电子鼻{附程序+中英文翻译}

1、欢迎下载计算机/单片/机械范文网()文档. 今日已上传64份范文 站长qq: 844511071摘要 电子鼻是一种由具有部分选择性的化学传感器阵列和适当的模式识别系统组成、能够识别简单或复杂气味的仪器。电子鼻在食品工业、航空航天、环境监测等方面具有诱人的应用前景，因此，这一研究领域受到广泛关注和普遍重视，近年来发展迅速。 电子鼻硬件系统是一个典型的单片机应用系统，使用了单片机的全部内资源和多种外部接口技术。 电子鼻的软件系统由单片机软件和pc机软件两部分组成。单片机软件用c语言编写，在系统脱机工作时全面实现对系统的控制、处理、分析和显示功能;在连机工作时，负责采样、数据传送。pc机软件用vis

2、ual c+语言编写。 关键字:电子鼻气 敏传感器阵列 模式识别 单片机特征提取abstractthe electronic nose is that one kind is has some alternative chemical sensor arrays and proper mode recognition systems to make up , can discern the instrument of the simple or complicated smell . the electronic nose has a captivating application prosp

3、ect in such aspects as food industry , aero-space , environmental monitoring, so, this research field is paid close attention to extensively and generally pay attention to, develop rapidly in recent years.the hardware system of electronic nose is that a typical one-chip computer uses the system, use

4、s all inside resources of the one-chip computer and many kinds of outside interface technology. the software system of the electronic nose is made up of one-chip computer software and pc software. the one-chip computer software is written in c language, realizes to the control , treatment , analysis

5、 of the system and shows the function in an all-round way when the system taking off machine works; responsible for sampling , data transmission when the connecting with machine works. the pc software is written with visual c + language.key word: the electronic nose is angry array of the quick senso

6、r pattern-recognition the characteristic of the one-chip computer is drawn、目录摘要iabstractii目录iii第1章 绪论11.1电子鼻研究的背景11.1.1气敏传感器的应用及其局限性11.1.2电子鼻的提出21.2电子鼻的研究现状21.3论文的主要工作5第2章 电子鼻的原理和结构62.1电子鼻的生物学基础62.1.1嗅觉产生的机理和特点72.1.2嗅觉信号的传递和处理82.1.3嗅觉中枢的反馈82.2电子鼻系统的结构92.3传感器阵列的组成92.4传感器阵列的简单模型102.5信号预处理电路102.6模式识别技术

7、112.7电子鼻中常用的模式识别方法122.8输出方式14第3章 传感器阵列的数学模型153.1传感器阵列的响应矩阵153.1.1气敏传感器的响应曲线153.1.2信号预处理163.1.3阵列对混合气体的响应173.2系统的识别性能183.2.1单个传感器能识别的气体数183.2.2阵列可识别的气体数203.2.3响应的不确定性对性能的影响253.2.4传感器的相关性对性能的影响26第4章 电子鼻的硬件284.1电子鼻系统的设计方案284.1.1电子鼻系统的研制目标284.1.2系统的结构和功能294. 2进样系统304.3单片机及其外围电路324.3.1 mcs-51单片机及片外总线结构33

8、4.3.2 mcs-51单片机的时钟电路和复位电路364.3.3 mcs-51单片机的系统扩展364.4传感器加热电路384.5采样电路404.6 键盘接口424.7字符型液晶显示模块lcm接口434. 8串行通信接口44第5章 电子鼻系统软件465.1串行通信协议465. 2单片机软件495.2.1连机子程序515.2.2脱机子程序525.2.3数据采集过程52第6章 结论54致谢55参考文献56附录1:中文资料58附录2:英文资料63附录3:程序68计算机毕业设计购买 www.lunwendz.com 工科毕业设计代做:www.lunwen168.net 开题:www.ktjia.com第

9、1章 绪论 人类已经进入信息时代，信息的获取、传输和处理成为人类一切社会活动的中心，与此对应的传感技术、通讯技术和计算机技术则构成了现代信息技术的三大支柱。作为对信息的准确获取和精密检测的手段，传感技术成为信息技术的基础，受到各国的重视并因此成为发展最迅速的技术之一. 电子鼻是近年来迅速发展起来的一个研究领域，它是一门涉及传感技术、模式识别、电子技术、计算机技术、神经生理学和数学等的交叉学科，传感器技术和模式识别是其两大基础，电子技术和计算机技术为其提供了实现手段，神经生理学和数学为其提供了理论基础并指明了发展方向。1.1电子鼻研究的背景1.1.1气敏传感器的应用及其局限性 传感器是指能感受规

10、定的被检测量并按照一定的规律转换成可用输出信号的器件或装置，通常由敏感元件和转换元件组成。传感技术是以传感器为核心，结合相关的学科(微电子学、材料科学等)形成的关于传感器材料、设计、制造、性能和应用的综合技术 根据工作原理的不同，传感器大体上可以分为物理型、化学型和生物型三大类。气体传感器是化学传感器的一个重要分支，它是一种能感受被测气体，并能根据气体浓度，按一定的规律转换成可输出信号的装置，在工业生产、军事工程、环境保护、防灾报警、食品检测、医疗卫生等方面有广泛的应用前景。 气敏传感器的种类很多，常用的如固态电解质气敏传感器、半导体气敏传感器、声表面波气敏传感器等。各类气敏传感器性能差异较大

11、，各自的主要检测对象也不一样，但是它们都不同程度地存在着诸如选择性、稳定性、一致性等问题。 因此，单个的气敏传感器虽然能有效地用于特定的场合，但是在检测成分复杂的混合气体或挥发性化学物质时，在灵敏性、对复杂混合物的分辨能力和对不断变化的环境的适应性上远逊于人的嗅觉系统，更无法和猪、狗等以嗅觉灵敏著称的动物相比。1.1.2电子鼻的提出 目前，在很多领域仍然应用人或动物的嗅觉对气味进行分辨、识别或评价，如利用人的嗅觉评价食品(如咖啡、白酒等的质量)、利用狗的嗅觉检测毒品和爆炸物等。动物的嗅觉具有灵敏度高、容错性强等优点，而且具有训练、学习功能。但是，动物，特别是人的嗅觉系统有一定的主观性，并且在一

12、个环境中待久了，嗅觉系统容易疲劳，也就是所谓的“久入芝兰之室而不闻其香，久入鲍鱼之肆而不闻其臭”，更重要的是，在自动化程度高的领域，如食品工业，由于生产过程的其他环节己经实现自动化，用人工去评价原料、成品或半成品的质量已经成为制约生产效率进一步提高的瓶颈。 一个模拟嗅觉分辨机理的设备，如果能克服单个传感器的缺点，既能检测特定的气体，又能评价混合气体或挥发性化学物质，再加上它不会疲劳，可以给出客观的数据或结论，将会在某些领域中部分或完全替代动物的嗅觉，在特殊环境条件下更将大有用武之地。 虽然生物学家至今尚未完全理解嗅觉感受和气味辨别所涉及的生物化学机理，但是相关技术的发展使得通过电子方法模拟动物

13、的鼻子成为可能。在此过程中，人们主要是模仿生物嗅觉系统的两个基本特征：(1)对多种气体和气味敏感；(2)通过必要的处理，能够识别所闻到的气体或气味。1.2电子鼻的研究现状 在过去的三十多年中，一些研究人员一直活跃在这一领域，包括wilkens ,dravnieks, tanyolac, herberhold, persaud, dodd以及abe等人，他们都曾经尝试设计和制造包含生物嗅觉系统概念的设备。1964年，wilkens和hatman提出对嗅觉过程的电子模拟，这是有关电子鼻的最早报道。1982年，英国warwick大学的persaud和dodd提出了电子鼻的概念，他们的电子鼻系统包括气

14、敏传感器阵列和模式识别系统两部分，而前者由三个半导体气敏传感器组成。这一简单的系统可以分辨按树脑、玫瑰油、丁香芽油等21种复杂的挥发性化学物质的气味。1994年，英国warwick大学的gardner和southampton大学的bartlett使用了“电子鼻”这一术语并给出了定义“电子鼻是一种由具有部分选择性的化学传感器阵列和适当的模式识别系统组成，能识别简单或复杂气味的仪器”。 随着材料科学和制造工艺的发展，经过warwick(英国)、southampton(英国)、toulouse(法国)和tuebingen(德国)等大学的研究人员十几年的努力，电子鼻的研究达到了一个相当高的水平。 目前

15、，电子鼻的研究主要集中在以下几个方面:1.器件方面的研究:包括新型敏感材料，特别是有机材料、复合材料和生物敏感材料，以及新型传感器的结构和工艺研究。目前已经开发出多种敏感材料和阵列结构。 2.模式识别方法的研究:包括适合传感器阵列响应信号的特征提取方法和模式识别方法两方面，常用的模式识别方法有统计模式识别的方法(包括主成分分析、判别函数分析、聚类分析等)和人工神经网络(包括bp网络、kohonen网络等)的方法，表1. 1给出了电子鼻中常用的模式识别方法。与统计模式识别相比，人工神经网络(ann)模式识别有以下几个优点:它本身模拟了神经信号的传输和整合机理，和嗅觉系统最为接近；良好的容错性和很

16、强的适应能力；具有很强的自学习能力和对环境的自适应能力;网络被训练好后具有快速操作性能。因而ann在电子鼻研究中最具有应用前景。表1.1 电子鼻中常用的识别方法模式识别方法监督参数线性传感器主成分分析有无是mos,cp,qmb判别函数分析(dfa)有有是/否mos,cpbp网络有无 无mos,cp,saw欧几里德聚类分析无无是mos,cp,saw非欧几里德聚类分析无无否mos,cp,sawkohonen网络无无无mos,cp,saw模糊神经网络(fnn)无无无mos 3.应用研究，特别是在食品工业、环境保护和航天工业方面的研究，电子鼻被用来分析肉类、水果等的新鲜度、环境中有害气体的含量、航天器

17、中气体的成分和浓度等。 4.前瞻性研究，如分布式电子鼻网络、“nose on a chip”等。国外由于电子鼻研究开展较早，1995就出现了商品化的电子鼻设备。目前，alpha mos(法国)、airsense(德国)，能够提供电子鼻设备。(部分有代表性的产品如表1. 2所示)表1.2 部分商品化的电子鼻产品名称公司构成或应用说明 a32/8s英国neotronics使用32个cp传感器，与计算机联用nose英国osmetech plc使用10个cp传感器，检测啤酒 fox5000法国alpha mos4个带有各自温度和湿度传感器（mos，cp，或qcm）阵列，与计算机联用bh114英国第一台

18、基于电子鼻的质谱仪，与计算机联用smart nose-300瑞士 smart nose使用14个cp传感器，与计算机联用 pen德国wma airsense analsentechnik使用10个mos气敏传感器的台式电子鼻mode14100美国 estcal便携式模块化电子鼻，包含qmb，mos，温度，电化学等多种传感器 比较而言，国内的电子鼻的研究工作起步较晚，研究水平还处在实验室阶段，表1. 3列出了部分研究单位及其成果。表1.3 国内部分电子鼻研究单位研究单位阵列构成应用中科院半导体所石英晶振酒类，酱油，清凉油等浙江大学生物系laps器件呼吸气体丙酮含量厦门大学化学系声表面波器件有机试

19、剂，酒类，香料等解放军防化研究院金属氧化物气敏传感器有毒气体，酒类，香水类 1.3论文的主要工作 本论文的主要工作是跟踪国际先进水平，进行电子鼻及其应用研究，从电子鼻的生物学原理、数学基础、系统的结构、设计与实现以及具体应用等方面对电子鼻进行系统研究。论文的主要内容包括以下三个部分： 1)电子鼻原理与结构研究。从生物嗅觉系统的结构和嗅觉机理出发，全面总结了电子鼻的原理、结构和设计思想。在传感器阵列的组成、信号预处理电路的设计、模式识别方法的选择等方面进行了总结和探讨。 2)提出了一种传感器阵列的数学模型，推导出传感器阵列的规模、信号量化的位数与电子鼻识别能力之间的数学关系，量化了信号的不确定性

20、对电子鼻性能的影响。 3)用单片机设计了一个电子鼻系统电路，包括进样系统、单片机应用系统和pc机。 进样系统为一种新型流气式进样系统，可以保证进样过程的重复性，为传感器阵列动态响应的数据采集及后续处理提供了坚实的基础。 单片机应用系统使用了单片机的全部内部资源和多种外部接口技术。其中，提出了一种新的信号调节电路，很好地解决了采样电路的灵敏度问题。本文的内容安排如下：第二章，电子鼻的原理和结构。第三章，传感器阵列的数学模型，第四章电子鼻系统的硬件。第五章，电子鼻系统的软件。第六章，结论与展望。全面总结论文工作。第2章 电子鼻的原理和结构 电子鼻是模拟生物嗅觉系统，由传感器阵列结合模式识别系统构成

21、的。对生物嗅觉系统的神经生理结构和嗅觉的生物化学机理的理解决定了电子鼻系统的基本结构、传感器阵列的组成和模式识别方法的使用。 本章从生物嗅觉系统的结构出发，论述了电子鼻的原理和结构，并提出了自己的理解。总结出电子鼻设计的一些指导思想，如传感器的选择、特征提取和模式识别方法。2.1电子鼻的生物学基础 嗅觉是生物的嗅觉系统对某种气体或挥发性物质的分子产生的一种生理反应。人的嗅觉传导通路如图2. 1所示。嗅觉的感受器细胞是位于嗅上皮上的嗅细胞，嗅细胞向嗅球发出轴突，在那里与僧帽细胞发出的树突相连接。大约有25, 000根轴突进入一个嗅球，与25个左右的僧帽细胞相连，再由僧帽细胞通过嗅束把信号传送到中

22、枢。 图2.1 人的嗅觉传导通路 图2.2 嗅上皮的结构2.1.1嗅觉产生的机理和特点 刺激感受器的气味分子首先被黏液吸收，然后扩散到纤毛(可能还有小球)处，与膜受体结合。刺激物与感受器反应，增加了嗅纤毛的通透性，改变膜电导，引起膜电位的变化。这样嗅细胞就产生感受器电位并导致嗅神经纤维产生神经冲动。嗅觉感受器能在几毫秒内对挥发物质起反应，响应时间较一些气敏元件短得多。 嗅电图(electro-olfactogram, eog,嗅觉膜上记录到的生物电反应)的振幅及嗅神经脉冲的发送频率在很大范围内均与刺激强度的对数成正比，跨度为2-3个对数范围。不同的气体分子的嗅觉闭值相差很大，有些特别低，如每毫

23、升空气中只要存在1 /25, 000, 000, 000, 000mg的甲基硫醇就能被嗅出。 有时候，尽管域值低的挥发性物质在混合气体或气味中的含量很少，但这类微量杂质在特定的环境中可以对嗅觉系统感受到的气味产生显著的影响，甚至的混合气决定了复杂体或气味的气味轮廓(odor profile)。很多食物败味就是因为出现了这类功能强大的挥发性物质，这样使得对气味的感受无法与气味的主要成分统一。 这一现实带来了两方面的问题:1.考虑到气味是一种主观感受，所以气味识别必须要解决这一问题，即不能简单地根据各个气体成分的浓度来决定混合物的味道。这也是气味识别不同与气体识别的地方之一。2.在食品检测，如鱼的

24、新鲜度检测时可能需要灵敏度较高的传感器。 虽然有的感受器细胞很可能只对狭小范围内的哺乳类动物信息素起反应，但是总的说来，一个特定的感受器细胞对于一组气味刺激的反应，显示一种宽广的响应谱，还没有找到昆虫那种第一类的气味“专家”。嗅细胞可能不同程度地对11或12种不同的气味敏感嗅觉系统的专一性是通过将这些带有部分重合的敏感特性的感受器细胞组合起来得到的. 参考嗅细胞的这一特性，我们在设计传感器阵列时，可以充分利用气敏元件的“交叉敏”。这样，一方面变降低了对传感器的选择性的要求，另一方面也有利于提高阵列的效率。2.1.2嗅觉信号的传递和处理 嗅感受器以每秒1-3个的低频率发送脉冲。大多数气体使脉冲数

25、量增加，也有少数气体能抑制脉冲发放。强烈的气味可以显著增加脉冲的频率，最大可增加20倍。电生理学的研究表明，在没有气味刺激时，僧帽细胞就有一种持续的“自发电位”。当受气味刺激时，就在这种背景脉冲上引起频率的增减. 根据这一现实，我们可以把嗅觉信号看作调频信号，准确地讲是调频准数字信号。从这种意义上来说，使用声表面波器件(sawd)气体传感器来构造传感器阵列更接近生物学系统。 嗅觉信号沿着感受器神经元的轴突传播至嗅球中的几千个神经纤维球中，经过某种处理后由嗅球的传出神经元一僧帽细胞向神经中枢传送。前面说过，每个嗅球大约有25, 000个传入神经元和25个传出神经元，这种神经结构通过对基本信号的高

26、度整合提供了巨大的计算能力，从而也有很强的容错能力。 嗅球呈球状结构，其中包含了发生较高层次处理的神经纤维球。在嗅球的表面可以观察到二维活动模式。那里表现为气味和区域没有空间关系，或者说，没有某个区域用于薄菏味而另一个区域用于刺鼻的气味，该处理更多地表现为空间付立叶变换。因而，破坏嗅球的一部分只是限制了气味感觉的精度而不是其范围。这种生物学设计有较好的容错性，在信号处理中有好处。 嗅觉信号由僧帽细胞直接或间接传到脑的有关区域。在那里进行进一步的整合，产生嗅觉的基本反应和更复杂的条件反射。2.1.3嗅觉中枢的反馈 中枢神经系统对嗅球活动还存在着传出控制。嗅觉中枢发出的神经纤维通过嗅束进入嗅球，这

27、是从中枢到外周的传出。这些神经纤维与位于嗅球中央的大量小的颗粒细胞相联系，并通过后者对僧帽细胞产生抑制神经树突。可以认为，这种对于嗅球的抑制，是嗅觉中枢的反馈作用，它可能对产生适应和提高区分各种气味的能力有关。2.2电子鼻系统的结构 典型的电子鼻系统的结构如图2.2所示，它一般由传感器阵列、信号预处理系统、模式识别系统组成，由单片机或计算机实现控制、计算和i/0接口。考察图2.1和图2.3，我们可以简单地从结构上将传感器阵列、信号预处理、模式识别分别与嗅觉膜、嗅小球、神经中枢相类比，更重要的是在功能上电子鼻系统在下面两个方面也具有生物嗅觉系统的特点:(1)对多种气体或气味敏感:(2)通过必要的

28、处理，能够识别所感受到的气体或气味。结果输出模式识别信号预处理传感器阵列 图2.3 电子鼻系统2.3传感器阵列的组成 气敏传感器阵列是电子鼻系统的基础，合适的阵列对提高整个系统的性能至关重要。阵列可以是由多个分立元件构成，也可以是单片集成的。对器件的主要要求为： 1.在任何系统设计中，传感器阵列的尺寸都是最重要的。如果需要很多敏感元件，最好使用集成的气敏传感器阵列而不是由分立元件构造阵列。目前已经开发出多种敏感材料和阵列结构的微型气敏传感器阵列。几个研究小组己经开发出集成的金属氧化物传感器。在保证相同数量级的敏感性这一条件下，和tgs器件相比，它们有低得多的功耗和较好的稳定性。无机传感器制造工

29、艺和硅工艺过程兼容，只要改进这些器件的敏感性就可能取得重大进展 2.检测过程是可逆的，器件应该性能稳定，工作可靠，重复性好，但考虑到有时需要更换传感器，所以更加要求传感器的一致性。 3.具有广谱响应的特性，但对于不同种类的气体，响应程度不同。考虑到在生物嗅觉系统中，一个感受器细胞可能不同程度地对十多种不同的气味敏感，显示出一种很宽的响应谱，而系统的选择性是通过整合来自多个交叉敏感的感受器细胞的信号得到的。我们在构造传感器阵列时，尽量使各气敏器件或单元有一定的交叉敏。这样，不仅降低了对传感器的选择性的要求，而且也有利于提高阵列的效率。电子鼻系统就是利用传感器阵列的交叉敏感特性，通过模式识别技术来

30、实现系统的选择性并提高测量精度的。2.4传感器阵列的简单模型 关于传感器阵列的数学模型，目前还没有详细完备的描述，常用的说法是:选用m个器件构成一个阵列，每个传感器有n种测试模式，这样阵列共有p=mxn个模式。图2. 4给出了传感器阵列的测试模型，传感器阵列对于被测气体的响应，在不同的测试模式中是不同的。 hc1 cono . . . . 传感器11传感器2传感器m测试1测试2测试n图2.4 传感器阵列测试模型2.5信号预处理电路 一般而言，信号预处理包括信号调节和ad采样，前者将传感器对气体的响应转变为容易测量的电信号(电压或电流)，后者则将模拟信号转变为模式识别系统所需要的数字信号。二者是

31、相互影响、相互制约的关系，只有良好配合才能充分发挥信号预处理的作用，获取关于被测样本的足够多的信息量，为后面的模式识别打下坚实的基础。 a 分压电路 b电桥 c 反向放大器 信号调节电路本质上是一种接口电路，设计时在考虑输出电信号本身的精度和动态范围的同时，也应该考虑adc的输入范围和量化精度以及后续处理的进一步要求。具体到电子鼻，在定性分析中，如果只关心稳态响应，可以将电路设计为在传感器达到稳定响应时，测量的灵敏度最大，其余过程就不太关心。如果想利用整条响应曲线，则要将电路设计为输出信号与传感器电阻的变化成正比。保证整个过程的测量精度。如果想进一步定量分析样本，则希望输出信号与样本的浓度成正

32、比。同时，输出信号要满足adc的动态范围。 2.6模式识别技术 模式识别是伴随着计算机的研究、应用发展起来的一门新兴学科，在计算机理论、信号与信息处理、自动控制理论等方面得到了广泛的应用。近年来被用于智能嗅敏中，已引起普遍的重视。 按照广义的定义，模式是一些供模仿用的、完美无缺的标本;模式识别就是识别出特定客体所模仿的标本。具体地说，模式被理解成取自客观世界有限部分的单一样本的被测量值的综合;模式识别就是试图确定一个样本的类别属性，即把某一样本归属于多个类型中的某一类型.图2.6为模式识别的过程框图，其中每一步都关系到最终的分类结果模式采集预处理模式分类特征提取被识别对象图2.6 模式识别框图

33、 被识别的对象是我们感兴趣的电信号或非电量。在电子鼻系统中为单一或混合气体或各种气味。 模式采集是由能测量各种特征的敏感元件来实现的，目的是将样本映射到模式空间(所有样本观测数据的全体构成的n维空间)。 在模式空间中，根据不同的研究对象和要求，需要对信号进行不同形式的预处理。预处理的可以实现以下功能:1,滤除模式采集过程中引入的噪声和干扰，提高信噪比;2、消除信号的模糊和失真，人为地增强有用信号:3、为后级处理方便，对信号进行适当的变换为了降低模式空间中数据的维数以减少运算量，结合模式分类时的判决准则压缩数据的维数称为特征提取。降维后的数据构成特征空间。通过特征提取不仅可以减少运算量，而且往往

34、有利于提高分类的准确率，尽管降维时损失了信息量。 模式分类是将特征空间划分为类型空间。分类的方法有很多，如统计决策方法、句法结构方法、模糊判决方法和人工智能方法。前两种发展的比较成熟，效果也不错。模糊判决法是将模糊数学的有关研究成果引入前两种方法中发展起来的。人工智能的方法，特别是其中的人工神经网络的方法更具有诱人的前景。2.7电子鼻中常用的模式识别方法 哺乳动物的鼻子包含了一些很复杂的模式识别的内容，它把极端敏感性和宽的选择性结合起来。据信这是通过在集中的神经元通路上广泛地组织调谐接受器细胞来获取的。其中每个通路发送与混合气味中某单个特征有关的信息。因而，模拟意味着电子气体敏感单元必须包含一

35、些类型的特征提取。电子鼻系统中常用的模式识别方法有以下几种: 1.统计模式识别 统计模式识别是一类传统的模式识别方法，包括几何分类(线性分类，非线性分类)、统计分类(bayes决策)和无教师的分类(聚类分析)。 2.模糊模式识别 模糊数学是诞生于1965年的一门新兴学科，它是用来研究模糊现象的定量处理方法。模糊性是指存在于现实中的不确定性，这种不确定性是由排中律的破缺造成的。如“健康”就是一个不确定的概念，它与“不健康”之间没有明确的界限。由于许多客观事物的特征具有模糊性，所以人们可以采用模糊数学得方法对模糊的客观事物进行识别和分类，如预报天气、卫星侦察军事设施等，都属于f ( fuzzy)模

36、式识别。 模糊模式识别大致有两种方法:一种是直接方法，按“最大隶属度原则”归类，主要用于个体的识别;另一种是间接方法，按“择近原则”归类，一般用于群体模型的识别。对于具体的应用问题，f模式识别最重要的是建立f集的隶属函数。常用的方法有f统计方法、三分法、f分布等。 3.人工神经网络模式识别 人工神经网络模式识别技术也被广泛用于电子鼻系统a, zz, zal。人工神经网络是在现代神经科学研究成果的基础上，依据人脑的基本功能特征，试图模仿生物学系统的功能或结构而发展起来的一种新型信息处理系统或计算体系。它不是生物体真实神经系统的拷贝，而仅是其数学抽象及粗略的逼近和模仿。 从本质上讲，这是一类由大量

37、基本信息处理单元通过广泛联结而构成的动态信息处理系统。其信息处理是并行的，由计算处理单元间的相互作用来实现;其信息和知识的表达是分布的，以网络各单元相互之间的物理联系作为知识与信息的存储形式。在网络内，信息由各单元间的联结强度所编码表达。由于用联结强度来表达知识，故网络学习的目的就是寻找一组合适的联结强度，网络的记忆存储行为表现为各单元间联结权重的动态演化过程. 人工神经网络模式识别提供了气味识别的并行分布式处理解决方法。和传统的模式识别技术相比，它们有以下几个优点:良好的容错性和很强的适应能力:具有很强的自学习能力和对环境的自适应能力:网络一旦被训练好后具有快速操作性能。然而网络的训练需要大

38、量的数据和时间，同时，和多变量统计技术相比，神经网络的一个缺点是分类器的不透明。统计技术可以提供分类时的信任度和附加信息以帮助解释哪些传感器在辨别时最有用(不一定是最敏感的元件)。对于一个神经网络，知识保留在各神经元的联结矩阵的元素上。因为哪怕是一很小的网络也需要大量的联结，所以提取刻划每个传感器对最终分类的贡献的信息和信任度是困难的。输入m输入1输出1输出n 图2.7 一个典型的多层神经网络有三层，使用反传算法(b-p算法)训练，也有人使用多层网或其它类型的网络。图2. 8给出了一个使用b-p算法的三层网的结构。这里，输入层被从传感器输出来的信息激励，该激励将经过加权后传递，通过第二层(隐藏

39、层)到达输出层。因此，输入神经元的数量是阵列中所用传感器数量的函数，典型的输出神经元的数量等于被分成的类别数。对某一未知样本，根据输出层神经元发出的信号的电平可以有效地分类该样本。在训练时，从传感器阵列来的样本被送到神经网络的输出端，生成一个可以和己知的目标输出矢量比较的网络输出矢量。可以计算二者的误差并据此修正权重矩阵的元素，并在随后的迭代过程中进一步地减少误差。迭代是从输出层到输入层反向通过网络实现的。如果目标矢量和输出矢量没有差别，就不调整权重因而也没发生学习. 模式识别在气味辨别上的应用仍处于早期阶段。一个复杂的系统可以使用几种补充技术和智能处理来辨认传感器提供的最有用的相关信息。2.

40、8输出方式根据实际应用，电子鼻有两种输出方式:1、直接输出识别或分类结果，适用于完全用电子鼻来做决策的情况 , 2、输出被测物的数字指纹(特征值)，供人或分布式电子鼻系统中的主机系统作为参考依据。第3章 传感器阵列的数学模型 在电子鼻系统中，传感器阵列和模式识别系统是两个基本组成部分，信号预处理是二者之间数据联系的桥梁。传感器阵列可以是单片集成的，也可以由多个分立元件组成。传感器阵列的每个单元对一种或多种气体敏感，整个阵列对不同气体的响应构成一个响应矩阵。时间序列的特性和精度直接影响着模式识别方法的选择，并最终决定了整个系统的性能，如分辨率、灵敏度、一致性等。 本文在介绍气敏传感器响应曲线的基

41、础上，从概率论和随机过程的理论出发，讨论了传感器阵列的数学模型，包括信号预处理和特征提取方法，并探讨了传感器阵列的维数和adc的位数等参数对电子鼻性能的影响。3.1传感器阵列的响应矩阵图3.2 气敏传感器的响应曲线3.1.1气敏传感器的响应曲线 在电子鼻中应用的传感器种类比较多，常用的如半导体气敏传感器、导电聚合物、声表面波器件等。我们以半导体气敏传感器为例来描述气敏传感器的响应曲线。图3. 2给出了典型的半导体气敏传感器响应曲线，测量参数为传感器的电阻值。整条曲线分为四段:1.稳定状态，传感器加热后在测试环境中达到稳定状态。2.吸附过程，传感器吸附待测样品，电阻值发生变化。半导体传感器的响应

42、时间一般在1分钟以内。3.最大响应，经过一定的时间，传感器的响应趋于一个稳定值。4.脱附过程，传感器和样品脱离接触，一段时间后，传感器的电阻值重新恢复到稳定状态。气敏传感器响应过程的后三个阶段都包含有与样品有的信息，在实际应用中，人们通常只使用传感器的最大响应，而没有利用其余两个过程的信息。这时，人们不太关心脱附过程，只记录传感器由稳定状态达到最大响应，即稳态响应的过程，也就是图2中由0到t:这一段，一般t2会取的很大。这样做，损失了大量的信息，其结果是降低了识别效果。在电子鼻设计中，可以充分利用整条曲线的信息量，大大提高了识别效果。 3.1.2信号预处理图3.2 气敏传感器的响应曲线 一般而

43、言，信号预处理包括信号调节和ad采样，前者将传感器对气体的响应转变为满足adc量程、容易测量的电信号(电压或电流)，后者则将模拟信号转变为模式识别系统所需要的数字信号。信号预处理电路的设计主要取决于传感器的响应特性和后续处理要求，信号调节电路的传输函数h(t)和adc的位数k直接决定了量化后的数字信号所包含的信息量，从根本上决定了模式识别系统的识别精度。 在图3. 5中。从图中可以看出，经过信号预处理，传感器的响应由随机过程转变成时间序列。以后，就把这一时间序列称作传感器的输出信号。在信号预处理过程中，信号调节电路中的噪声成分进行了变换，并引入了新的噪声，adc也产生了量化噪声。这里，我们无意

44、分析具体噪声，只是将输出信号x(n)看作一个确定信号r (n)和一个噪声序列v (n)信号之和，为简单起见，仍然将v(n)看作高斯噪声。3.1.3阵列对混合气体的响应 从数学上讲，构造传感器阵列最简单的方式是针对每种待测气体选择一种只对该气体敏感的传感器。这时，m=n，响应矩阵退化为对角阵。在这种情况下，数据的处理相对简单，用不着采用复杂的模式识别方法，只需要分别处理单个传感器的数据就可以得到对应气体的全部信息。可惜气敏传感器无法作到只对某种气体敏感，它们都程度不同地对其它气体具有交叉敏感特性:同时，如果每种气体都配一种传感器，在分析复杂气体时，阵列的规模也是无法忍受的。所以，上述情况在物理上

45、基本无法实现。 事实上，在电子鼻系统中，恰恰是利用了传感器的交叉敏，这不仅降低了对器件的选择性的要求，还达到使用较小规模的阵列来分类、识别较多种类的气体或气味的目的。也就是说，传感器阵列中每个传感器都程度不同地对多种气体敏感(这一点和动物的嗅细胞的特性也是类似的)。 假设混合气体中包含m种气体成分，则传感器阵列对该混合气体的响应为阵列中每个传感器对每种气体成分响应的非线性组合: 这是一个很复杂的数学问题，简单的计算无法求解，只能使用模式识别技术，特别是神经网络模式识别。 这里，值得一提的是，如果只是要识别几种气味(或混合气体)，而不关心其具体成分的话，也可以将每种气味等效为一种气体，处理起来会

46、简单一些。3.2系统的识别性能假设电子鼻系统中的传感器阵列由n个传感器构成，每个传感器有v种测试模式，这样阵列就有p=nxn个测试模式，给出了系统可识别的气体种类和测试模式之间的关系其中，p为模式数，j为可识别的气体数，a为在混合气体中同时出现的气体数目。这一公式在假设传感器响应信号是确定信号的情况下给出了可识别的气体数的上限。 3.2.1单个传感器能识别的气体数 对单个传感器而言，adc有n个量化电平，只有传感器对m种气体的响应落在不同的量化电平上，才可能识别这些气体。这是一个古典概率问题，该传感器可以识别m种气体的概率为: 图3. 6给出了在不同量化位数的情况下，单个传感器可以识别不同数量

47、的气体的概率。从图中可以看出，随着量化位数的增加，传感器可以识别同样数量的气体的概率增加，或者说在同样的概率下识别的气体种类增加。 为了更直观地说明问题，表3. 1中给出了在置信度分别为0.85, 0.90, 0. 95和0. 99的情况下，量化位数为1, 4, 8, 10, 12, 16时，单个传感器能识别的气体的种类。从中可以看出，随着adc位数的增加，单个传感器可以识别的气体数迅速增加，基本上是adc的位数每增加两位，同样置信度下可以识别的气体数量增加一倍。表3.1adc位数（k） 能识别的气体数（m）置信度0.85置信度0.90置信度0.95置信度0.99 11111422118975

48、2101815105123629209表3.1 不同置信度时，单个传感器采用不同位数的ad能识别的气体数。表3. 2给出了单个传感器采用不同位数的adc时，识别不同种类的气体的概率。从中可以看出，adc位数的越多，传感器识别同样数量气体的概率越大。例如，采用12位adc，传感器能识别出任意20种气体的概率是0. 9546，而当采用8位adc时，概率则迅速下降为0. 4668。表3.2气体种类（m）能识别的概率adc位数k=1adc位数k=4adc位数k=8adc位数k=10adc位数k=1220.50000.93570.99610.99900.9998500.49990.96150.99030

49、.99761000.02640.83690.95690.98911500.00000.65830.90210.974720000.46680.82970.954650000.00590.29640.7406100000.00000.00670.29573.2.2阵列可识别的气体数 下面讨论含有n个传感器的阵列能识别气体的概率。假设这n个传感器对每种气体的响应不相关。adc的位数仍为k。 设阵列能识别的气体数为x;传感器1识别的气体数为yi，传感器i在前i-1个传感器的基础上新识别的气体数为y，则阵列能识别m种气体的概率p( n为传感器个数)可以用递推如下:其中p(m,)表示第一个传感器能从m种

50、气体中识别j1种的概率：表示其余n-1个传感器能识别m-j种气体的概率。p(m,)的计算公式为：四个传感器识别不同种类气体的概率图3.7 n=4时，传感器阵列识别不同气体的概率 k=8时，多个传感器识别不同种类的气体的概率图3.8 k=8时，传感器阵列识别不同气体的概率 为了和单个传感器进行比较，图3. 7给出了包含4个传感器的阵列(n=4)识别不同气体的概率。从中可以看出，和单个传感器一样，随着adc的位数的增加，阵列可以识别的气体种类随之增加，只是增加的速度比后者快得多。 图3. 8给出了在k=8时，传感器阵列识别不同气体的概率(因运算量的关系，n只取1到4)。从中可以看出，随着阵列的维数

51、增加，阵列识别同等数量的气体的概率增加，在同样概率下，可以识别的气体种类增加;同时量化电平数一定的情况下，在气体种类很多的时候，传感器的维数达到一定程度后，再单纯地增加传感器的个数效果并不明显，此时增加量化电平数的效果更好。例如在图3. 8中，当气体种类为60时，使用3个传感器的概率为0. 0123，而使用4个传感器概率仅仅增加为0. 0181，使用5个传感器也不过增加为0. 0239;而在图3. 7中，当k=10时，3个传感器识别60种气体的概率为0. 7$65，当k=12时，概率增加到0. 99840表3.3给出了置信度为0.99时，包含不同数量传感器的阵列在采用不同位数的adc时所能识别

52、的气体数。例如当n=4, k=12时，即阵列包含4个传感器，adc为12位，阵列能识别90种气体的概率是99，而在n=1时，相同置信度的情况下，单个传感器只能识别9种气体，从中可以看出，采用传感器阵列时，随着阵列中传感器个数的增加，能识别的气体数增加，但n越大，增加的幅度越小。表3.3传感器个数（n）能识别的气体数k=1k=4k=8k=10k=12n=111259n=212122551n=315193774n=416234590n=5172651101n=6172855109 表3. 4给出了四个传感器构成的阵列采用不同位数的adc时，识别不同种类的气体的概率。和表3. 2相比，采用12位ad

53、c时，阵列能识别100种气体的概率是0.9735，远远大于一个传感器时的0.2957;采用8位adc时，识别出任意20种气体的概率达到0. 9982，也超过一个传感器采用8位adc时的0. 4668,甚至比一个传感器采用12位adc时的0.9546还要大。气体种类（n） 能识别的概率adc位数k=1adc位数k=4adc位数k=8adc位数k=10adc位数k=1220.93751.00001.00001.00001.000050.05860.99961.00001.00001.00001000.59911.00001.00001.00001500.01081.00001.00001.0000

54、2000.00000.99821.00001.00005000.00000.13100.97581.0000100000.00000.13260.9735 表3.4 3.2.3响应的不确定性对性能的影响 前面的讨论都将传感器的响应看作确定性信号，实际上它是一个随机信号，稳态响应为一个随机变量。为讨论方便，我们将稳态响应的变化量和adc的量程联系起来，将其变化等效为adc位数的降低，精确点说是adc量化电平数的减少。 表3.5给出了不同位数的adc的有效电平数随传感器稳态响应的变化而变化的情况。从中可以看出:1.随着传感器稳态响应变化量的增加，adc的有效电平数减少;2.在稳态响应变化量一定的情况下，不能依靠无限制的增加adc的位数来提高传感器阵列的性能。例如，如果稳态响应的相对变化量为1%，则选用8位和8位以上的adc没有性能上的差别，这一点在实际应用时需要认真加以