摘要：针对混合气体检测准确性较低问题,提出一种新型的二元混合气体检测方法。该方法利用核主成分分析（KPCA）对多路信号的非线性特征提取能力,提取不同成分组合下的二元混合气体的特征对k最近邻域（KNN）分类器进行建模,实现目标气体的识别。采用多变量相关向量机的多元非线性回归特性对二元混合气体组成成分进行定量估计。设计了以CO和CH4为目标气体的实验系统获取实验样本,对所提出的二元混合气体检测方法进行对比验证。实验结果表明,相比于基于主成分分析法和独立成分分析法的气体识别方法,提出方法的气体识别准确率分别提高了5.83%、14.16%,达到98.33%。相比于单一相关向量机（RVM）和最小二乘支持向量（LS-SVR）的混合气体浓度估计方法,方法有效提高了估计的准确性,CO和CH4浓度估计的平均相对误差分别仅有5.58%、5.38%。

关键词：传感器阵列 气体检测 气体识别 核主成分分析 多变量相关向量机 

单位：哈尔滨工业大学电气工程及自动化学院; 哈尔滨150001; 哈尔滨理工大学测控技术与通信工程学院; 哈尔滨150001; 中科院微小卫星创新研究院通信卫星总体部; 上海200000