵；通过主成分分析实现对所述预处理后的观测矩阵的白化处理。本申请通过将信号预处理、快速独立成分分析、盲源分离与动态干扰补偿相结合，实现了无需标注数据、计算复杂度低的混合气体信号特征提取与盲源分离，有效提升了气体传感器阵列在复杂环境下的检测精度、稳定性和实时性。

本发明授权一种基于快速独立成分分析的气体混合信号特征提取及盲源分离方法在权利要求书中公布了：1.一种基于快速独立成分分析的气体混合信号盲源分离方法，其特征在于，包括以下步骤： 采集多通道气体传感器阵列获取的混合气体信号，形成观测矩阵； 对所述观测矩阵依次进行去趋势、归一化和滤波预处理，得到预处理后的观测矩阵； 通过主成分分析实现对所述预处理后的观测矩阵的白化处理，包括计算所述预处理后的观测矩阵的协方差矩阵并进行特征分解，得到特征值和特征向量；根据特征值分布，采用特征值拐点法估计源信号数目N；选取前N个主成分特征向量构造白化矩阵；利用所述白化矩阵对所述预处理后的观测矩阵进行白化变换，得到白化信号； 采用快速独立成分分析算法对所述白化信号进行盲源分离，提取所述白化信号的独立成分，获得各个目标气体的独立特征信号；其中，所述快速独立成分分析算法以负熵近似作为对比函数，通过固定点迭代算法求解解混矩阵；迭代中所使用的非线性函数根据所述白化信号的稀疏性先验知识自适应选择或切换，所述稀疏性通过计算所述白化信号的峭度或偏度进行判断，最终输出分离后的独立成分； 对所述独立特征信号进行特征分析和定量识别，通过分类算法实现目标气体的实时分类与浓度测定，输出目标气体的分类结果和浓度信息；基于所述目标气体的实时分类与浓度信息的测定结果，构建包含所述独立成分与传感器漂移及交叉敏感性参数的状态空间模型，并采用卡尔曼滤波器进行动态干扰补偿，得到补偿后的信号；所述动态干扰补偿通过构建基于状态空间的卡尔曼滤波器实现；所述卡尔曼滤波器的状态向量包括分离出的独立成分和表示传感器漂移与交叉敏感性的参数向量； 所述状态空间模型用于描述状态向量随时间的演化规律以及观测信号与状态向量及环境参数之间的关系；通过该模型，卡尔曼滤波器利用观测信号对状态向量进行递归估计，输出优化后的状态估计值；所构建的状态空间模型中，首先定义该模型的状态向量，状态向量由快速独立成分分析算法分离出的独立分量和传感器漂移敏感参数组成，共同描述状态空间模型的内部动态状态，该状态向量的具体形式为： ，其中，表示k时刻的状态向量，表示k时刻由快速独立成分分析算法分离出的N个独立分量，表示k时刻传感器的漂移敏感参数向量； 进一步定义作为外部扰动输入的环境输入向量，基于状态向量与环境输入向量，定义状态空间模型的过程模型与观测模型： 过程模型：，其中，为环境输入向量；F为状态转移矩阵；G为输入矩阵；为过程噪声； 观测模型：，其中，为外界扰动输入；为观测向量；H为观测矩阵；B为扰动输入矩阵；为观测噪声； 状态向量中的漂移敏感参数表述为：，其中，是漂移参数的状态转移矩阵；是环境量对漂移参数的输入矩阵；为漂移参数的过程噪声； 进一步细化观测模型为：，其中，是独立分量对观测的贡献矩阵；是环境量对观测的直接影响矩阵；是漂移参数对观测的影响矩阵；分别为观测噪声。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河南驰诚电气股份有限公司，其通讯地址为：450000 河南省郑州市高新区长椿路11号2号厂房5层D5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。