何愛香，唐禎安，魏廣芬，余 雋

(1.大連理工大學(xué) 電信學(xué)部 集成電路技術(shù)遼寧省重點實驗室，遼寧 大連116024;2.山東工商學(xué)院 信電學(xué)院，山東 煙臺264005)

0 引 言

基于SnO2的氣體傳感器已經(jīng)在氣體檢測方面得到了廣泛的應(yīng)用，比較其他氣體傳感器，它具有低功耗和高靈敏度等優(yōu)點。但是，SnO2氣體傳感器由于它的低選擇性、交叉敏感、傳感器漂移、對環(huán)境溫濕度較敏感等缺點制約了它的發(fā)展和應(yīng)用。為了克服傳感器的這些缺點，很多學(xué)者主要從以下3 個方面來進(jìn)行改進(jìn):1)選擇更好的敏感薄膜材料［1］;2)傳感器陣列優(yōu)化，靜態(tài)和動態(tài)的溫度調(diào)制加熱模式的選擇［2，3］;3)信號處理和模式識別算法的改進(jìn)［4］。本文主要從動態(tài)溫度調(diào)制加熱模式的選擇和信號處理這兩方面來優(yōu)化SnO2傳感器的檢測性能。

1 實驗過程

在本次實驗過程中，選用了自制的Pt/SnO2微熱板氣體傳感器。取4 只提前預(yù)熱好的氣體傳感器組成傳感器陣列，對3000×10－6CH4，150×10－6CO 和15×10－6C2H5OH三種不同體積分?jǐn)?shù)的工業(yè)氣體進(jìn)行測量。傳感器加熱溫度調(diào)制模式選擇正弦波、脈沖波、鋸齒波和三角波四種加熱波形，溫度變換范圍在200～300 ℃。對于每一種加熱波形又選擇了八種調(diào)制周期，分別為T=4，10，20，30，40，50，60，80 s。測試步驟為首先通入潔凈空氣清洗1 200 s，然后通入CH4600 s，再通入潔凈空氣900 s，CO 600 s，再通入潔凈空氣900 s，C2H5OH 600 s，最后通入潔凈空氣清洗900 s。實驗中上述步驟循環(huán)往復(fù)，直到8 個周期全部測完。

2 實驗結(jié)果與數(shù)據(jù)分析

2.1 傳感器動態(tài)響應(yīng)信號

圖1 是調(diào)制周期為40 s 時四種溫度調(diào)制模式下的輸出電壓信號。由圖1 可以看出:氣敏電阻器受加熱電壓的影響很大，這是因為微熱板可以在ms 級的時間內(nèi)達(dá)到加熱電壓設(shè)定的溫度，即氣敏電阻器的響應(yīng)時間大約在3 ms 左右，而傳感器對被測氣體的響應(yīng)時間和恢復(fù)時間由其表面的物理化學(xué)吸附和脫附導(dǎo)致，反應(yīng)較慢。在吸附過程中最終達(dá)到穩(wěn)定狀態(tài)需要1～2 min 的時間，在脫附過程中傳感器恢復(fù)到純凈空氣中的基線值也需要大約2～3 min 的時間。所以，相對于加熱電壓的高頻率變化，微熱板的響應(yīng)為強信號，而傳感器對被測氣體的響應(yīng)表現(xiàn)為微弱信號。從圖1中也可以看到，由于吸附和脫附時間較長，傳感器對被測氣體的響應(yīng)主要體現(xiàn)在輸出電壓波形的包絡(luò)上。

圖1 輸出電壓和加熱電壓(T=40 s)Fig 1 Output voltage and heating voltage(T=40 s)

2.2 特征提取

以調(diào)制周期T=40 s 的鋸齒波溫度調(diào)制模式為例，將傳感器的原始時域電壓信號進(jìn)行短時傅里葉變換(short－time Fourier transform，STFT)，窗選擇漢明窗，窗的長度取原始信號長度的1/4，即N=375。得到如圖2 所示的幅度譜圖，從圖2 中發(fā)現(xiàn)被測氣體完成吸附和脫附的整個過程中，它的頻率都非常低，只有在低頻處有很大的值，隨著頻率的升高，幅度譜快速下降為0。所以，只需要將低頻處的幅度值提取出來，就可以得到CO，CH4和C2H5OH 的主要特征信息。

在幅度譜的兩側(cè)由于加漢明窗的原因，頻譜呈線性變化，為了去除漢明窗對信號的影響，在后續(xù)處理過程中，去掉頻譜兩端的數(shù)據(jù)，只保留中間300～1 300 s 的一段幅度值作為主要特征信息，留作后續(xù)數(shù)據(jù)處理。

2.3 周期對傳感器的影響

圖2 被測氣體的STFT 幅度譜圖(鋸齒波，T=40 s)Fig 2 STFT amplitude diagram of measured gas(saw tooth wave，T=40 s)

本實驗將調(diào)制周期T 分別設(shè)置為4，10，20，30，40，60，80 s，以便考察溫度調(diào)制周期對氣體傳感器靈敏度的影響。在不同的調(diào)制周期下，獲得氣體傳感器的動態(tài)響應(yīng)信號，對其進(jìn)行短時傅里葉變換，提取出f=0Hz 處的直流幅度值，然后截取出其中的300～1300 s 的一段數(shù)值，進(jìn)行PCA，得到圖3 所示的圖。

圖3 PCA 分析散點圖Fig 3 Scatter diagram of PCA analysis

從圖3(b)看出:在四周調(diào)制波形中短時傅里葉變換和PCA 結(jié)合的算法最適合應(yīng)用于正弦波調(diào)制(除去T=4 s)后的傳感器響應(yīng)信號。正弦波調(diào)制幾乎與調(diào)制周期無關(guān)，除了周期T=4 s，其他的都集中在了一點。從圖3(a)，(d)看出，鋸齒波和脈沖波調(diào)制模式下，第一和第二主成分隨著周期的減小呈線性變化。從圖3(c)可以看出:在三角波溫度調(diào)制下，第一和第二主成分受到周期的影響較大，分布也相對分散。在周期T 為40，50，60，80 s 時，三種氣體的分布很集中，幾乎與周期無關(guān)。但是，當(dāng)周期小于40 s 時，分布零散，受周期影響較大，并且隨著周期T 的增長而線性減小。所以，在選擇調(diào)制周期時，若選擇調(diào)制波形為三角波、脈沖波、鋸齒波和正弦波，應(yīng)該將調(diào)制周期T 控制在大于40 s 以上較為合適，調(diào)制頻率不易過大。雖然第一和第二主成分受到了調(diào)制周期的影響，但從圖3 中發(fā)現(xiàn)不同氣體的分布仍然非常集中，所以，可以得出結(jié)論，氣體種類和這八種調(diào)制周期無關(guān)。

2.4 決策樹識別

在本次實驗過程中，陣列由4 只傳感器構(gòu)成，對三種不同濃度氣體進(jìn)行測量。采用了八種周期調(diào)制模式，對于每一種調(diào)制波形可以獲得96 個實驗樣本數(shù)據(jù)，其中每種被測氣體的樣本數(shù)據(jù)為32 個。調(diào)制波形共有四種，總的實驗樣本為384 個。另外，每個實驗數(shù)據(jù)經(jīng)過短時傅里葉變換和PCA 后，取前4 個主成分作為特征值。最后，構(gòu)建成一個384×4 的總樣本數(shù)據(jù)庫。

由前面PCA 得知，八種溫度調(diào)制周期對氣體種類的影響較小，而溫度調(diào)制波形對被測氣體的影響很大。所以，在決策樹識別過程中，不再考慮八種調(diào)制周期的影響，只分析四種調(diào)制波形的識別準(zhǔn)確率。為了分析方便，將三種被測氣體CO，CH4和C2H5OH 分別標(biāo)記為第1 類、第2 類和第3 類。

對于每一種溫度調(diào)制波形模式，為了防止分類過程中偶然性的出現(xiàn)，本文在分類過程中采用了K 折交叉驗證(K－fold cross－validation)方法，將三種被測氣體的樣本混合，構(gòu)成96×4 的樣本庫，將96 個樣本隨機分為6 份，取其中1 份為測試樣本，剩余5 份作為訓(xùn)練樣本。分類循環(huán)6 次，最后將分類準(zhǔn)確率的平均值作為最后結(jié)果。表1 為決策樹的分類準(zhǔn)確率，包括6 次實驗過程中的最高準(zhǔn)確率、最低準(zhǔn)確率和平均準(zhǔn)確率。其中，正弦波調(diào)制模式的平均正確率最高，為100%，三角波的平均準(zhǔn)確率最低，為98.06%。

3 結(jié) 論

實驗結(jié)果表明:通過加熱模式的使用，明顯提高了氣體種類的識別準(zhǔn)確率。而本文的算法最適合正弦波的溫度調(diào)制模式，其次為鋸齒波和脈沖波，最差為三角波。同時，調(diào)制周期的選擇不易太小，在40～80 s 較為合適。正弦波的溫度調(diào)制模式下，決策樹識別準(zhǔn)確率幾乎達(dá)到了100%，而其他三種調(diào)制模式，測試氣體都存在誤判現(xiàn)象。

表1 識別準(zhǔn)確率Tab 1 Accuracy rate of recognition

［1］ Yi S.A novel approach to fabricate metal oxide nanowire－like networks－based coplanar gas sensors array for enhanced selectivity［J］.Sensors and Actuators B，2014，204:351－359.

［2］ Rakesh Gosangi，Ricardo Gutierrez－Osuna.Active temperature modulation of metal－oxide sensors for quantitative analysis of gas mixtures［J］.Sensors and Actuators B，2013，185:201－210.

［3］ Hossein－Babaei F，Amini A.A breakthrough in gas diagnosis with a temperature－modulated generic metal oxide gas sensor［J］.Sensors and Actuators B，2012，166:419－425.

［4］ Amini A，Bagheri Mohammad Ali.Improving gas identification accuracy of a temperature－modulated gas sensor using an ensemble of classi?ers［J］.Sensors and Actuators B，2013，187:241－246.