基于GA-QPSO算法的传感器阵列多目标优化研究*

孔宇航，陶 洋，梁志芳

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

电子鼻(electronic nose,E-nose)系统是气体检测的有效分析工具之一，主要由三个部分组成：传感器阵列、信号预处理和模式识别系统[1]。其中，对广谱化合物产生响应的传感器阵列是关键组成部分，传感器阵列的响应直接决定了模式识别系统的输入质量。传感器阵列优化通常按照一定的策略从原始传感器阵列中选择具有较好特性的传感器从而组成新的传感器阵列，精简后的阵列包含更少的传感器，节省了构造成本，但保证同时具有更好的检测效果。

近年来传感器阵列优化的研究方法不断涌现。Sun H等人[2]利用Wilks统计方法通过分析传感器特征的主成分，计算阵列中各个传感器的贡献度，从而对传感器进行筛选或淘汰。Jia P F等人[3]提出了遗传量子行为粒子群优化(genetic algorithm quantum-behavior particle swarm optimization，GA-QPSO)方法，引入重要性因子法计算传感器的贡献权重，同时对粒子群算法改进，最终实现对传感器阵列和分类器的同步优化。常美茁[4]利用15只气体金属氧化物传感器，通过相关性分析找出了存在冗余信息的传感器组合，然后使用区分性能值的方法剔除冗余传感器组合中区分性能值小对应的传感器。

本文首先通过聚类分析预估传感器阵列的大小。再将传感器的选择性和差异性作为影响传感器阵列的两个重要因素，提出一种多目标优化的场景，利用信息熵的原理构造目标函数。然后引入遗传算法(genetic algorithm,GA)的交叉和变异操作，二者概率的变化采用一种自适应参数调整机制，对QPSO算法改进后寻求帕累托最优解集，找到对应具有高选择性和差异性的传感器组合子集。……