申请/专利权人：宁波大学

申请日：2020-05-28

公开（公告）日：2023-10-24

公开（公告）号：CN111783533B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/10;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2023.10.24#授权;2020.11.03#实质审查的生效;2020.10.16#公开

摘要：本发明公开了一种基于粒子群算法的离子淌度重叠信号峰分离方法，首先获取原始离子淌度重叠信号峰的强度数据序列作为训练输出数组以及离子淌度数据序列作为训练输入数组，然后构建两个高斯模型和离子淌度重叠信号峰辨识模型，利用粒子群算法对两个高斯模型以及离子淌度重叠信号峰辨识模型一起进行训练，利用训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型对原始离子淌度重叠信号峰进行分离，分别得到两个信号峰的强度数据序列以及模拟重叠信号峰强度数据序列，完成离子淌度重叠信号峰分离；优点是分离效果好、精度高，可以有效分离重叠的离子淌度信号峰，帮助更好分析离子淌度信息，从而更好地分析混合物质的实际成分组成。

主权项：1.一种基于粒子群算法的离子淌度重叠信号峰分离方法，其特征在于包括以下步骤：1获取原始离子淌度重叠信号峰的强度数据序列以及与原始离子淌度重叠信号峰的强度数据序列相对应的原始离子淌度重叠信号峰的离子淌度数据序列，采用原始离子淌度重叠信号峰的离子淌度数据序列构建训练输入数组，采用原始离子淌度重叠信号峰的强度数据序列构建训练输出数组；2先构建用于辨识单个信号峰的两个高斯模型，然后基于这两个高斯模型构建离子淌度重叠信号峰辨识模型；3基于训练输入数组及训练输出数组，利用粒子群算法对两个高斯模型以及离子淌度重叠信号峰辨识模型一起进行训练，得到训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型；4利用训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型对原始离子淌度重叠信号峰进行分离，分别得到原始离子淌度重叠信号峰中两个信号峰的强度数据序列以及模拟重叠信号峰强度数据序列，完成离子淌度重叠信号峰分离；所述的步骤3中基于训练输入数组及训练输出数组，利用粒子群算法对两个高斯模型以及离子淌度重叠信号峰辨识模型一起进行训练，得到训练好的两个高斯模型以及离子淌度重叠信号峰辨识模型的具体过程为：3.1、确定第一高斯模型和第二高斯模型中a1、a2、b1、b2、c1和c2，具体步骤为：3.1.1、设定6个临时系数组，每个临时系数组分别包括20个临时系数，将这6个临时系数组分别记为at1、at2、bt1、bt2、ct1和ct2，将临时系数组at1中第j个临时系数记为at1j，将临时系数组at2中第j个临时系数记为at2j，将临时系数组bt1中第j个临时系数记为bt1j，将临时系数组bt2中第j个临时系数记为bt2j，将临时系数组ct1中第j个临时系数记为ct1j，将临时系数组ct2中第j个临时系数记为ct2j，j＝1，2，…，20，采用随机函数分别对6个临时系数组中的每个临时系数进行初始化，使6个临时系数组中每个临时系数初始化为大于0且小于10的随机数；3.1.2、基于6个临时系数组中的临时系数，建立一个系数计算模型，该系数计算模型采用式4表示为： 式4中，xz表示训练输入数组x中的第z个数据，gtj,z表示输入数据为xz时系数计算模型的第j个输出数据，j＝1，2，…，20；3.1.3、对z进行初始化赋值，令z＝1；3.1.4、对a1、a2、b1、b2、c1、c2进行第z次更新，具体更新过程为：A、将xz、at1j、at2j、bt1j、bt2j、ct1j和ct2j的当前值代入系数计算模型中进行计算，得到gt1,z～gt20,z；B、将gtj,z的计算误差记为Ej,z，按照下式5计算gtj,z的计算误差Ej,z，得到E1,z～E20,z：Ej,z＝yz-gtj,z25其中，yz表示训练输出数组y中的第z个数据；C、比较E1,z至E20,z这20个计算误差的大小，找出其中最小的计算误差，该最小的计算误差为EBe,z；D、对a1、a2、b1、b2、c1、c2进行第z次更新：令a1＝at1Be、a2＝at2Be、b1＝bt1Be、b2＝bt2Be、c1＝ct1Be、c2＝ct2Be；3.1.5对at1j、at2j、bt1j、bt2j、ct1j和ct2j的当前值进行第z次更新：采用at1j+0.8·at1Be-at1j的值更新at1j的当前值，采用at2j+0.8·at2Be-at2j的值更新at2j的当前值，采用bt1j+0.8·bt1Be-bt1j的值更新bt1j的当前值，采用bt2j+0.8·bt2Be-bt2j的值更新bt2j的当前值，采用ct1j+0.8·ct1Be-ct1j的值更新ct1j的当前值，采用ct2j+0.8·ct2Be-ct2j的值更新ct2j的当前值；上述更新过程中，每次计算时参与运算的各参数均为其计算当前的最新值；3.1.6判断z的当前值是否等于n，如果等于n，则第n次更新后的a1、a2、b1、b2、c1、c2即为第一高斯模型、第二高斯模型和离子淌度重叠信号峰辨识模型的各项系数，将第n次更新后的a1、a2、b1、b2、c1、c2分别对应代入第一高斯模型、第二高斯模型和离子淌度重叠信号峰辨识模型的表达式中，得到训练后的第一高斯模型、第二高斯模型和离子淌度重叠信号峰辨识模型；如果不等于n，则采用z的当前值加1后的值去更新z的当前值，然后返回步骤3.1.4对系数a1、a2、b1、b2、c1、c2进行下一次更新，直至z的当前值等于n。

全文数据：

权利要求：

百度查询： 宁波大学 一种基于粒子群算法的离子淌度重叠信号峰分离方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD