CN116298332A - 一种酒精浓度信息矫正方法和装置 - Google Patents

Abstract

本申请提供一种酒精浓度信息矫正方法和装置。所述酒精浓度信息矫正方法包括：获取当前时刻电子鼻检测到的酒精浓度信息；获取矫正模型；根据所述当前时刻电子鼻检测到的酒精浓度信息和所述矫正模型生成矫正后的酒精浓度信息。本申请提供的酒精浓度信息矫正方法使用矫正模型对电子鼻检测到的酒精浓度信息进行矫正，避免了因为温度变化产生的检测数据错误的问题。解决了电子鼻应用在汽车上进行酒驾检测时低温限制无法发挥作用的问题，有效助力极寒条件下利用电子鼻对网约车和共享汽车酒驾的实时监控工作，可为汽车服务产业获得更高的经济效益。

Description

一种酒精浓度信息矫正方法和装置

技术领域

本说明书一个或多个实施例涉及酒精检测技术领域，尤其涉及一种酒精浓度信息矫正方法和装置。

背景技术

近年来，共享汽车的出现促进了人们的日常出行。然而，避免司机酒后驾驶共享汽车成为了汽车共享产业发展中亟待解决的问题。通常，交通执法人员通过观察驾驶状态对驾驶员进行手持酒精检测。但是，传统的人工检测监控驾驶员饮酒状况需要大量人力资源，造成资源浪费，检测效率低，范围不够。而且，如果不对司机进行状态监测，在这种情况下，一旦醉酒驾驶人驾驶网约车或共享汽车上路，将构成潜在事故，对社会、网约车公司和共享汽车公司产生破坏性影响。电子鼻拥有特定的传感器和识别模块，可以快速提供被检测样品的整体信息，非常适合探测受限空间中的气味，如空间站、航天飞机以及汽车中。目前已有报道将电子鼻应用在车内去进行酒驾检测。

由于电子鼻的核心器件是气体传感器，且应用最广泛的是金属氧化物半导体传感器。周围环境的变化导致传感器的温度变化而产生的漂移一直是难以分析和消除的，如果不对传感器信号进行漂移校正，将影响模型的准确性。当传感器应用于电子鼻时，温度对气体传感器的干扰作用更加显著，样品及所处环境温度会导致电子鼻分类错误。全球范围内许多国家在冬季气候寒冷，温度将达到零下几十度，中国东北地区冬季温度也将达到-20℃以下，这种情况下对电子鼻检测数据的处理是十分重要的。

因此，希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种酒精浓度信息矫正方法和装置，以解决上述至少一个问题。

基于上述目的，本说明书一个或多个实施例提供了一种酒精浓度信息矫正方法，所述酒精浓度信息矫正方法包括：

获取当前时刻电子鼻检测到的酒精浓度信息；

获取矫正模型；

根据所述当前时刻电子鼻检测到的酒精浓度信息和所述矫正模型生成矫正后的酒精浓度信息。

可选地，在所述获取矫正模型之前所述酒精浓度信息矫正方法还包括：

生成矫正模型。

可选地，所述生成矫正模型包括：

获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息；

采用ICA模型对所有的酒精浓度样本信息进行处理获得矫正模型。

可选地，所述获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息包括：

获取电子鼻在每一个预设温度和预设酒精浓度的空间中采集的多个酒精浓度样本信息。

可选地，所述采用ICA模型对所有的酒精浓度样本信息进行处理获得矫正模型包括：

获取每个酒精浓度样本信息的特征信息；

对所有的酒精浓度样本信息的特征信息采用ICA模型分析，以获取ICA模型独立分量；

采用多模式识别算法对得到的ICA模型独立分量进行训练获得矫正模型。

可选地，所述获取每个酒精浓度样本信息的特征信息包括：

对每个所述酒精浓度样本信息进行标准化处理；

对每一个标准化处理后的酒精浓度样本信息进行去噪处理；

根据每一个去噪处理后的酒精浓度样本信息获取该酒精浓度样本信息对应的特征信息。

可选地，所述对每一个标准化处理后的酒精浓度样本信息进行去噪处理包括：

使用10Hz的FFT滤波器对每一个标准化处理后的酒精浓度样本信息进行去噪处理。

可选地，所述对所有的酒精浓度样本信息的特征信息采用ICA模型分析，以获取ICA模型独立分量包括：

对所有的酒精浓度样本信息的特征信息构建特征矩阵；

对特征矩阵进行去均值处理；

对去均值处理后的特征矩阵进行白化；

根据去均值处理之后的特征矩阵和白化结果获取ICA模型独立分量。

可选地，采用识别方法对得到的ICA模型独立分量进行训练获得矫正模型包括：

采用支持向量机对ICA模型独立分量进行训练获得矫正模型。

另一方面，本申请还提供了一种酒精浓度信息矫正装置，所述酒精浓度信息矫正装置包括：

酒精浓度信息获取模块，用于获取当前时刻电子鼻检测到的酒精浓度信息；

矫正模型获取模块，用于获取矫正模型；

酒精浓度信息矫正模块，用于根据所述当前时刻电子鼻检测到的酒精浓度信息和所述矫正模型生成矫正后的酒精浓度信息。

本申请的有益效果如下：

本申请提供的酒精浓度信息矫正方法使用矫正模型对电子鼻检测到的酒精浓度信息进行矫正，避免了因为温度变化产生的检测数据错误的问题。解决了电子鼻应用在汽车上进行酒驾检测时低温限制无法发挥作用的问题，有效助力极寒条件下利用电子鼻对网约车和共享汽车酒驾的实时监控工作，可为汽车服务产业获得更高的经济效益。

附图说明

为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书一个或多个实施例提供的一种酒精浓度信息矫正方法流程示意图；

图2为本说明书一个或多个实施例提供的数据采集系统的示意图；

图3为本说明书一个或多个实施例提供的一种更为具体的电子设备硬件结构示意图；

图4为本说明书一个或多个实施例提供的对照模型的建立流程示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

图1为本说明书一个或多个实施例提供的一种酒精浓度信息矫正方法流程示意图。

参照图1，本申请提供了一种酒精浓度信息矫正方法，酒精浓度信息矫正方法包括：

获取当前时刻电子鼻检测到的酒精浓度信息；

获取矫正模型；

根据当前时刻电子鼻检测到的酒精浓度信息和矫正模型生成矫正后的酒精浓度信息。

本申请提供的酒精浓度信息矫正方法使用矫正模型对电子鼻检测到的酒精浓度信息进行矫正，避免了因为温度变化产生的检测数据错误的问题。解决了电子鼻应用在汽车上进行酒驾检测时低温限制无法发挥作用的问题，有效助力极寒条件下利用电子鼻对网约车和共享汽车酒驾的实时监控工作，可为汽车服务产业获得更高的经济效益。

在一实施例中，在获取矫正模型之前酒精浓度信息矫正方法还包括：

生成矫正模型。

在一实施例中，生成矫正模型包括：

获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息；

采用ICA模型对所有的酒精浓度样本信息进行处理获得矫正模型。

在一实施例中，获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息包括：

获取电子鼻在每一个预设温度和预设酒精浓度的空间中采集的多个酒精浓度样本信息。

在一实施例中，采用ICA模型对所有的酒精浓度样本信息进行处理获得矫正模型包括：

获取每个酒精浓度样本信息的特征信息；

对所有的酒精浓度样本信息的特征信息采用ICA模型分析，以获取ICA模型独立分量；

采用识别方法对得到的ICA模型独立分量进行训练获得矫正模型。

具体而言，识别方法可以是多种模式识别算法中的一种或多种，例如随机森林、支持向量机等。

在一实施例中，获取每个酒精浓度样本信息的特征信息包括：

对每个酒精浓度样本信息进行标准化处理；

对每一个标准化处理后的酒精浓度样本信息进行去噪处理；

根据每一个去噪处理后的酒精浓度样本信息获取该酒精浓度样本信息对应的特征信息。

在一实施例中，对每一个标准化处理后的酒精浓度样本信息进行去噪处理包括：

使用10Hz的FFT滤波器对每一个标准化处理后的酒精浓度样本信息进行去噪处理。

在一实施例中，对所有的酒精浓度样本信息的特征信息采用ICA模型分析，以获取ICA模型独立分量包括：

对所有的酒精浓度样本信息的特征信息构建特征矩阵；

对特征矩阵进行去均值处理；

对去均值处理后的特征矩阵进行白化；

根据去均值处理之后的特征矩阵和白化结果获取ICA模型独立分量。

在一实施例中，采用识别方法对得到的ICA模型独立分量进行训练获得矫正模型包括：

采用支持向量机对ICA模型独立分量进行训练获得矫正模型。

本申请提供的酒精浓度信息矫正方法可以在超低温度环境、无需大量训练模型的条件下准确识别不同浓度酒精呼出气，消除了低温对金属氧化物半导体的负面影响，显著提升了检测精度。

下面以举例的方式对本申请提供的酒精浓度信息矫正方法中的生成矫正模型步骤进行进一步详细阐述，可以理解的是，该举例并不构成对本申请的任何限制。

首先，说明一下数据采集的环境信息：

参照图2，采集数据用的电子鼻包括仿生腔室、气体流量计、温湿度传感器、调理电路板(用于过滤噪音和向传感器阵列提供电源)、数据采集卡、气泵和金属氧化物半导体传感器阵列；采样时间为60s，采样频率为100HZ，仿生腔室内的气体流量为1L/min；仿生腔室内含有由32个金属氧化物半导体传感器组成的阵列,具体型号分别为：TGS2611、TGS2620、TGS2603、TGS2602、TGS2610、TGS2600、GSBT11、MS1100、MP135、MP901、MP-9、MP-3B、MP-4、MP-5、MP-2、MP503、MP801、MP905、MP402、WSP1110、WSP2110、WSP7110、MP-7、MP702、TGS2618-COO；

获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息，包括下列步骤：

模拟的驾驶人员饮酒驾车呼出气体中酒精浓度为0.1mg/L，并含有5％的二氧化碳，16％的氧气，其余为氮气，记为C1；模拟的驾驶人员醉酒驾车呼出气体中酒精浓度为0.5mg/L，并含有5％的二氧化碳，16％的氧气，其余为氮气,记为C2；

将温度梯度进行划分，分别为T1＝20±2℃、T2＝-10±2℃和T3＝-20±2℃；

将电子鼻放置实验室恒温箱进行环境温度调节，使得它们的温度降低至目标温度。当温度达到目标温度附近时，分别将两种含不同酒精浓度的C1和C2混合气体进行释放，使用电子鼻采集气体信息，每种浓度样品在同一个温度下测量40组；

将电子鼻在T1、T2和T3三种温度条件下采集的C1和C2检测到的气味数据，根绝温度和浓度划分为6个气味样本集，分别记为{L_C1T1、L_C1T2、L_C1T3、L_C2T1、L_C2T2、L_C2T3}；

对每个酒精浓度样本信息进行标准化处理，包括下列步骤：

对32个气体传感器阵列获得的原始数据进行0-1标准化；

标准化公式为:

其中，x_i是原始矢量(输入或目标)的第i个元素，x_min是原始矢量中的最小值，x_max是原始矢量中的最大值，y_i是生成的矢量数据的第i个元素；

对每一个标准化处理后的酒精浓度样本信息进行去噪处理，包括下列步骤：

使用10Hz的FFT滤波器，对标准化处理后的数据进行去噪处理。去噪后的数据即完成预处理后的每个数据记为d_i，数据样本分别记为{G₁₁、G₁₂、G₁₂、G₂₁、G₂₂、G₂₃}；

根据每一个去噪处理后的酒精浓度样本信息获取该酒精浓度样本信息对应的特征信息，提取公式为：

对所有的酒精浓度样本信息的特征信息构建特征矩阵，所有气味样本构成的特征矩阵记为F，其特征维度为32(由于采用32个传感器进行数据采集，此处特征维度为32)；

对特征矩阵进行去均值处理，包括下列步骤：

去均值公式为：f_i′＝f_i-μ；其中，μ是f_i的均值，将去均值后的特征矩阵记为F’；

对去均值处理后的特征矩阵进行白化，包括下列步骤：

白化公式为：Z＝BF’；其中，B是白化矩阵；

根据去均值处理之后的特征矩阵和白化结果获取ICA模型独立分量，包括以下步骤：

根据F’＝AS，S＝A^-1F′＝WF′，求解出解混矩阵W；其中，A是未知的混合矩阵，S是未知的m(m≤N)维信号源；

得到独立的分量U＝WZ；其中，U是利用独立分量分析ICA模型得出的去除了与环境温度干扰强相关的分量；本实施例去除与环境温度干扰强相关的ICA输出分量，得到与真实气味信号更相关的ICA分量。

利用模式识别算法支持向量机对挑选出的ICA分量U进行训练和分类，建立矫正模型(ICA温度校正模型)。

至此，本举例提供的生成矫正模型步骤介绍完毕，为了作为对照，以下介绍运用支持向量机SVM作为分类器，还分别建立了单温度模型和两种混合温度模型与ICA温度校正模型进行了对比，模型建立流程如图4所示；

1单温度模型建立：选择T1温度下的数据作为训练集，记为K1；利用支持向量机分类器测试不同温度样本下的预测结果，即将T2和T3附近温度下的数据作为测试集，对气体中酒精浓度进行了分类。

2两种混合温度模型的建立，步骤如下：

2.1将T1和T3温度下C1和C2的酒精混合气体数据作为混合温度的数据集，利用支持向量机作为分类器建立第一种混合温度模型，测试模型对不同温度下的混合气体不同酒精浓度分类能力。其中T1和T3的数据作为训练集，记为K2；T1，T2和T3的数据作为测试集，T1和T3在训练集和测试集中的比例为7:3；

2.2将T1、T2和T3温度下C1和C2的酒精混合气体数据作为混合温度的数据集，利用支持向量机作为分类器建立第二种混合温度模型，测试模型对不同温度下的混合气体不同酒精浓度分类能力。其中T1、T2和T3的数据作为训练集,记为K3；T1，T2和T3的数据作为测试集，T1、T2和T3在训练集和测试集中的比例为7:3；

3四种模型的分类结果如下表所示：

参照上表可以看出，同样采用240(3种温度，2种浓度，每个环境下40组数据，也就是3*2*40)组数据，其他训练模型的到的结果远低于本申请提供的方法，同时也可以知道若想达到得到与ICA校正模型相同的结果，单温度模型和两种混合温度模型所需要的样本和数量将会非常大，则可以得出结论：ICA温度校正模型在可以减少样本需求量的同时还可以有效降低低温对电子鼻检测不同浓度酒精气体的影响。

另一方面，本申请还提供了一种酒精浓度信息矫正装置，酒精浓度信息矫正装置包括：

酒精浓度信息获取模块，用于获取当前时刻电子鼻检测到的酒精浓度信息；

矫正模型获取模块，用于获取矫正模型；

酒精浓度信息矫正模块，用于根据当前时刻电子鼻检测到的酒精浓度信息和矫正模型生成矫正后的酒精浓度信息。

需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的变速箱实验台架润滑油控温方法。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的酒精浓度信息矫正方法。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

本申请的一个实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时能够实现如上的酒精浓度信息矫正方法。

本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种酒精浓度信息矫正方法，其特征在于，所述酒精浓度信息矫正方法包括：

获取当前时刻电子鼻检测到的酒精浓度信息；

获取矫正模型；

根据所述当前时刻电子鼻检测到的酒精浓度信息和所述矫正模型生成矫正后的酒精浓度信息。

2.如权利要求1所述的酒精浓度信息矫正方法，其特征在于，

在所述获取矫正模型之前所述酒精浓度信息矫正方法还包括：

生成矫正模型。

3.如权利要求2所述的酒精浓度信息矫正方法，其特征在于，

所述生成矫正模型包括：

获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息；

采用ICA模型对所有的酒精浓度样本信息进行处理获得矫正模型。

4.如权利要求3所述的酒精浓度信息矫正方法，其特征在于，

所述获取电子鼻在每一个预设环境中采集的多个酒精浓度样本信息包括：

获取电子鼻在每一个预设温度和预设酒精浓度的空间中采集的多个酒精浓度样本信息。

5.如权利要求4所述的酒精浓度信息矫正方法，其特征在于，

所述采用ICA模型对所有的酒精浓度样本信息进行处理获得矫正模型包括：

获取每个酒精浓度样本信息的特征信息；

对所有的酒精浓度样本信息的特征信息采用ICA模型分析，以获取ICA模型独立分量；

采用识别方法对得到的ICA模型独立分量进行训练获得矫正模型。

6.如权利要求5所述的酒精浓度信息矫正方法，其特征在于，

所述获取每个酒精浓度样本信息的特征信息包括：

对每个所述酒精浓度样本信息进行标准化处理；

对每一个标准化处理后的酒精浓度样本信息进行去噪处理；

根据每一个去噪处理后的酒精浓度样本信息获取该酒精浓度样本信息对应的特征信息。

7.如权利要求6所述的酒精浓度信息矫正方法，其特征在于，

所述对每一个标准化处理后的酒精浓度样本信息进行去噪处理包括：

使用10Hz的FFT滤波器对每一个标准化处理后的酒精浓度样本信息进行去噪处理。

8.如权利要求7所述的酒精浓度信息矫正方法，其特征在于，

所述对所有的酒精浓度样本信息的特征信息采用ICA模型分析，以获取ICA模型独立分量包括：

对所有的酒精浓度样本信息的特征信息构建特征矩阵；

对特征矩阵进行去均值处理；

对去均值处理后的特征矩阵进行白化；

根据去均值处理之后的特征矩阵和白化结果获取ICA模型独立分量。

9.如权利要求8所述的酒精浓度信息矫正方法，其特征在于，

采用识别方法对得到的ICA模型独立分量进行训练获得矫正模型包括：

采用支持向量机对ICA模型独立分量进行训练获得矫正模型。

10.一种酒精浓度信息矫正装置，其特征在于，所述酒精浓度信息矫正装置包括：

酒精浓度信息获取模块，用于获取当前时刻电子鼻检测到的酒精浓度信息；

矫正模型获取模块，用于获取矫正模型；

酒精浓度信息矫正模块，用于根据所述当前时刻电子鼻检测到的酒精浓度信息和所述矫正模型生成矫正后的酒精浓度信息。

Images