CN109781794A - 用于估计分析物浓度的感测系统和方法 - Google Patents

用于估计分析物浓度的感测系统和方法 Download PDF

Info

Publication number
CN109781794A
CN109781794A CN201811355745.4A CN201811355745A CN109781794A CN 109781794 A CN109781794 A CN 109781794A CN 201811355745 A CN201811355745 A CN 201811355745A CN 109781794 A CN109781794 A CN 109781794A
Authority
CN
China
Prior art keywords
signal
sensing system
sensor
gas sensor
gas
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811355745.4A
Other languages
English (en)
Inventor
C·卡伯内利
P·玛卡拉姆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Infineon Technologies AG
Original Assignee
Infineon Technologies AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Infineon Technologies AG filed Critical Infineon Technologies AG
Publication of CN109781794A publication Critical patent/CN109781794A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/49—Systems involving the determination of the current at a single specific value, or small range of values, of applied voltage for producing selective measurement of one or more particular ionic species
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G01N27/125—Composition of the body, e.g. the composition of its sensitive layer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/403—Cells and electrode assemblies
    • G01N27/406—Cells and probes with solid electrolytes
    • G01N27/407—Cells and probes with solid electrolytes for investigating or analysing gases
    • G01N27/4071—Cells and probes with solid electrolytes for investigating or analysing gases using sensor elements of laminated structure
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0006—Calibrating gas analysers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0042—SO2 or SO3
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)

Abstract

本公开涉及用于估计分析物浓度的感测系统和方法。例如，一种气体感测方法，包括：通过气体传感器获得第一信号；根据第一信号生成一个或多个第二信号；以及计算与第一信号相对应的第一权重值。第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应。气体感测方法还包括计算与一个或多个第二信号中的每个信号相对应的一个或多个第二权重值，以及根据第一权重值和一个或多个第二权重值计算气体传感器处的目标气体的估计浓度。

Description

用于估计分析物浓度的感测系统和方法
技术领域
本发明总体上涉及一种感测系统，并且在具体实施例中涉及一种感测系统以及在感测系统中估计分析物浓度的方法。
背景技术
包括诸如电阻式气体传感器的传感器设备的感测系统可以检测周围环境中目标分析物的存在。设计具有以高灵敏度实时输出检测事件的能力的感测系统可能是重要的。感测系统也可设计为针对目标分析物或目标分析物组的高精度和特殊性。在电阻式气体传感器的特定情况下，检测事件可以基于受气体分子的吸附影响的半导体薄膜结构的电阻或电容的变化。
随着感测系统灵敏度的提高，外部环境因素对感测系统的影响也会增加。这些环境因素可以包括温度、湿度、环境大气中物种的组成和浓度以及电磁干扰等。对外部环境因素的高灵敏度可能降低感测精度。因此，为了提供高灵敏度和高精度，可能期望可在宽操作范围内可靠地应对校准不精确、传感器漂移和其他类似影响的感测系统。
发明内容
根据本发明的一个实施例，一种气体感测的方法包括：通过气体传感器获得第一信号；根据第一信号生成一个或多个第二信号；以及计算与第一信号相对应的第一权重值。第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应。气体感测方法还包括：计算与一个或多个第二信号中的每个信号相对应的一个或多个第二权重值，并且根据第一权重值和一个或多个第二权重值计算气体传感器处的目标气体的估计浓度。
根据本发明的另一实施例，一种气体感测的方法包括：通过气体传感器获得第一信号；以及根据第一信号生成一个或多个第二信号。第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应。该方法还包括使用第一信号和一个或多个第二信号确定第一条件，在第一条件中，目标气体的浓度在气体传感器处增加。该方法还包括使用第一信号和一个或多个第二信号确定第二条件，在第二条件中，气体传感器处的浓度基本恒定。第二条件发生在第一条件之后。该方法还包括根据第一信号和一个或多个第二信号计算目标气体的浓度值，该计算是在浓度基本恒定的同时执行的。
根据本发明的又一实施例，一种气体感测系统，包括：气体传感器；处理器，操作性地耦合至气体传感器；以及存储器，存储将被处理器执行的程序。气体传感器设置在第一衬底上并被配置为检测目标气体。气体传感器还被配置为生成第一信号，该第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应。该程序包括用于根据第一信号生成一个或多个第二信号、计算与第一信号相对应的第一权重值、计算与一个或多个第二信号中的每个信号相对应的一个或多个第二权重值以及根据第一权重值和一个或多个第二权重值计算气体传感器处的目标气体的浓度的指令。
附图说明
为了更全面地理解本发明及其优点，现在参考结合附图进行以下描述，其中：
图1示出了根据本发明一个实施例的通过感测系统估计目标分析物的浓度的示例性方法；
图2示出了根据本发明一个实施例的包括传感器、处理器和存储器的示例性感测系统；
图3示出了根据本发明一个实施例的感测系统的示例性示意框图，该感测系统被配置为估计在传感器处检测到的目标分析物的浓度；
图4示出了根据本发明一个实施例的感测系统的另一示例性示意框图，该感测系统被配置为估计在传感器处检测到的目标分析物的浓度；
图5示出了根据本发明一个实施例的使用传感器电阻和传感器电阻的导数来确定感测系统的状态的示例性方法；
图6示出了根据本发明一个实施例的由感测系统检测的传感器电阻与时间的定性关系图以及由感测系统生成的传感器电阻的导数与时间的定性关系图；
图7示出了根据本发明一个实施例的与被配置为传感器电阻、传感器电阻的导数和状态信号的处理块耦合的传感器的示例性示意框图；
图8示出了根据本发明一个实施例的耦合至浓度估计块的度量选择块的示例性示意框图，该浓度估计块被配置为使用传感器电阻和传感器电阻的导数来估计在传感器处检测到的目标分析物的浓度；
图9示出了根据本发明一个实施例的耦合至浓度估计块的度量选择块的另一示例性示意框图，该浓度估计块被配置为使用传感器电阻和传感器电阻的导数来估计在传感器处检测到的目标分析物的浓度；
图10示出了根据本发明一个实施例的通过使用漂移值和信噪比选择度量来计算在传感器处检测到的目标分析物的浓度的示例性方法；
图11示出了根据本发明一个实施例的由感测系统检测的传感器电阻与时间的定性关系图以及由感测系统生成的感测系统的动态力矩与时间的定性关系图；
图12示出了根据本发明一个实施例的使用传感器电阻和感测系统的动态力矩来确定感测系统的状态的示例性方法；
图13示出了根据本发明一个实施例的开始在没有目标分析物的环境中由传感器检测的传感器电阻与时间的关系图以及开始在具有目标分析物的非零浓度的环境中也由传感器检测的传感器电阻与时间的关系图；
图14示出了根据本发明一个实施例的使用传感器电阻、传感器电阻的导数和电阻阈值来确定感测系统的状态的示例性方法；
图15示出了根据本发明一个实施例的包括衬底、加热元件和一个或多个传感器的示例性感测阵列；以及
图16示出了根据本发明一个实施例的另一示例性感测阵列，其包括衬底、加热元件、传感器、环境传感器和参考传感器，其中环境传感器位于第二衬底上。
除非另有说明，否则不同附图中的相应数字和符号一般表示对应的部分。绘制这些附图以清楚地示出实施例的相关方面，并且不一定按比例绘制。图中绘制的特征的边缘不一定指示特征范围的终止。
具体实施方式
下面详细讨论各种实施例的制造和使用。然而，应理解，这里描述的各种实施例可应用于各种具体环境。所讨论的具体实施例仅是制造和使用各种实施例的具体方式的说明，而不应在有限的范围内进行解释。
感测系统可被设计为通过确定测量值与基线值的偏差来检测一个或多个传感器处的目标分析物的浓度。例如，在气体感测系统中，传感器的电阻可用作估计目标气体的浓度的测量值。例如当不存在目标气体时，例如基线或参考电阻可以为1kΩ的量级。然后，通过将传感器电阻与1kΩ的值进行比较来估计传感器处的目标气体的浓度。
然而，与传感器处目标分析物的浓度不必须相关的外部因素(诸如环境因素)可能影响感测系统。这些外部因素可能对仅用单个测量值估计的目标分析物浓度的精度产生负面影响。例如，诸如化学电阻气体传感器的传感器可具有依赖于周围环境的固有不稳定性。因此，在估计目标分析物浓度时使用附加信息来提高精度的感测系统可能是有利的。
根据各种实施例，实施一种感测系统，该感测系统响应于传感器处的目标分析物的浓度获得第一信号。接下来，根据第一信号生成一个或多个事件信号，该第一信号包括关于系统的时间演进的信息。因此，第一信号和事件信号表示可被感测系统用于计算传感器处的目标分析物浓度的估计的可能度量。感测系统还可以将第一信号和事件信号与阈值进行比较，以确定用于计算浓度的最佳度量。备选地，感测系统可以向事件信号和第一信号中的每个信号分配权重值，权重值根据第一信号和事件信号与阈值的比较来确定。因此，权重值表示对与第一信号和事件信号相关联的每个度量的对应贡献的调整。然后，通过根据单个所选度量或每个度量及其关联的权重值评估函数来计算目标分析物的浓度的估计。有利地，这种计算基于系统的附加时间信息，这能够使感测系统选择度量或者向一个或多个度量分配权重值，以便提供其中由外部因素引起的不精确被补偿的浓度估计。
根据各种实施例，实施包括传感器和处理器的感测系统。感测系统被配置为通过生成一个或多个事件信号来计算传感器处的目标分析物的浓度。根据由传感器获得的第一信号生成一个或多个事件信号。事件信号可以包括关于感测系统的时间演化的信息。在各种实施例中，通过向第一信号施加函数来获得一个或多个事件信号。在一个实施例中，一个或多个事件信号包括第一信号的导数。在另一个实施例中，一个或多个事件信号包括第一信号的积分。
根据第一信号计算第一权重值。对应于每个事件信号计算附加权重值。使用第一权重值和附加权重值计算传感器处的目标分析物的浓度。在各种实施例中，传感器是电阻式传感器，并且在一些实施例中是电阻式气体传感器。在各种实施例中，传感器包括石墨烯。在一个实施例中，传感器是还原(reduced)氧化石墨烯气体传感器。
本文描述的感测系统可以有利地利用鲁棒算法和检测机制，这可以在宽操作范围内可靠地应对校准不精确、基线漂移和其他类似影响。例如，由感测系统生成的事件信号可以通过处理输入数据以提供关于传感器状态和预期的估计质量的有价值信息来解决传感器的环境不稳定。由事件信号提供的信息可以进一步用于根据特定使用情况和/或操作点来优化估计度量和/或信号模型。
考虑到化学气体传感器的具体示例，存在各种度量，它们可以在不同情况下实现不同的分类率和浓度估计精度。在一些情况下，可以按顺序结合诸如线性模型的模型，以便能够区分传感器处的目标气体浓度。然而，实际和环境考虑可能不同地影响各种方法。例如，在感测系统中实施的处理算法可能必须判定是否要估计新的浓度值、观测间隔应该多长以及在给定情况下应该使用哪个度量。
本文描述的示例性感测系统可以具有实施可用于实际产品(例如移动应用)的具体机制的额外优势。这些具体机制可以克服与受限和/或噪声数据可用性、不完美的初始校准、部分未知的传感器状态、严格的时间要求、建模误差等相关的挑战。感测系统可以适应特定的操作场景，并最佳地利用可用的样本和统计数据。
下文提供的实施例描述了各种感测系统和操作感测系统的方法，并且具体是估计分析物浓度的感测系统。下文的描述描述了实施例。使用图1描述估计目标分析物的浓度的实施例方法。使用图2描述一个实施例感测系统。使用图3和图4描述感测系统的两个实施例示意框图。使用图5描述表示实施例感测系统的示例性响应的传感器电阻和传感器电阻的倒数与时间的定性图。使用图6描述确定感测系统的状态的实施例方法。使用图7描述耦合至处理块的传感器的实施例示意框图。使用图8和图9描述耦合至浓度估计块的度量选择块的两个实施例示意性框图。使用图10描述计算目标分析物浓度的实施例方法。使用图11描述表示实施例感测系统的示例响应的传感器电阻和动态力矩与时间的定性图。使用图12描述确定感测系统的状态的另一实施例方法。使用图13描述在实施例传感器系统中由传感器检测的传感器电阻和传感器电阻的倒数与时间的示图。使用图14描述确定感测系统的状态的另一实施例方法。使用图15和图16描述两个实施例的传感器设备。
图1示出了根据本发明一个实施例的通过感测系统估计目标分析物浓度的示例性方法。
参考图1，通过感测系统估计目标分析物的浓度的方法100包括以下步骤。步骤101包括获得感测数据。感测数据可以通过包括在感测系统中的一个或多个传感器获得。例如，可以在感测系统的感测阵列中实施一个或多个传感器。感测数据可以包括模拟信号或数字信号。在一个实施例中，在步骤101中获得的感测数据包括来自一个或多个传感器的电阻数据。获得感测数据的步骤101可以表示在瞬间记录单个数据点或者表示在一段时间内收集多个数据点。
方法100的步骤102包括根据感测数据生成一个或多个事件信号。事件信号可以包括使用感测数据计算的值。例如，事件信号可以包括导数、积分、能量矢量、系统的动态力矩等。多个导数和/或积分可以包括作为事件信号。类似地，适于描述系统的一方面的感测数据的任何复函数都可包括作为事件信号。在各种实施例中，步骤102包括生成单个事件信号。在一个实施例中，单个事件信号是感测数据的导数。在另一实施例中，单个事件信号是感测数据的积分。在另一实施例中，单个事件信号是系统的动态力矩，其使用感测数据作为自变量。
方法100的步骤103包括使用感测数据和一个或多个事件信号确定传感器状态。例如，感测系统可以将感测数据和事件信号与预定值进行比较，以便确定感测系统的当前状态。可在步骤103中使用感测数据和事件信号的任何适当组合。感测系统的可能状态可包括校准、准备、处理、恢复等。
在步骤103期间，可以考虑感测系统的先前状态。例如，可以确定感测系统必须紧接在处于处理状态之前处于准备状态。在该具体示例中，感测系统可以在检测到传感数据和/或事件信号已经满足处理状态的要求之后确认其处于准备状态。然后，感测系统可以将感测系统的当前状态更新为处理状态。
方法100的步骤104包括使用传感器状态、感测数据和一个或多个事件信号来确定最佳度量。在步骤104期间，可基于感测数据和事件信号的明智组合，针对感测系统确定操作区域。例如，操作区域可以基于基线漂移和/或大信噪比(SNR)的存在。操作区域可能会影响在估计目标分析物的浓度中使用的最佳度量的确定。例如，对于给定的操作区域，可计算权重并将其分配给感测数据和事件信号以得到最佳度量。
方法100的步骤105包括使用步骤104中确定的最佳度量来估计浓度。步骤105可以包括使用最佳度量的计算权重来计算浓度。在估计浓度之后，可任选地在方法100的步骤106中显示浓度。可以使用任何适当的显示方法(诸如感测系统中包括的屏幕)来显示浓度。该浓度可备选地存储在存储器中或发送到外部设备或数据库。
图2示出了根据本发明的一个实施例的包括传感器、处理器和存储器的示例性感测系统。图2的感测系统可被配置为执行本文所述的方法，诸如图1的方法100。
参照图2，感测系统200包括感测阵列20。感测阵列20可被配置为执行方法100的步骤101。感测阵列20包括一个或多个传感器21。传感器21被配置为响应目标分析物的存在。在一个实施例中，感测阵列20包括单个传感器21。在另一实施例中，感测阵列20包括布置为阵列的多个传感器21。感测阵列20中包括的传感器21可以是相同的，或者可以包括多种类型的传感器21。
感测阵列20还可以任选地包括参考传感器22和/或环境传感器23。参考传感器22可用于确定给出不同周围环境的感测系统200的适当基线值。可以包括环境传感器23以测量环境条件，诸如温度或湿度。所测量的环境条件可用于提高感测系统200的精度。
还可以在感测系统20中包括处理器24。处理器24可以操作性地耦合至感测阵列20。处理器24可以是耦合至感测系统200中包括的可选存储器26的专用集成电路(ASIC)、现场可编程门阵列(FPGA)或通用处理器。处理器24可被配置为执行方法100的步骤102-105中的一个或多个。备选地，步骤102-105中的任一个都可由连接至感测系统的计算机外部执行，诸如台式计算机、膝上型计算机、服务器、平板计算机、智能手机等。
存储器26可操作性地耦合至处理器24和/或感测阵列20，并且可用于存储通过测量和处理感测数据而获得的信息。存储器26还可用于存储计算机指令，当由处理器24执行时，这些指令可执行步骤102-105等。存储器26可以是非易失性计算机可读存储介质，诸如计算机硬盘驱动器、随机存取存储器等。
感测系统200还可包括可选的显示器28。显示器28可操作性地耦合至感测阵列20、处理器24和存储器26中的一个或多个。例如，显示器28可以是诸如液晶显示器(LCD)屏幕、发光二极管(LED)屏幕等的屏幕。显示器28可被配置为执行方法100的步骤106。
图3示出了根据本发明一个实施例的被配置为估计在传感器处检测的目标分析物的浓度的感测系统的示例性示意框图。图3的感测系统可以是本文描述的其他感测系统的具体实施，诸如图2的感测系统200。
参考图3，感测系统300包括耦合至处理块302和状态识别块303的传感器21。传感器21响应于传感器21处的目标分析物的可检测浓度的存在而生成感测数据31。在各种实施例中，传感器21是气体传感器。在一些实施例中，传感器21是电阻传感器。在一个实施例中，传感器21是电阻式气体传感器。传感器21可包括被配置为与目标分析物相互作用的功能化表面。在各种实施例中，传感器21包括石墨烯，并且在一个实施例中包括还原氧化石墨烯。
在一些实施例中，传感器21可以是感测阵列。感测阵列可被配置为生成多个感测数据信号，这些感测数据信号随后可被处理块302处理。多个感测数据信号可以被并行或平均处理，以供感测系统300使用。在一些情况下，可以组合多个感测数据信号，以生成诸如能量矢量的事件信号。
感测数据31可被发送给处理块302和状态识别块303。处理块302被配置为使用从传感器21接收的感测数据31生成一个或多个事件信号321-32n。事件信号321-32n可以是感测数据31的函数。例如，事件信号321-32n可以包括根据感测数据21生成的各种信号，诸如系统的导数、积分、能量矢量和动态力矩。状态识别块303还可以从处理块302接收事件信号321-32n。在各种实施例中，事件信号321-32n包括感测系统的时间演化的信息。
状态识别块303被配置为使用接收到的感测数据31和事件信号321-32n来确定感测系统300的传感器状态33。传感器状态33被发送给度量生成块304和估计块305。来自传感器21的感测数据31和来自处理块302的事件信号321-32n也被发送给度量生成块304。度量生成块304被配置为生成一个或多个度量，并且使用感测数据31、事件信号321-32n和传感器状态33来确定最佳度量34。
然后，将最佳度量34发送给估计块305。估计块305被配置为估计在传感器21处生成感测数据31的目标分析物的浓度35。例如，可以通过使用根据最佳度量34确定的权重计算浓度值来估计浓度35。以这种方式，感测系统300使用感测数据31和事件信号321-32n对估计算法进行参数化。可以通过使用耦合至估计块305的可选查找表307来避免一些或所有的直接计算。如果在感测系统300中包括查找表307，则查找表输入/输出(I/O)37将估计块305耦合至查找表307。查找表307可用于通过在浓度值的表格中查找感测数据31和/或事件信号321-32n来估计目标分析物的浓度35。
还应注意，本文描述的任何方程和相关计算可使用任何适当的方法来完成，包括但不限于直接数字计算、查找表、逻辑运算和模拟信号处理。此外，每种方法都可以在实施例感测系统的任何功能块中使用。例如，查找表可以包括在处理块302中或耦合至处理块302。备选地，在处理块302中执行的一些或所有处理可以是接收信号的模拟变换。作为另一备选，处理块302中的一些或所有处理可以数字地执行。类似的变化适用于在本实施例和其他实施例中描述的其它功能块。
图4示出了根据本发明一个实施例的感测系统的另一示例性示意框图，该感测系统被配置为估计在传感器处检测到的目标分析物的浓度。图4的感测系统可以是本文所述其他感测系统的具体实施，诸如图3的感测系统300。所有类似标记的元件与前文描述的一样。
参照图4，感测系统400包括耦合至处理块402和状态识别块403的传感器21。处理块402可以是图3的处理块302的具体实施，其接收信号Sig1 41并生成单个事件信号Sig242。在各种实施例中，Sig1 41是在传感器21处测量的电阻。在一个实施例中，Sig2 42是Sig141的导数。在另一实施例中，Sig2 42是Sig1 41的积分。在又一实施例中，Sig2 42是使用Sig1 41计算的系统的动态力矩。在又一实施例中，Sig2 42是使用通过感测阵列(代替传感器21而可选地被包括)获得的多个信号计算的系统的能量矢量。
状态识别块403被配置为接收Sig1 41和Sig2 42，并确定感测系统400的传感器状态33。例如，状态识别块403可以是图3的状态识别块303的具体实施。类似地，度量生成块404可以是度量生成块304的具体实施，并且可以被配置为接收Sig1 41和Sig2 42，生成一个或多个度量，并且确定最佳度量34。在一个实施例中，Sig1 41是从感测系统的一个或多个传感器获得的直接测量，而Sig2 42包括关于感测系统的时间演变的信息。
状态识别块403和度量生成块404耦合至估计块305。查找表307可选地使用查找表I/O 37耦合至估计块305。估计块305被配置为估计浓度35，并且如前文所述。
图5示出了根据本发明一个实施例的使用传感器电阻和传感器电阻的导数来确定感测系统的状态的示例性方法。图5的方法可以通过在其他实施例中描述的感测系统(诸如图4的感测系统400)来执行。
参照图5，确定感测系统的状态的方法500包括以下步骤。步骤501包括获得传感器电阻R。传感器电阻R可以表示在观察窗期间获得的单个值或数据点的集合。在一些情况下，R也可以表示例如从感测阵列获得的电阻的集合。在步骤502中，使用R生成电阻的导数R’。应当注意，导数R’是相对于时间获取的，并且是电阻曲线R(t)的斜率。
在得到R和R’之后，感测系统执行一系列比较，以基于R和R’确定感测系统的状态。例如，感测系统的可能状态的集合可以包括校准间隔、准备间隔、处理间隔和恢复间隔等。在描述感测系统的状态时对间隔的引用可以表示满足涉及R和R’的特定标准的时间段。给定间隔的长度可取决于环境、传感器的类型和特定目标分析物。例如，对于方法500的多次迭代，可以扩展间隔。相反，感测系统的状态可迅速改变，导致仅针对方法500的单次迭代存在间隔。
感测系统还可以保持用于比较目的的活动状态。例如，感测系统可以确定系统处于准备间隔，并将系统的状态设置为准备状态。然后，方法500的后续步骤可以检查感测系统的状态，并确定感测系统在准备状态下操作。在各种实施例中，感测系统的每个状态间隔都具有关联的系统状态。备选地，并非所有状态间隔都具有关联的系统状态。例如，根据方法500的具体实施，恢复间隔可以具有或者可以不具有相关联的恢复状态。
仍然参照图5，感测系统在步骤503中将R与基线电阻值Ro进行比较。基线电阻Ro可以通过在受控环境中的感测系统的初始校准来确定。在一些情况下，可以调整基线电阻Ro以补偿基线漂移。如果感测系统确定电阻基本等于基线电阻值(R≈Ro)，则在步骤504，感测系统将R’与零进行比较。然后，在步骤505，如果R’基本为零(R’≈0)，则感测系统确定系统是校准间隔。
在步骤505，感测系统可以任选地进入校准状态，这可以包括各种功能，诸如检测感测系统内基线漂移的存在以及量化感测信号内的噪声等级。基线漂移和噪声等级可用于提高由感测系统进行的未来浓度估计的精度。例如，可以在浓度估计期间校正基线漂移和/或选择/组合适当的度量。感测系统的各种状态(诸如校准状态)可以通过在感测系统内的功能块之间发送的事件信号来触发。作为一个示例，感测系统的状态也可以其他方式跟踪，诸如使用寄存器。
如果在步骤503中确定R基本不等于Ro，则在步骤506中，感测系统将R’与阈值斜率值Ta进行比较。阈值斜率值Ta可以基于感测系统的具体实施和给定目标分析物的交互细节来预先确定。在步骤507，如果在步骤506中电阻的斜率大于阈值斜率值(R’>Ta)，则感测系统确定系统处于准备间隔。准备间隔可对应于感测系统正在检测增加的电阻信号的时间段。例如，准备间隔可以是没有检测到浓度的间隔和非零浓度的基本稳定周期之间的时间段。除了识别准备间隔外，感测系统还可以在步骤507中进入准备状态。
在步骤506中，如果R’被确定为不大于Ta，则感测系统将R’与0进行比较。然后，如果在步骤509中R’被确定为基本等于零，感测系统在步骤509中检查系统是处于准备状态还是处理状态。在确定系统当前处于准备状态或处理状态之后，在步骤510中，感测系统确定R和R’指示系统的状态为处理间隔。在步骤510期间，感测系统还可以进入处理状态，这可以包括各种功能，诸如生成度量、选择度量、确定最佳度量以及估计目标分析物的浓度等。
如果在步骤508中确定R’基本不等于零，则在步骤511中，感测系统将R’与另一阈值斜率值Tb进行比较。与前文描述的预定值一样，Tb可以基于感测系统的具体实施和给定目标分析物的交互细节。如果感测系统确定电阻的斜率小于阈值斜率值(R’<Tb)，则在步骤512中，感测系统检查系统是处于处理状态还是恢复状态。在确定系统处于处理状态或恢复状态之后，在步骤513中，感测系统将系统的状态识别为恢复间隔。
每个处理间隔的长度可定义观察窗口。例如，观察窗口可以是通过感测系统获得数据以直接估计目标分析物的浓度的时间段。在观察窗口期间，感测系统可通过对样本进行平均、平滑数据、添加/去除异常值以及过滤数据以降低信号噪声来进一步处理感测数据。
与成功识别状态的先前步骤一样，感测系统也可以在步骤513中进入恢复状态。在一些实施例中，当感测系统到达方法500的步骤509时，除了检查准备状态之外，感测系统还可以检查系统是否处于恢复状态。然后，如果系统处于恢复状态，则感测系统可以进行到步骤510。这可以允许在感测事件之间当目标分析物的浓度没有返回到零时估计浓度。
在方法500中的各个步骤中，感测系统可能确定R、R’以及系统的操作状态不完全满足任何预定状态的标准。在这种情况下，系统可以在不进行肯定识别的情况下保持系统的当前状态并返回到步骤501，或者可以在步骤514中根据具体情况处理异常。例如，在步骤504中，可以确定R’基本不等于零。然而，可能没有对应于R≈Ro和R’≠0的可识别状态。在这种情况下，在感测系统返回到步骤501以评估另一电阻和电阻导数之前，可以在可选的步骤514中处理例外的情况。
如图5所示，其他步骤可通向步骤514，包括步骤509、512和514。还应注意，感测系统可以在感测系统的状态的任何肯定识别之后返回到步骤501。例如，步骤505、507、510和513也可以通向方法500的步骤501。然而，由于这些步骤使得状态被识别，因此在这些步骤之后绕过可选步骤514。
为了本文描述的这个和其他实施例的目的，感测系统可以通过使用预定公差或者凭借感测系统的限制，确定值基本等于另一值。例如，在上述步骤503中，R可以被确定为基本等于Ro，如果(0.95)Ro<R<(1.05)Ro，这可以被认为是±5％公差。可以使用其他公差值，并且可以基于舍入值而不是百分比。基本相等的解释可以基于具体实施而变化，这对于本领域的普通技术人员来说是显而易见的。
图6示出了根据本发明一个实施例的由感测系统检测的传感器电阻与时间的定性图以及由感测系统生成的传感器电阻的导数与时间的定性图。图6的示图可以是如在其他实施例中描述的感测系统(诸如图4的感测系统400)的代表响应。
参见图6，在示图600中，根据时间t来绘制传感器电阻R(t)61和电阻斜率R’(t)62。作为一个示例，如前面在图5的方法500中描述的，曲线R(t)和R’(t)可用于确定感测系统的状态。电阻斜率可通过确定电阻相对于时间的导数来获得。如图600所示，传感器电阻61从Ro开始，并且电阻斜率62在间隔601中从零开始。这对应于方法500中所描述的校准间隔。由于没有检测到电阻与Ro的基线值的变化，因此在该间隔期间可以容易地评估诸如基线漂移和噪声等级的环境条件。
在间隔602期间，传感器电阻61和电阻斜率62增加。具体地，在间隔602期间，R(t)大于Ro且R’(t)大于Ta。这些条件与方法500的准备间隔相对应。电阻斜率62的增加可以指示目标分析物到达传感器。随着传感器处的目标分析物的浓度稳定，电阻斜率62减小，在间隔602期间产生峰值。
在下一间隔603期间，电阻斜率62减小，直到R’(t)小于Ta。与先前间隔是准备间隔的条件组合，这指示满足方法500的处理间隔的条件。如图600所示，在间隔603期间，电阻61在高于Ro的升高值处稳定。这可以允许获得稳定的测量，并进行精确的浓度估计。
当电阻61开始减小时，系统进入间隔604。在间隔604中，电阻斜率62为负且小于Tb，而电阻61减小。从方法500可以看出，只要先前间隔是处理间隔，则这对应于恢复间隔。在此间隔期间，感测系统可以停止处理输入的感测数据。
在间隔605中，电阻斜率62满足用于校准间隔或处理间隔的标准。然而，如上所述，先前间隔604是恢复间隔。在间隔605的场景下，由于电阻值R具有Ro的预定公差范围，所以感测系统可以确定电阻61基本等于Ro。在这种情况下，间隔605可被确定为校准间隔。备选地，感测系统可以确定电阻61在Ro之上足够高以构成感测事件。感测事件可以表示传感器处的目标分析物的浓度低于间隔603的浓度。在这种情况下，间隔605可被确定为处理间隔。
作为另一备选，感测系统可以确定间隔605表示感测系统的未知状态。例如，电阻值R可能太低而不能被认为是感测事件，但是可能太高而不能基本等于Ro。这可能是由于长时间处理间隔期间的基线漂移、环境变化(诸如温度或湿度)、环境中存在目标分析物以外的物种等而造成的。感测系统可以被配置成根据情况逐个处理这种例外。例如，在一个实施例中，感测系统在方法500的步骤514中处理该例外。
应注意，Ta和Tb的符号可能依赖于目标分析物的具体细节。在图5的方法500和图6的示图600中，感测系统被配置为响应于目标分析物的存在而显示电阻增加。在这种场景下，Ta是正的，而Tb是负的。然而，感测系统可以被配置为响应于目标分析物的存在而显示电阻降低。在该备选场景中，Ta将是负的，而Tb将是正的，并且例如方法500的步骤506和步骤511中的相应比较将分别被反转为R’<Ta和R’>Tb。
图7示出了根据本发明一个实施例的耦合至被配置为传感器电阻、传感器电阻的导数和状态信号的处理块的传感器的示例性示意框图。图7的感测系统可以是本文描述的其他感测系统(诸如图4的感测系统400)或者其他感测系统的一部分的具体实施。
参照图7，感测系统700包括耦合至处理块702、状态识别块703和度量生成块704的传感器21。电阻R信号71从传感器21发送到处理块702、状态识别块703和度量生成块704。处理块702可以是图4的处理块402的具体实施，其接收电阻R信号71并通过计算相邻电阻数据点之间的差值来生成电阻斜率R’信号72。备选地，电阻斜率R’信号72可以使用任何合适的计算导数的方法来计算。
使用相应的连接，电阻斜率R’信号72被发送给状态识别块703和度量生成块704。状态识别块703包括事件检测块713，除了R和R’，事件检测块713还接收第一阈值斜率值Ta和第二阈值斜率值Tb。备选地，事件检测块713可以内部存储Ta和Tb，而不是接收这些值作为输入。事件检测块713使用R、R’、Ta和Tb来检测与感测系统的状态相对应的事件。例如，如果事件检测块713确定系统处于校准间隔，则触发信号73可被发送给噪声方差估计块723，噪声方差估计块723被配置为根据接收到的电阻R信号71估计背景噪声的方差σn。例如，噪声方差σn可以是在校准间隔期间的一段时间内的接收电阻R信号71的标准偏差。备选地，噪声方差σn可以是校准间隔期间的一段时间内的接收电阻R信号71的方差(标准偏差的平方)。然后，噪声方差估计块723输出方差σn信号75。
方差σn信号75可被度量生成块704中包括的低通滤波器714接收。噪声方差σn可用于确定低通滤波器714的截止频率或带宽。在一个实施例中，低通滤波器714可用于电阻R信号71和电阻斜率R’信号72的滤波。在其他实施例中，信号71和72中仅有一个或者没有信号可被滤波。
事件检测模块可以检测系统处于准备间隔、处理间隔、或恢复间隔。对于这些情况，感测系统可以输出触发信号74。触发信号74可以触发度量生成块704以及图7中未示出的其他块内的事件。例如，触发信号74可被电阻变化ΔR计算块724和最大斜率SR计算模块734接收。
触发信号74可触发ΔR计算块724，以计算特定时间段内的ΔR。在一个实施例中，使用方程ΔR＝R-Ro来计算ΔR。在另一个实施例中，使用方程ΔR＝R/Ro来计算ΔR。在一个实施例中，可以通过得到在准备间隔的开始和结束处测量测量的电阻值之间的差异来计算ΔR。在一个实施例中，可以针对准备间隔的特定时间段来计算电阻变化ΔR。在计算ΔR之后，ΔR计算块724可以输出ΔR信号81。
除了触发ΔR的计算，触发信号74还可以触发最大斜率SR计算块734来计算特定时间段内的SR。例如，SR计算块734可以使用方程SR＝maxt1,t2(R’)来计算SR。在一个实施例中，从t1到t2的时间间隔是准备间隔。在计算SR之后，SR计算块734可以输出SR信号82。最大斜率SR可以是准备间隔期间的R’曲线的峰值。
图8示出了根据本发明一个实施例的耦合至浓度估计块的度量选择块的示例性示意框图，浓度估计块被配置为使用传感器电阻和传感器电阻的导数来估计在传感器处检测到的目标分析物的浓度。图8的感测系统可以是本文描述的其他感测系统(诸如图4的感测系统400)或者其他感测系统的一部分的具体实施。
参考图8，感测系统800包括在度量选择块804和开关814处接收的电阻变化ΔR信号81和最大斜率SR信号82。度量选择块804可以接收噪声方差σn信号75和/或残余漂移值dres。残余漂移值dres可以是量化由感测系统检测的基线漂移量的代表值。例如，dres可以是在校准间隔上的电阻变化。备选地，dres可以是校准间隔上的电阻的平均斜率。残余漂移dres的其他具体定义也是可以的，并且对于本领域普通技术人员来说是显而易见的。
其他值可被传送给度量选择块804。在一个实施例中，还可以在度量选择块804处接收信噪比SNR。可通过另一功能块来计算信噪比SNR。在一个实施例中，作为一个示例，通过处理块(诸如图7的处理块702)来计算SNR。备选地，在度量选择块804中或者在将SNR值传送给度量选择块804的专用SNR计算块中计算SNR。可以使用方程SNR＝ΔR/σn来计算信噪比。例如，如前所述，可以使用测量的电阻R和预定或计算的基线电阻值Ro来计算ΔR。可以使用在传感器处的目标分析物的可忽略浓度期间测量的测量电阻R来计算噪声方差σn。例如，这样的周期可以是一个或多个度量低于预定阈值的校准间隔。
度量选择块804被配置为基于接收到的和/或内部计算的值(诸如σn、dres和SNR)来选择度量。例如，如果感测系统经历较大的基线漂移，则ΔR度量可呈现高度偏置的浓度估计。在这种情况下，度量选择块804可以选择SR作为度量。选择SR作为度量可能是有利的，从而使用较少受基线漂移影响的度量。作为另一示例，感测系统可能在感测数据内经历较大的噪声等级。在这种情况下，度量选择块804可选择ΔR作为度量。选择ΔR作为度量可能是有利的，从而使用对噪声具有鲁棒性的度量。
在度量选择块804选择适当的度量之后，可以将选择信号84发送给开关84，开关84将适当的信号传送给估计块805。估计块805可被触发以通过触发信号74估计浓度，其中触发信号74可由事件检测块(诸如图7的事件检测块713)生成。如前所述，估计块805还可以使用LUT I/O 87来减少估计浓度的计算要求。在估计浓度之后，估计块805可以输出估计浓度Cest信号85。
图9示出了根据本发明一个实施例的耦合至浓度估计块的度量选择块的另一示例性示意框图，浓度估计块被配置为使用传感器电阻和传感器电阻的导数来估计传感器处检测到的目标分析物的浓度。图9的感测系统可以是本文所述其他感测系统(诸如图4的感测系统400)或者其他感测系统的一部分的具体实施。
参考图9，感测系统900类似于图8的感测系统800，除了度量选择块904在除选择单个度量之外还可以计算用于各个度量的权重(WΔ和WS)。例如，度量权重WΔ、WS信号94可以在不使用开关的情况下传送给估计块905。在度量选择块904选择单个度量的情况下，可以将权重中的一个设置为值1，而将另一个设置为0。在度量选择块904选择度量组合的情况下，可以将每个权重设置为0和1之间的值。除ΔR信号81和SR信号82之外，估计块还使用WΔ、WS信号94来生成估计浓度Cest信号95。与其他实施例一样，估计块905还可以利用LUT I/O 97来减少所需计算的数量。
图10示出了根据本发明一个实施例的通过使用漂移值和信噪比选择度量来计算传感器处检测到的目标分析物的浓度的示例性方法。图10的方法可通过其他实施例中描述的感测系统(诸如图7、图8或图9的感测系统)来执行。
参考图10，可以通过感测系统来执行计算目标分析物浓度的方法1000。感测系统可以被配置为根据硬选择模式或软选择模式来选择度量。在硬选择模式中，可以选择单个度量。硬选择模式的一个示例性实施可以是图8的感测系统800。在软选择模式中，感测系统可以通过为每个度量分配权重来选择度量的组合。软选择模式的一个示例性实施可以是图9的感测系统900。
方法1000包括以下步骤。在硬选择路径之后，步骤1001包括计算残余漂移dres。在获得残余漂移之后，步骤1002包括将dres与预定的最大残余漂移dmax进行比较。如果残余漂移大于最大值(dres>dmax)，则在步骤1003，感测系统可以使用硬选择机制选择SR作为度量。
如果在步骤1002中dres≤dmax，则方法1000继续到步骤1004，计算信噪比SNR而不是选择度量。例如，可以使用方程SNR＝ΔR/σn来计算SNR。在获得SNR值之后，在步骤1005，感测系统可以将信噪比和信噪比阈值SNRth进行比较。如果信噪比大于阈值(SNR>SNRth)，则感测系统可以继续到步骤1003，并使用硬选择机制选择SR作为度量。在步骤1005之后，如果感测系统确定信噪比不大于信噪比阈值(SNR≤SNRth)，则在步骤1006，感测系统可以使用硬选择机制来选择ΔR度量。
在步骤1003或步骤1006中选择度量之后，感测系统可以使用所选度量来在步骤1007中计算目标分析物的浓度。例如，在一个实施例中，根据方程(1.1)和(1.2)，可以在步骤1007中计算目标分析物的浓度的估计，其中KΔ和KS分别是ΔR和SR度量的校准系数。
校准系数KΔ和KS可以根据目标分析物和/或感测系统的具体细节来选择。在一些情况下，校准系数也可以基于感测系统的校准来计算或调整。
仍然参考图10，并且现在遵循方法1000的软选择路径，在步骤1011中，感测系统可以计算残余漂移dres，这可以类似于硬选择路径的步骤1001。然而，与步骤1001相反，在步骤1011之后不需要比较步骤。备选地，可以在步骤1014中计算信噪比SNR，这可以类似于硬选择路径的步骤1004。由于在软选择路径中的步骤1014之后不需要比较，因此感测系统可根据软选择模式前进到在步骤1016中计算每个度量的权重。
在软选择模式的一个可能实施中，可以根据以下方程来分配权重，其中WΔ和WS分别是分别与ΔR和SR相关联的权重。
WS＝1-WΔ (2.2)
在方程(2.1)中，权重WΔ是通过首先将信噪比SNR除以信噪比阈值SNRth以确定噪声贡献来计算的。然后，将方程(2.3)所示的天花板函数(ceiling function)应用于噪声贡献，以防止计算出的噪声贡献超过值1。然后，通过将方程(2.4)所示的阶梯函数应用于天花板函数的结果来考虑漂移贡献。在这种情况下，漂移贡献是数字函数，但是其他公式是可能的。然后，通过用1减去组合噪声和漂移贡献评估方程(2.1)，从而确定权重WΔ。一旦WΔ被确定，方程(2.2)就被评估以确定权重WS。
继续示例性软选择机制，然后可以使用方程(3)根据步骤1007中计算的权重来估计浓度Cest，其中KΔ和KS分别是ΔR和SR度量的校准系数。
实现软选择机制的感测系统可以在期望单个度量的贡献的步骤期间模拟硬选择机制。例如，在步骤1011中计算的残余漂移dres大于dmax将在方程(2.4)中使得bdrift＝0，这分别根据方程(2.1)和(2.2)在步骤1016中使得WΔ＝0且Ws＝1。在步骤1007中使用WΔ＝0且Ws＝1评估方程(3)，消除了产生浓度方程(3)的WΔ项，并将其简化为方程(1.2)。类似地，如果在步骤1014中计算的信噪比SNR大于SNRth，则方程(2.3)的天花板函数根据方程(2.1)和(2.2)在步骤1016中得到WΔ＝0且Ws＝1。因此，在这些具体示例中，对于dres>dmax且SNR>SNRth，硬选择机制和软选择机制导致相同的浓度估计方程(1.2)。然而，在所有其他场景中，ΔR度量和SR度量的组合用于软选择机制，而仅将根据方程(1.1)使用的ΔR被用于硬选择机制。
在一些情况下，感测系统可以实施硬选择机制或软选择机制。备选地，可以使用硬选择机制和软选择机制的组合。在一些情况下，软选择机制的具体实施可以有效地为特定场景选择单个度量，并且可以被认为是硬选择机制和软选择机制的组合。在一些情况下，软选择模式可表示在浓度估计方程中可以考虑一个以上的度量的选择实施的任何集合。
应该提到，参照图10描述的方法1000仅仅是通过感测系统计算目标分析物浓度的方法的一个示例。可以基于执行方法1000的给定感测系统的具体实施细节来改变各种细节。例如，可以在方法1000中考虑更多或更少的参数。在硬选择机制的情况下，可以基于测量和计算的参数之间的适当关系来结合附加和/或不同的比较步骤。在一个实施例中，将环境温度与阈值进行比较。在一个实施例中，将湿度与阈值进行比较。在方法1000的比较步骤中使用的其他合适的参数对于本领域的普通技术人员来说是显而易见的。在软选择机制的情况下，用于计算权重的方程(2.1)-(2.4)可以通过添加、移除和/或改变参数来改变。合适的参数可以类似于上文关于硬选择模式所讨论的那些参数。
除了修改方法1000的比较步骤和/或权重方程之外，对于硬选择模式和软选择模式，可以通过感测系统考虑两个以上的度量。例如，在硬选择实施中，可以在方法1000中包括附加的比较和选择步骤。对于使用两个以上度量的软选择实施，可以计算权重W1至Wn，并且广义方程(4.1)和(4.2)可用于计算目标分析物的浓度估计。
在方程(4.1)和(4.2)中，使用n个度量Mi和对应的校准系数Ki(其使用n个权重Wi被加权)来估计浓度Cest。方程(4.2)可以被认为是归一化机制，并且在一些情况下是可选的。方法1000中使用的度量的具体数量和类型可以基于感测系统和/或目标分析物的特定实施细节来选择。
虽然本文针对使用电阻值的导数作为计算估计浓度的第二度量的具体情况描述了各种感测系统，但是其他度量也是可能的。例如，可以使用感测系统的动态力矩。如前文参照图4所描述的，感测系统400的Sig242可以是系统的动态力矩。图11和图12示出了对应于使用动态力矩作为第二度量的示例性感测系统的示图和方法。
图11示出了根据本发明一个实施例的由感测系统检测的传感器电阻与时间的定性关系图以及由感测系统生成的感测系统的动态力矩与时间的定性关系图。如其他实施例中所描述的，图11的曲线图可以是感测系统(诸如图4的感测系统400)的代表性响应。
参见图11，在示图1100中，传感器电阻R(t)曲线111和动态力矩DM曲线112被绘制为时间t的函数。可以计算各种动态力矩。所使用的具体动态力矩可取决于感测系统的具体实施细节。例如，在示图1100中，使用方程(5)计算DM，但是其他动态力矩也是可以的。
在方程(5)中，n＝1，x0(t)＝R(t)，x1(t)＝R′(t)且yi(t)＝xi(t+τ)，其中τ是添加至可变时间t的恒定时间。可以在其他实施中使用更多或更少的相位空间变量xi(t)。虽然在该具体示例中使用了电阻的导数，但是在其他实施例中也可以使用其他度量。
与图6的示图600类似，示图1100具有由动态力矩DM与阈值Ta和Tb之间的关系定义的五个间隔。与示图600相反，Ta是负的，Tb是正的。间隔1101可以解释为感测系统的校准间隔。随着动态力矩曲线112降到Ta以下，感测系统可以确定系统处于新间隔1102，其可以解释为准备间隔。一旦动态力矩曲线112返回到高于Ta的值，感测系统可以确定系统处于间隔1103，其可被解释为感测系统内部的处理内部。类似地，Tb可被感测系统用作比较值，以在DM大于Tb时，确定感测系统处于间隔1104。间隔1104可以解释为感测系统的恢复间隔。一旦DM的值返回到Tb以下，感测系统可以确定系统处于新间隔1105。根据具体参数和实施细节，间隔1105可被解释为校准间隔或处理间隔。
图12示出了根据本发明一个实施例的使用传感器电阻和感测系统的动态力矩来确定感测系统的状态的示例性方法。图12的方法可以由其他实施例中描述的感测系统(诸如图4的感测系统400)执行。
参考图12，确定感测系统的状态的方法1200类似于图5的方法500，除了代替电阻的倒数R’来使动态力矩DM用于一系列比较。电阻R和动态力矩DM分别在步骤1201和1202中生成。在生成R和DM之后，可以在步骤1203、1204、1206、1208和1211中通过感测系统进行R、DM、Ro、Ta、Tb和零之间的多次比较。感测系统还可以在步骤1209和1212中检查感测系统的当前状态。如前文参考图11所述，感测系统随后可分别根据步骤1205、1207、1210和1213中的一系列比较的结果确定系统处于校准间隔、准备间隔、处理间隔或恢复间隔。
在确定间隔之后，感测系统可以返回到步骤1201并重复该方法。如在方法500中，各种比较步骤会导致可选的未知条件步骤1214，该步骤可通过感测系统根据具体情况进行处理。在处理未知条件之后，感测系统可以返回到步骤1201。
图13示出了根据本发明一个实施例的在没有目标分析物的环境中开始由传感器检测的传感器电阻与时间的曲线图以及在具有目标分析物的非零浓度的环境中开始也由传感器检测的传感器电阻与时间的曲线图。图13的曲线图可以是如在其他实施例中描述的感测系统(诸如图4的感测系统400)的代表性响应。
参见图13，在曲线图1300中绘制了作为时间t的函数的传感器电阻R(t)曲线131以及电阻斜率R’(t)曲线132。例如还为了示例的目的，示出了包括附加传感器电阻R(t)曲线134和对应的电阻斜率R’(t)曲线135的较小插入图。曲线图1300包括与曲线图600的间隔601、602、603、604和605类似的五个间隔1301、1302、1303、1304和1305。
然而，除了这些间隔之外，曲线图1300还包括与电阻斜率的线性近似α相关联的间隔1307以及与电阻斜率的线性近似β相关联的间隔1308。近似线性斜率α和β可表示感测系统的不同状态。例如，间隔1307可通过近似线性斜率α定义，该斜率α可由于传感器吸附周围环境中的可包括或可以不包括目标分析物的各种物质而发生。当感测系统处于惰性环境时，可以确定基线电阻Ro。然而，实际上，感测系统可位于多种物质可与感测系统交互的环境中。线性斜率α可以表示与周围环境接近平衡的系统。在平衡时，系统的电阻响应可以近似恒定。该恒定电阻可表示目标分析物的恒定浓度或者由感测系统的周围环境中的其他物质引起的恒定背景。
间隔1308可由近似线性斜率β定义，该斜率β可由于传感器吸附在环境中以可测量浓度存在的目标分析物而发生。例如，在特定阈值电阻Rth之后，感测系统可以对目标分析物具有特定响应，就具有斜率β的近似线性。在感测系统在间隔1307中与环境达到近似平衡之后，间隔1308可以被目标物质的特定吸附所支配。
还绘制了第二电阻R(t)曲线133作为感测系统在包括与感测系统交互的一种或多种物质的周围环境中的电阻响应的示例。第二电阻R(t)曲线133具有与电阻R(t)曲线1301的间隔1301相对应的间隔1306。然而，在间隔1306期间，电阻高于Rth的阈值。感测系统可被配置为确定该值，并且当电阻斜率R’(t)增加时解释适当的间隔1307或1308。
图14示出了根据本发明一个实施例的使用传感器电阻、传感器电阻的导数和电阻阈值来确定感测系统的状态的示例性方法。图14的方法可由其他实施例中描述的感测系统(诸如图4的感测系统400)执行。图14的方法可以类似于图5的方法500，除了准备间隔可分割成与一个或多个近似线性斜率α、β等相对应的一个或多个区域。
参照图14，确定感测系统的状态的方法1400包括以下步骤。步骤1401包括获得传感器电阻值R。在获得R之后，在步骤1402中，感测系统可以使用R来生成电阻的导数R’。然后，感测系统可以在步骤1403中将R’与0进行比较。如果感测系统确定电阻斜率R’近似为零(R’≈0)，则感测系统当前正在测量基本恒定的电阻。然而，如前文所述，基本恒定的电阻可以指示校准间隔或处理间隔。因此，确定R’≈0之后，感测系统可进一步在步骤1404中检查感测系统当前是否处于准备或处理状态。
如果感测系统没有处于准备状态或处理状态，则感测系统可以确定电阻斜率R’在该间隔紧前的间隔中不大于Ta。这可以向感测系统指示系统处于校准间隔。然而，如上文参照图13的曲线图1300所讨论的，校准间隔可以包括由近似线性斜率限定的多个状态。例如，在由线性斜率α和线性斜率β定义的校准间隔中可具有两种状态。
感测系统可以在步骤1405中将电阻值R与预定阈值Rth进行比较，以确定当前将哪个线性斜率应用于感测系统。如果R＜Rth，则在步骤1406中将用于斜率Ks的校准系数设置为与α相关联的校准系数(KS＝Kα)。如果R≥Rth，则在步骤1407中将Ks设置为与β相关联的校准系数(KS＝Kβ)。在步骤1406或1407之后，在步骤1408中，感测系统确定感测系统的状态为校准间隔。
如果在步骤1404期间，感测系统确认感测系统处于准备状态或处理状态，则在步骤1409中，感测系统确定感测系统的当前状态为处理间隔。在处理过程中，感测系统可以使用Ks的当前存储值。例如，从步骤1406和步骤1407中的每一个绘制的虚线指示：如果先前在步骤1406中设置，则感测系统将使用Kα，而如果先前在步骤1407中设置，则感测系统将使用Kβ。
如果感测系统在步骤1403中确定R’≠0，则感测系统可以在步骤1410中比较R’和Ta。然后，在步骤1411中，当R’>Ta，感测系统可以确定感测系统的当前状态为准备间隔。如果准备间隔没有被感测系统识别，则在步骤1412中，R’可以与Tb进行比较。如果感测系统在步骤1412中确定R’<Tb，则感测系统可以检查当前状态是恢复状态还是处理状态。如果感测系统处于恢复状态或处理状态之一，则在步骤1414中，感测系统可以确定系统的当前状态为恢复间隔。如前文所述，在返回步骤1401之前，可以在步骤1415中可选地处理未知条件。另外，在感测系统的当前状态的肯定确定之后，感测系统可以返回到步骤1401，以便连续地监控感测系统的状态。
图15示出了根据本发明一个实施例的包括衬底、加热元件和一个或多个传感器的示例性感测阵列。图15的感测阵列可以包括在其他示例中描述的感测系统(诸如如图2的感测系统200)中。
参照图15，感测阵列1500包括设置在衬底10上的一个或多个传感器21。传感器21可以是任何合适类型的传感器，诸如被配置为检测目标分析物或目标分析物组的化学传感器。在各种实施例中，传感器21是气体传感器。在一些实施例中，气体传感器是电阻式气体传感器，并且在一个实施例中，传感器21是还原氧化石墨烯气体传感器。还原氧化石墨烯气体传感器可通过监控一片或多片石墨烯的电阻变化来生成感测事件，通过在石墨烯表面吸附及从其解吸的气体分子来调节电阻变化。当吸附气体物质向石墨烯表面提供施主电子时，传感器电阻可能降低。备选地，当吸附气体物质从传导路径中抽走电子时，电阻可能降低。
在各种实施例中，还原氧化石墨烯气体传感器的换能方法也可以不同。例如，在一个实施例中，代替电阻气体传感器，传感器21可以是电容气体传感器，并且是基于石墨烯的电容气体传感器。对于本领域技术人员来说，其他可能的换能方法可以是显而易见的，并且包括功函监控、n型到p型反转等。
传感器21可被配置为对目标分析物具有选择性。例如，传感器21可以选择性地感测环境大气中的挥发性有机化合物(VOC)的浓度。在各种实施例中，传感器21可被配置为感测挥发性气体，诸如烃类、二氯甲烷、甲醛等。
传感器21可以被悬置在两个或多个电极13之间。在各种实施例中，电极13包括导电材料并且可以是图案化金属。例如，电极13包括铜(Cu)、银(Ag)、金(Au)、铝(Al)、钨(W)等。
在一些实施例中，传感器21还可以包括表面修饰(modification)11。表面修饰11可以是附着至传感器21表面的化学基团，以提高传感器21对目标分析物的灵敏度和/或降低传感器21对目标分析物以外的环境因素或物质的敏感性。在其他实施例中，表面修饰11可以是保护涂层，并且可以覆盖传感器21的全部或大部分。
衬底10可以为任何合适的衬底。在各种实施例中，衬底10是层压衬底，并且在一个实施例中是印刷电路板。在其它实施例中，衬底10是半导体衬底，并且是包括传感器21的单片集成电路芯片的一部分。在一个实施例中，衬底10是硅衬底，并且传感器21被包括在集成电路中。在另一实施例中，衬底10是陶瓷衬底。衬底10也可以是金属衬底或者包括金属衬底。在一些实施例中，衬底10可以被封装以形成包括传感器21的传感器封装。
加热元件12可以包括在衬底10上或衬底10内。加热元件12可以加热传感器21和感测阵列1500，以便保持最佳操作温度或者操作温度的范围。例如，在一个实施例中，加热元件12可以将传感器21加热到200℃。在另一实施例中，加热元件12可以将传感器21加热到400℃。在电阻气体传感器的具体情况下，可能需要提升温度以利于用于连续感测的气体分子的吸附。在一些情况下，刷新周期可用于将传感器21加热到温度高于正常操作温度之上的温度，以便在开始新数据获取周期之前从传感器21的表面去除所有物质。
加热元件12还可以被用作传感器21的基线变化的参考。例如，加热元件的电阻可以在数据获取周期期间被周期性地记录，并且在确定传感器21的基线漂移时用作参考数据点。
在一个实施例中，加热元件12可以是金属导体。在其它实施例中，加热元件12可以是集成到半导体衬底中的微机电系统(MEMS)加热器。加热元件12和/或传感器21也可以被悬置在衬底10中的开口之上。这可能有助于增加与环境大气的交互以及减少加热元件12中的热损失。
图16示出了根据本发明一个实施例的包括衬底、加热元件、传感器、环境传感器和参考传感器的另一示例性感测阵列，其中环境传感器位于第二衬底上。图16的感测阵列可以包括在其他实施例中描述的感测系统(诸如图2的感测系统200)中。
参见图16，传感器设备1600包括传感器21和如前文所述附接至衬底10的加热元件12。然而，感测阵列1600与感测阵列1500的不同之处在于，参考传感器22附接至衬底10，并且环境传感器23附接至第二衬底14。衬底10操作性地耦合至第二衬底14，并且两者均包含在封装16中。
环境传感器23可以为温度传感器、湿度传感器、压力传感器等。环境传感器23可被配置为测量用于校正传感器21的基线漂移的参考数据点。参考传感器22在结构或功能上可与传感器21充分相似，以提供用于校正传感器21的基线漂移的参考数据点。
例如，传感器21和参考传感器22均可以是气体传感器，但是参考传感器22可以不包括表面修饰11。备选地，传感器21的表面可以是裸露的，而参考传感器22的表面被涂覆或以其他方式修改为不响应传感器21的目标分析物。以这种方式，可以从参考传感器22的信号中去除感测目标的贡献，并且仅保留环境因素的影响。然后，传感器21和参考传感器22之间的显著相关性可主要由环境因素引起，并且反映出两个传感器中的基线漂移。
第二衬底14可以包括诸如ASIC或FPGA的处理器。处理器可以被配置为执行前文实施例中描述的任何方法步骤。衬底10和第二衬底14可以刚性地附接至封装60。然而，在一些实施例中，衬底10和第二衬底14可以弹性地附接至封装60。
封装16包括开口18，开口18有助于传感器21、参考传感器22和环境传感器23与环境的交互。应当注意，尽管封装16和开口18仅在图16中示出，但是封装16和开口18可以包括在本文描述的所有实施例感测系统中以及对本领域技术人员来说显而易见的其他感测系统中。
这里总结了本发明的示例性实施例。其他实施例也可以从说明书的整体以及在此提出的权利要求中理解。
示例1.一种气体感测方法，该方法包括：通过气体传感器获得第一信号，该第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应；根据第一信号生成一个或多个第二信号；计算与第一信号相对应的第一权重值；计算与一个或多个第二信号中的每个信号相对应的一个或多个第二权重值；以及根据第一权重值和一个或多个第二权重值计算气体传感器处的目标气体的估计浓度。
示例2.根据示例1的方法，其中气体传感器是电阻式气体传感器。
示例3.根据示例1和2中一项的方法，其中气体传感器包括石墨烯。
示例4.根据示例1至3中一项的方法，其中第一信号包括气体传感器的电阻。
示例5.根据示例1至4中一项的方法，其中一个或多个第二信号包括第一信号的导数。
示例6.根据示例1至5中一项的方法，其中一个或多个第二信号包括第一信号的积分。
示例7.根据示例1至6中一项的方法，还包括：通过将第一信号除以在一段时间内计算的第一信号的标准偏差来计算第一信号的信噪比(SNR)；确定SNR与预定SNR阈值之间的比率；以及根据该比率计算第一权重值和一个或多个第二权重值。
示例8.根据示例1至7中一项的方法，还包括：计算第一信号的漂移值；将漂移值与预定漂移最大值进行比较；以及根据比较计算第一权重值和一个或多个第二权重值。
示例9.一种气体感测方法，该方法包括：通过气体传感器获得第一信号，该第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应；根据第一信号生成一个或多个第二信号；使用第一信号和一个或多个第二信号确定第一条件，在该第一条件中，目标气体的浓度在气体传感器处增加；使用第一信号和一个或多个第二信号确定第二条件，在该第二条件中，气体传感器处的浓度基本恒定，第二条件发生在第一条件之后；以及根据第一信号和一个或多个第二信号计算目标气体的浓度值，该计算时在浓度基本恒定的同时执行的。
示例10.根据示例9的方法，其中第一信号包括气体传感器的电阻。
示例11.根据示例9和10中一项的方法，其中一个或多个第二信号包括第一信号的导数。
示例12.根据示例9至11中一项的方法，其中一个或多个第二信号包括第一信号的积分。
示例13.根据示例9至12中一项的方法，还包括：使用第一信号和一个或多个第二信号确定第三条件，在第三条件中，气体传感器处的浓度基本恒定且近似为零；以及当浓度基本恒定且近似为零时校准气体传感器。
示例14.根据示例9至13中一项的方法，还包括：使用第一信号和一个或多个第二信号确定第三条件，在第三条件中，气体传感器处的浓度降低，第三条件发生在第二条件之后。
示例15.一种气体感测系统，包括：气体传感器，设置在第一衬底上，气体传感器被配置为检测目标气体并生成第一信号，该第一信号指示气体传感器对气体传感器处的目标气体的浓度的响应；处理器，操作性地耦合至气体传感器；以及存储器，存储将被处理器执行的程序，程序包括用于以下操作的指令：根据第一信号生成一个或多个第二信号，计算与第一信号相对应的第一权重值，计算与一个或多个第二信号中的每个信号相对应的一个或多个第二权重值，以及根据所述第一权重值和一个或多个第二权重值计算气体传感器处的目标气体的浓度。
示例16.根据示例15的气体感测系统，其中气体传感器是电阻式气体传感器。
示例17.根据示例15和16中一项的气体感测系统，其中气体传感器包括石墨烯。
示例18.根据示例15至17中一项的气体感测系统，其中第一信号包括气体传感器的电阻。
示例19.根据示例15至18中一项的气体感测系统，其中一个或多个第二信号包括第一信号的导数。
示例20.根据示例15至19中一项的气体感测系统，其中一个或多个第二信号包括第一信号的积分。
示例21.根据示例15至20中一项的气体感测系统，其中程序还包括用于以下操作的指令：通过将第一信号除以在一段时间内计算的第一信号的标准偏差来计算第一信号的信噪比(SNR)，以及确定SNR与预定SNR阈值之间的比率，其中根据该比率计算第一权重值和一个或多个第二权重值。
示例22.根据示例15至21中一项的气体感测系统，其中程序包括用于进行以下操作的指令：计算第一信号的漂移值，以及将漂移值与预定漂移最大值进行比较，其中根据比较计算第一权重值和一个或多个第二权重值。
虽然已经参照说明性实施例描述了本发明，但这种描述并非意在限制性地解释。本领域技术人员在参考说明书的基础上将明确说明性实施例以及本发明的其他实施例的各种修改和组合。因此，所附权利要求包含任何这样的修改或实施例。

Claims (22)

1.一种气体感测的方法，所述方法包括：
通过气体传感器获得第一信号，所述第一信号指示所述气体传感器对所述气体传感器处的目标气体的浓度的响应；
根据所述第一信号生成一个或多个第二信号；
计算与所述第一信号相对应的第一权重值；
计算与所述一个或多个第二信号中的每个信号相对应的一个或多个第二权重值；以及
根据所述第一权重值和所述一个或多个第二权重值计算所述气体传感器处的所述目标气体的估计浓度。
2.根据权利要求1所述的方法，其中所述气体传感器是电阻式气体传感器。
3.根据权利要求1所述的方法，其中所述气体传感器包括石墨烯。
4.根据权利要求1所述的方法，其中所述第一信号包括所述气体传感器的电阻。
5.根据权利要求1所述的方法，其中所述一个或多个第二信号包括所述第一信号的导数。
6.根据权利要求1所述的方法，其中所述一个或多个第二信号包括所述第一信号的积分。
7.根据权利要求1所述的方法，还包括：
通过将所述第一信号除以在一段时间内计算的所述第一信号的标准偏差来计算所述第一信号的信噪比(SNR)；
确定所述SNR与预定SNR阈值之间的比率；以及
其中根据所述比率计算所述第一权重值和所述一个或多个第二权重值。
8.根据权利要求1所述的方法，还包括：
计算所述第一信号的漂移值；
将所述漂移值与预定漂移最大值进行比较；以及
其中根据所述比较计算所述第一权重值和所述一个或多个第二权重值。
9.一种气体感测的方法，所述方法包括：
通过气体传感器获得第一信号，所述第一信号指示所述气体传感器对所述气体传感器处的目标气体的浓度的响应；
根据所述第一信号生成一个或多个第二信号；
使用所述第一信号和所述一个或多个第二信号确定第一条件，在所述第一条件中，所述目标气体的浓度在所述气体传感器处增加；
使用所述第一信号和所述一个或多个第二信号确定第二条件，在所述第二条件中，所述气体传感器处的浓度基本恒定，所述第二条件发生在所述第一条件之后；以及
根据所述第一信号和所述一个或多个第二信号计算所述目标气体的浓度值，所述计算是在所述浓度基本恒定的同时执行的。
10.根据权利要求9所述的方法，其中所述第一信号包括所述气体传感器的电阻。
11.根据权利要求9所述的方法，其中所述一个或多个第二信号包括所述第一信号的导数。
12.根据权利要求9所述的方法，其中所述一个或多个第二信号包括所述第一信号的积分。
13.根据权利要求9所述的方法，还包括：
使用所述第一信号和所述一个或多个第二信号确定第三条件，在所述第三条件中，所述气体传感器处的浓度基本恒定且近似为零；以及
当所述浓度基本恒定且近似为零时校准所述气体传感器。
14.根据权利要求9所述的方法，还包括：
使用所述第一信号和所述一个或多个第二信号确定第三条件，在所述第三条件中，所述气体传感器处的浓度降低，所述第三条件发生在所述第二条件之后。
15.一种气体感测系统，包括：
气体传感器，设置在第一衬底上，所述气体传感器被配置为检测目标气体并生成第一信号，所述第一信号指示所述气体传感器对所述气体传感器处的所述目标气体的浓度的响应；
处理器，操作性地耦合至所述气体传感器；以及
存储器，存储将被所述处理器执行的程序，所述程序包括用于以下操作的指令：
根据所述第一信号生成一个或多个第二信号，
计算与所述第一信号相对应的第一权重值，
计算与所述一个或多个第二信号中的每个信号相对应的一个或多个第二权重值，以及
根据所述第一权重值和所述一个或多个第二权重值计算所述气体传感器处的所述目标气体的浓度。
16.根据权利要求15所述的气体感测系统，其中所述气体传感器是电阻式气体传感器。
17.根据权利要求15所述的气体感测系统，其中所述气体传感器包括石墨烯。
18.根据权利要求15所述的气体感测系统，其中所述第一信号包括所述气体传感器的电阻。
19.根据权利要求15所述的气体感测系统，其中所述一个或多个第二信号包括所述第一信号的导数。
20.根据权利要求15所述的气体感测系统，其中所述一个或多个第二信号包括所述第一信号的积分。
21.根据权利要求15所述的气体感测系统，其中所述程序还包括用于以下操作的指令：
通过将所述第一信号除以在一段时间内计算的所述第一信号的标准偏差来计算所述第一信号的信噪比(SNR)，以及
确定所述SNR与预定SNR阈值之间的比率，其中根据所述比率计算所述第一权重值和所述一个或多个第二权重值。
22.根据权利要求15所述的气体感测系统，其中所述程序还包括用于进行以下操作的指令：
计算所述第一信号的漂移值，以及
将所述漂移值与预定漂移最大值进行比较，其中根据所述比较计算所述第一权重值和所述一个或多个第二权重值。
CN201811355745.4A 2017-11-15 2018-11-14 用于估计分析物浓度的感测系统和方法 Pending CN109781794A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/813,687 2017-11-15
US15/813,687 US11035825B2 (en) 2017-11-15 2017-11-15 Sensing systems and methods for the estimation of analyte concentration

Publications (1)

Publication Number Publication Date
CN109781794A true CN109781794A (zh) 2019-05-21

Family

ID=63878602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811355745.4A Pending CN109781794A (zh) 2017-11-15 2018-11-14 用于估计分析物浓度的感测系统和方法

Country Status (3)

Country Link
US (2) US11035825B2 (zh)
EP (1) EP3486643B1 (zh)
CN (1) CN109781794A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415056A (zh) * 2019-08-20 2021-02-26 三星电子株式会社 用于测量气体浓度的装置和方法
CN112782255A (zh) * 2020-12-31 2021-05-11 江苏智闻智能传感科技有限公司 一种基于阵列气体传感器的气体识别方法
CN113932395A (zh) * 2020-06-29 2022-01-14 中国移动通信集团浙江有限公司 湿膜加湿器的防垢方法及设备

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11698356B2 (en) * 2018-05-17 2023-07-11 Figaro Engineering Inc. Gas detection device and gas detection method using metal-oxide semiconductor gas sensor
EP3657165A1 (en) * 2018-11-23 2020-05-27 Infineon Technologies AG Method for providing calibration data for a gas sensor device, method of calibrating a gas sensor device, and processing device for a gas sensor device
EP3839492A1 (en) * 2019-12-20 2021-06-23 Industrial Technology Research Institute Gas sensing device and gas concentration sensing method
TWI702392B (zh) * 2019-12-20 2020-08-21 財團法人工業技術研究院 氣體感測裝置及氣體濃度感測方法
EP3879266A1 (en) 2020-03-11 2021-09-15 Infineon Technologies AG Gas sensing device and method for operating a gas sensing device

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5609096A (en) * 1993-12-17 1997-03-11 Goldstar Co., Ltd. Vegetable freshness keeping device having a sensor
DE19732501C1 (de) * 1997-07-29 1998-12-10 Behr Gmbh & Co Verfahren und Vorrichtung zur Steuerung eines Luftführungselements eines Fahrzeugs
JP2003065988A (ja) * 2001-08-23 2003-03-05 New Cosmos Electric Corp 半導体式検知装置及びその出力算出方法
US20030058962A1 (en) * 2001-08-07 2003-03-27 Baldwin Keith R. Intelligent control system and method for compensation application in a wireless communications system
US20060155486A1 (en) * 2004-10-07 2006-07-13 Walsh Alicia M Computer-implemented system and method for analyzing mixtures of gases
US20070299617A1 (en) * 2006-06-27 2007-12-27 Willis John P Biofouling self-compensating biosensor
US20080011960A1 (en) * 2006-07-14 2008-01-17 Eastman Kodak Company Apparatus for asymmetric dual-screen digital radiography
US20100286929A1 (en) * 2006-11-29 2010-11-11 Homer Margie L System for detecting and estimating concentrations of gas or liquid analytes
CN102261922A (zh) * 2010-04-30 2011-11-30 英飞凌科技股份有限公司 设备、传感器电路以及用于操作设备或传感器电路的方法
KR20120057216A (ko) * 2010-11-26 2012-06-05 삼성전자주식회사 깊이 센서, 상기 깊이 센서의 노이즈 감소 방법, 및 상기 깊이 센서를 포함하는 신호 처리 시스템
US8265881B1 (en) * 2011-10-07 2012-09-11 H2Scan Corporation Techniques for calculating gas concentrations in a fluid environment
US20120265035A1 (en) * 2011-04-15 2012-10-18 Dexcom, Inc Advanced analyte sensor calibration and error detection
US20140073945A1 (en) * 2012-09-11 2014-03-13 Nellcor Puritan Bennett Llc Methods and systems for qualifying a calculated value based on differently sized sorted difference signals
US20150061656A1 (en) * 2013-08-30 2015-03-05 Allegro Microsystems, Llc Circuits and Methods for Generating a Threshold Signal Used in a Motion Detector In Accordance With a Least Common Multiple of a Set of Possible Quantities of Features Upon a Target
US20150126879A1 (en) * 2013-11-06 2015-05-07 Nox Medical Method, apparatus, and system for measuring respiratory effort
EP3051280A1 (en) * 2015-01-28 2016-08-03 Sensirion AG Metal oxide based gas sensor with pulsed heating
KR101694531B1 (ko) * 2016-05-25 2017-01-11 (주)나우시스템즈 진동잡음 추적이 가능한 중량 선별기
WO2017044654A1 (en) * 2015-09-10 2017-03-16 Dexcom, Inc. Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods
WO2017156223A1 (en) * 2016-03-10 2017-09-14 Eccrine Systems, Inc. Biofluid sensing device nucleotide sensing applications

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3169715B2 (ja) * 1992-11-20 2001-05-28 エヌオーケー株式会社 ガス識別方法とガス識別装置
EP1058847B1 (en) * 1998-12-18 2002-07-31 Raytheon Company Stochastic array processing of sensor measurements to detect and quantify analytes
US6338266B1 (en) * 2000-04-05 2002-01-15 Industrial Scientific Corporation Method of identifying a gas and associated apparatus
US7229593B1 (en) * 2001-10-25 2007-06-12 Sandia Corporation Portable vapor diffusion coefficient meter
US20060042353A1 (en) * 2004-08-25 2006-03-02 Brent Marquis Analyte quantitation using semiconducting metal oxide gas sensors
CN102507676B (zh) * 2011-11-01 2013-11-27 重庆大学 基于多重自组织神经网络的电子鼻在线漂移补偿方法
US20170276627A1 (en) * 2016-03-23 2017-09-28 Vaon, Llc Metal oxide-based chemical sensors

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5609096A (en) * 1993-12-17 1997-03-11 Goldstar Co., Ltd. Vegetable freshness keeping device having a sensor
DE19732501C1 (de) * 1997-07-29 1998-12-10 Behr Gmbh & Co Verfahren und Vorrichtung zur Steuerung eines Luftführungselements eines Fahrzeugs
US20030058962A1 (en) * 2001-08-07 2003-03-27 Baldwin Keith R. Intelligent control system and method for compensation application in a wireless communications system
JP2003065988A (ja) * 2001-08-23 2003-03-05 New Cosmos Electric Corp 半導体式検知装置及びその出力算出方法
US20060155486A1 (en) * 2004-10-07 2006-07-13 Walsh Alicia M Computer-implemented system and method for analyzing mixtures of gases
CN101073007A (zh) * 2004-10-07 2007-11-14 纳幕尔杜邦公司 用于分析气体混合物的计算机实现的系统和方法
US20070299617A1 (en) * 2006-06-27 2007-12-27 Willis John P Biofouling self-compensating biosensor
US20080011960A1 (en) * 2006-07-14 2008-01-17 Eastman Kodak Company Apparatus for asymmetric dual-screen digital radiography
US20100286929A1 (en) * 2006-11-29 2010-11-11 Homer Margie L System for detecting and estimating concentrations of gas or liquid analytes
CN102261922A (zh) * 2010-04-30 2011-11-30 英飞凌科技股份有限公司 设备、传感器电路以及用于操作设备或传感器电路的方法
KR20120057216A (ko) * 2010-11-26 2012-06-05 삼성전자주식회사 깊이 센서, 상기 깊이 센서의 노이즈 감소 방법, 및 상기 깊이 센서를 포함하는 신호 처리 시스템
US20120265035A1 (en) * 2011-04-15 2012-10-18 Dexcom, Inc Advanced analyte sensor calibration and error detection
US8265881B1 (en) * 2011-10-07 2012-09-11 H2Scan Corporation Techniques for calculating gas concentrations in a fluid environment
US20140073945A1 (en) * 2012-09-11 2014-03-13 Nellcor Puritan Bennett Llc Methods and systems for qualifying a calculated value based on differently sized sorted difference signals
US20150061656A1 (en) * 2013-08-30 2015-03-05 Allegro Microsystems, Llc Circuits and Methods for Generating a Threshold Signal Used in a Motion Detector In Accordance With a Least Common Multiple of a Set of Possible Quantities of Features Upon a Target
US20150126879A1 (en) * 2013-11-06 2015-05-07 Nox Medical Method, apparatus, and system for measuring respiratory effort
EP3051280A1 (en) * 2015-01-28 2016-08-03 Sensirion AG Metal oxide based gas sensor with pulsed heating
WO2017044654A1 (en) * 2015-09-10 2017-03-16 Dexcom, Inc. Transcutaneous analyte sensors and monitors, calibration thereof, and associated methods
WO2017156223A1 (en) * 2016-03-10 2017-09-14 Eccrine Systems, Inc. Biofluid sensing device nucleotide sensing applications
KR101694531B1 (ko) * 2016-05-25 2017-01-11 (주)나우시스템즈 진동잡음 추적이 가능한 중량 선별기

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BHUVANESWARI PTV 等: "An Analytical Modeling Design to select an Optimal Forwarding Neighbor in Lossy Wireless Sensor Networks", 《CICN 2010》 *
EDUARD LIOBET 等: "Qualitative and quatitative analysis of volatile organic compounds using transient and steady-state responses of a thick-film tin oxide gas sensor array", 《SENSORS AND ACTUATORS B》 *
SYLVIE ROUSSEL 等: "Optimisation of Electroinc Nose Measurements. Part I: Methodology of Output Feature Selection", 《JOURNAL OF FOOD ENGINEERING》 *
TAO WANG 等: "A Review on Graphene-Based Gas/Vapor Sensors with Unique Properties and Potential Applications", 《NANO-MICRO LETT.》 *
侯培国: "分布式光纤温度传感器系统的理论与实践研究", 《中国博士学位论文全文数据库工程科技II辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415056A (zh) * 2019-08-20 2021-02-26 三星电子株式会社 用于测量气体浓度的装置和方法
US11913932B2 (en) 2019-08-20 2024-02-27 Samsung Electronics Co., Ltd. Apparatus and method for measuring gas concentration
CN113932395A (zh) * 2020-06-29 2022-01-14 中国移动通信集团浙江有限公司 湿膜加湿器的防垢方法及设备
CN112782255A (zh) * 2020-12-31 2021-05-11 江苏智闻智能传感科技有限公司 一种基于阵列气体传感器的气体识别方法
CN112782255B (zh) * 2020-12-31 2023-11-28 江苏智闻智能传感科技有限公司 一种基于阵列气体传感器的气体识别方法

Also Published As

Publication number Publication date
US11035825B2 (en) 2021-06-15
EP3486643A3 (en) 2019-08-28
US20190145929A1 (en) 2019-05-16
EP3486643A2 (en) 2019-05-22
US20210262981A1 (en) 2021-08-26
EP3486643B1 (en) 2024-05-08

Similar Documents

Publication Publication Date Title
CN109781794A (zh) 用于估计分析物浓度的感测系统和方法
CN104822320B (zh) 用于估计用户的跌倒风险的方法和装置
US11656210B2 (en) Gas sensing systems and methods of operation thereof
US20150346044A1 (en) Method and device for measuring a vacuum pressure using a measuring cell arrangement
WO2006135483A2 (en) Sensor baseline compensation in a force-based touch device
US11680932B2 (en) Method and apparatus for operating a multi-gas sensor
WO2006135481A2 (en) Signal conditioning in a force-based touch device
CN102959375B (zh) 用于检测按钮的激活的算法
CN106255868B (zh) 用于测量电容值的方法
CN109632891A (zh) 一种利用阵列气体传感器监测气体种类以及浓度的方法
KR100825717B1 (ko) 가스 검출용 센서 및 그를 포함하는 전자 후각 시스템
US11666253B2 (en) Methods and apparatus for analyte concentration monitoring using harmonic relationships
EP2833129B1 (en) Method and apparatus for analyzing a gas by a conductance-type particulate metal-oxide gas sensor
US9710121B2 (en) Position determination techniques in resistive touch screen applications
CN208366907U (zh) 基于二硒化钨的柔性离子传感器
CN115549680B (zh) 一种触摸按键抗干扰检测方法及检测芯片
CN108845017A (zh) 一种基于二硒化钨的柔性离子传感器
EP1914531A2 (en) Deformation detection sensor
Shaw et al. Kernel approach on detection of ethanol concentration using ZnO gas sensor
EP3207363B1 (en) Ratiometric device and article of manufacture comprising instructions for ratiometric measurement
CN114705724A (zh) 无漂移湿度传感器
WO2018220238A1 (en) Measuring concentrations of a target gas
EP2793018A1 (en) Thermal conductivity based gas sensor
CN107560706A (zh) 一种基于环境因素校准的智能称重方法
CN113614522B (zh) 传感器模块

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination