摘要：针对软传感器建模过程中辅助变量通常是多因素的混杂信号，在原始特征空间很难进行原始特征约简的问题，提出一种结合独立成分分析（ICA）和虚假最近邻点法（FNN）的原始特征选择法。利用独立成分分析法（ICA）将原始特征空间的混杂信号映射到新的独立特征子空间；然后再利用FNN计算每个原始特征剔除前后在独立特征子空间里的相似性测度，进而判断它对主导变量的影响能力，由此选择出原始特征。仿真结果表明，该方法具有优秀的原始特征选择能力。因此，该研究为选择出软传感器模型的原始特征提供了新方法。

关键词：软传感器 特征子空间 独立成分分析 虚假最近邻点法 特征选择 

单位：重庆科技学院电气与信息工程学院 重庆401331 西安石油大学电子工程学院 西安710065