基于传感器阵列的电子鼻.docx

编号

本科生毕业设计（论文）

题目： 基于传感器阵列的电子鼻
系统的设计

物联网工程 学院 电子信息工程专业

学 号
学生姓名
指导教师

二〇一三年六月

摘 要
电子鼻系统是模仿生物嗅觉系的一种通过使用电学来分析和识别混合气体的一种电子设备．利用单一气敏传感器对气体响应的非专一性和对特定气体的择优响应特性,根据实际应用, 将多个单一气敏元件优化组合来构成气敏传感器阵列,气体被吸入气室腔内，被传感器阵列感应到．利用阵列的多维空间气体响应模式，传感器将感应的信号转化成电信号，通过信号处理后，送到模式识别系统进行模式识别，并将识别结果输出显示，从而对气体进行定性定量识别．
本论文叙述了整个电子鼻系统，对CH4、CO和H2三种不同浓度比的混合气体进行了定量分析．系统以STC89C52单片机为控制核心，3个基于金属氧化物半导体SnO2的德国GGA系列传感器构成气敏传感器阵列，并设计了信号预处理电路等硬件电路部分；上位机软件采用 VC++6.0开发 ，利用混合编程技术，嵌入 Matlab 引擎，借助 Matlab的人工神经网络工具箱（ANNToolbox）函数实现 BP 网络模式识别算法．
电子鼻系统将气敏传感器阵列与模式识别技术相结合，能够很好地分析和辨识混合气体的组份及其浓度．系统还采用了人工神经网络法，有效地解决了传统的单一气体传感器普遍存在的交叉敏感性问题，有助于气体检测精度的提高．

关键词：电子鼻；气体传感器阵列；信号预处理；BP网络

ABSTRACT
Electronic nose system is an electronic device of modeling biological olfactory system by using electricity to anlysis and identify mixtures. A single gas sensor of gas response of non-specific and specific to the preferred response characteristics of gas, according to the actual application, form a plurality of single gas sensor optimization combination to a gas sensor array and the gas is inhaled air chamber cavity, inducted by the sensor array. Using multidimensional space gas response patterns of array, the sensor will translate induction signal into the electrical signal, through signal processing, send to the pattern recognition system to pattern recognition and t output and display the recognition result, to identificate the gas.
This paper describes the quantitative analysis of the electronic nose system applied for CH4、COand H2 of mixed gases of different concentration ratio. STC89C52 SCM is control core, integrated gas sensor array composed of 3 metal oxide semiconductor based on German GGA series sensor and the design of the signal pretreatment circuit; the PC software development using VC++6.0, using the mixed programming technology, embedded Matlab engine, Implementation of BP network pattern recognition algorithm using artificial neural network toolbox function of Matlab.

The electronic nose system of gas sensor array and pattern recognition technology to combine, analysis and identification of mixed gas composition and concentration well. The system also uses the artificial neural network method, to effectively solve the cross sensitivity problem of the traditional single gas sensor, to improve the precision of gas detection.
Key words: electronic nose; gas sensor array; signal pretreatment; BP network

目 录
第1章 绪论 1
1.1 引言 1
1.2 电子鼻系统的发展概况及存在问题 1
1.2.1 国外的发展概况 1
1.2.2 国内的发展概况 3
1.2.3 存在的问题 3
1.3 本课题研究内容及意义 3
1.4 本论文内容安排 4
第2章 电子鼻系统综述 5
2.1 电子鼻组成及工作原理 5
2.2 气敏传感器 6
2.2.1 气敏传感器主要特性 6
2.2.2 气敏传感器基本分类 7
2.2.3 气敏传感器阵列 8
2.3 信号预处理方法 8
2.4 模式识别方法 9
2.4.1 模式识别概念 9
2.4.2 模式识别组成及各单元作用 9
2.4.3 模式识别方法 9
2.5 本章小结 11
第3章 电子鼻系统硬件设计 13
3.1 系统设计方案 13
3.2 单片机模块介绍 13
3.2.1 STC89C52简介 13
3.2.2 电源电路 14
3.2.3 时钟振荡电路 14
3.3 气敏传感器阵列的选择与设计 15

3.3.1 气敏传感器的选取 15
3.3.2 气敏传感器阵列设计 16
3.3.3 传感器阵列加热电路 17

3.4 信号预处理电路 18
3.4.1 放大电路 18
3.4.2 A/D转换电路 18
3.5 串行通信模块介绍 19
第4章 电子鼻系统软件设计 21
4.1 概述 21
4.2 单片机软件设计 21
4.3 上位机软件设计 23
4.4 BP网络 24
4.4.1 概述 24
4.4.2 基本BP算法 25
4.5 实验及结果分析 26
4.5.1 实验流程 26
4.5.2 数据归一化处理 27
4.5.3 实验结果 27
第5章 结论与展望 33
5.1 结论 33
5.2 不足之处及未来展望 33
参考文献 34
致 谢 35
附录：系统原理图 36

第1章 绪论
1.1 引言
气体检测在环境检测、食品工业、化学工业等领域有着重要的意义．以人类自身来说，日常生活和工作就与周围的大气环境息息相关，大气的变化对人类有着极大的影响：空气中缺氧会使人感到呼吸困难甚至窒息；空气中含有有毒气体则会给人类带来更大的伤害．室内环境的污染也严重影响人们的身体健康，近年来由于房屋装修中的甲醛超标问题更是引起人们的普遍关注，而家用可燃气的泄漏会引起人体中毒，甚至引发爆炸和火灾，使人们的生命财产受到巨大的损失．
随着现代工业的不断发展，生产中使用气体原料和生产过程中产生的气体种类和数量也不断提高，这些气体有些是易燃易爆的，有些是有毒的，它们泄漏到空气中就会严重污染环境，尤其是煤炭、化工、汽车等工业的高速发展使大气污染日趋严重．煤矿开采中引起的瓦斯爆炸造成人员伤亡，酸雨、温室效应、臭氧层的破坏等造成的环境问题是现代社会的一系列等待解决的问题．
因此，对人类生存和生产环境中的各种气体进行准确的分析检测，以监测控制气体排放，能对促进社会的健康和谐发展起到重要的作用．
电子鼻系统是模仿生物嗅觉系的一种通过使用电学来分析和识别混合气体的一种电子设备．气体被吸入气室腔内，被传感器阵列感应到．传感器将感应的信号转化成电信号，通过信号处理后，送到模式识别系统进行模式识别，并将识别结果输出显示．电子鼻的传感器阵列相当于生物嗅觉系统的嗅上皮，信号处理相当于嗅神经，而模式识别系统则相当于大脑皮层的神经系统．电子鼻不仅在传导结构上与生物嗅觉系统相类似，在气体识别功能上也很相似．电子鼻可以同时对多种气体进行检测，而且电子鼻具有对未知气体的学习功能，这大大提高了电子鼻的仿生功能，使电子鼻更像鼻子一样能够闻到学习到更多的味道．
电子鼻具有便携及实时、在线、原位分析等特点, 可用于气味鉴别、复杂环境下气体浓度鉴别和可燃气体、有机挥发物或有毒气体的鉴别, 具有广泛的应用前景, 是目前气体传感器研究的热点之一．电子鼻的应用前景是令人振奋的，诸如食品、饮料、石化、制药等工业在成品质量检验和过程质量控制等方面可由电子鼻部分代替人工劳动．
1.2 电子鼻系统的发展概况及存在问题
1.2.1 国外的发展概况
客观需求推动了电子鼻技术的发展．人和动物的嗅觉在人类的生产和生活中一直扮演着重要角色，很早以前人们就利用警犬异常灵敏的嗅觉来识别犯罪嫌疑人留在现场的气味，帮助破案．随着社会的发展，嗅觉在生活中的重要性有所下降，但在某些特殊领域却显得格外重要，有些场合并不适合人和动物直接接触，如环境污染监测、有毒气体检测等，因此人们致力于人工嗅觉，即电子鼻的研究．
早在1962年，Taguch和Seiyama就分别报道了用金属氧化物检测还原性气体的工作，1968年推出第一个商品化的用于检测室内气体泄漏的氧化锡气体传感器(TGS系列)．但20世纪60年代研制的“电子鼻”并非现代意义上的嗅觉模拟系统．直到20世纪80年代初，作为气味分类用的新型智能传感器的概念才真正被提出．1982年，英国Warwick大学的Persaud和Dodd用3个商品化的SnO2气敏传感器(TGS813,812,711)模拟生物嗅感受器细胞，并对乙醇、乙醚、戊酸等有机挥发气体进行了类别分析．从那时起，人们不断探索用嗅觉模拟系统测定简单气体的类别和浓度，涉及领域十分广泛．20世纪80年代末期，嗅觉模拟研究进入了快速发展时期．
电子鼻主要应用在以下几个方面：
(1) 食品工业
仅用一个石英振荡晶体传感器就可对加热蒸发后的红葡萄酒、白葡萄酒和玫瑰红葡萄酒进行分类识别．通过对传感器的响应曲线提取九种特征值，用主成分分析方法和三层前向神经网络可以100%区分上述三种葡萄酒．
利用WO3薄膜传感器阵列，采用主成分分析和聚类分析作为模式识别方法，在高温下对橄榄油、植物油、水果汁、番茄酱和其它饮料等进行识别研究，结果较好．
法国和日本的科学家们对食品新鲜度的判别问题，特别是肉类新鲜度，进行了积极探索．用电子鼻技术可以很好地测定食品的气味质量，由此可判断食品新鲜程度，并且能对食品腐烂的时间进行估计．
(2) 环境监测
环境监测主要是集中在对微量有害有毒气体的检测和监测上．利用微型SnO2传感器阵列对含有微量CO、CH4和乙醇的空气进行了识别研究．利用德国耶那环境传感器技术股份有限公司生产的GGS1000-GGS7000气体传感器对室内空气质量进行监测．致癌物质如苯和甲苯的监测也引起了人们的高度重视．
(3) 医学诊断
早在1995年John slater等就利用电子鼻进行了与肾有关的疾病的诊断研究．目前电子鼻多用于糖尿病、与肾有关的疾病和一些细菌的类型和生长阶段的识别方面的诊断．意大利科学家最近研制出一种电子鼻，它可嗅出人体各种疾病的气味，是早期发现疾病的一种有力武器．这种电子鼻不会受外部干扰，只要向其配备的气球内吹一口气，电子鼻即可通过生物传感器捕捉到其中含有的各种气味，经过计算机处理后形成化学图谱，协助医生分析患者的健康状况．这种电子鼻还可以嗅到人体皮肤各种腺体发出的气味，以及皮肤寄生虫和细菌发出的气味．所以，对各种疾病都可以通过气味图谱进行诊断，它比现在的诊断方法简便得多．
(4) 香水生产
在设计香水的香味时，许多时候都是通过人的鼻子来鉴定香味，但是人的嗅觉会受人的主观意志影响，而且进行香气鉴定的人都要通过严格的训练才能具有这种能力，所以进行这种鉴定公司要花费很大的代价( 包括训练费用和这些员工的工资)．而使用电子鼻得出的结果就会更加的客观和准确．
(5) 海关检查
在以往的海关检查中，工作人员都会使用警犬的嗅觉来检查乘客的行李中是否有危险品( 如炸药) 和违禁品( 如毒品)，但是训练和饲养警犬需要花费大量的资金和人力，并且警犬的嗅觉受它本身的情绪影响，如果采用电子鼻就能够更加精确和客观的得到检查结果．
随着材料学和制作工艺水平的不断提高，经过英国、法国、德国等大学研究人员十几二十年的努力，电子鼻已经达到了相当水平[4]．
1.2.2 国内的发展概况
相对而言，我国在电子鼻方面的研究起步较晚，主要研究单位有西安交通大学、中科院电子学研究所、中科院半导体所、复旦大学化学系、浙江大学生物系、厦门大学化学系、解放军防化研究院、西北工业大学等，大都还处在实验室阶段，可喜的是，由王平教授负责的浙江大学科研人员经过十几年研制成功的“电子鼻”肺癌诊断仪于2006年12月底通过了浙江省科技成果鉴定．研究成果达到国际领先水平．测试者只需对着“电子鼻”呼一口气，把气体吹入“电子鼻”的气袋中，仪器就能基于对多种肺癌诊断的标志性气体，在30分钟内查出是否患有肺癌．经过在浙大医学院附属邵逸夫医院的30例临床测试，判断成功率近80%[10]．
1.2.3 存在的问题
现有的化学型气敏传感器如半导体型一般需要较高的工作温度, 因此需要较大的加热功耗．如果采用多个气敏传感器组成传感器阵列, 一个电子鼻系统的功耗将增大几倍．而系统一般要求使用电池供电,这样将大大减少系统的单次使用时间, 增加电池的更换频率,这显然不利于传感器网络发挥作用．
传统的混合气体定量分析方法, 如神经网络法等, 通常要求训练样本数足够多以保证泛化精度, 在小样本情况下, 很难取得理想的训练效果和泛化性能．而且由于学习速率是固定的，所以收敛速度慢，从而可能出现局部最小值；隐含层的数目和单元数的选择尚无理论上的指导；网络的学习和记忆不稳定．如果增加了学习样本，训练好的网络就需要从头开始重新训练，对以前的权值和阈值没有记忆．
1.3 本课题研究内容及意义
本论文叙述了整个电子鼻系统，对CH4、CO和H2三种不同浓度比的混合气体进行了定量分析．系统以STC89C52单片机为控制核心，3个基于金属氧化物半导体SnO2的德国GGA系列传感器构成气敏传感器阵列，并设计了信号预处理电路等硬件电路部分；上位机软件采用 VC++6.0开发 ，利用混合编程技术，嵌入 Matlab 引擎，借助 Matlab的人工神经网络工具箱（ANNToolbox）函数实现 BP 网络模式识别算法．
电子鼻系统将气敏传感器阵列与模式识别技术相结合，能够很好地分析和辨识混合气体的组份及其浓度．系统还采用了人工神经网络法，有效地解决了传统的单一气体传感器普遍存在的交叉敏感性问题，有助于气体检测精度的提高．
电子鼻具有对未知气体的学习功能，这大大提高了电子鼻的仿生功能，使电子鼻更像鼻子一样能够闻到学习到更多的味道．电子鼻在食品、医疗、环境监测、能源、化工、交通、战争毒气检测和机器控制等行业和领域将有着广泛的应用价值．
1.4 本论文内容安排
第一章：从整体上介绍电子鼻的产生、发展概况和趋势．
第二章：具体介绍电子鼻的结构组成和各部分的作用．
第三章：详细描述整个系统的硬件设计．
第四章：详细描述整个系统的软件设计．
第五章：最后对本文内容进行全面总结，并提出了进一步研究方向．

第2章 电子鼻系统综述
2.1 电子鼻组成及工作原理
电子鼻基本结构主要由三大部分构成，分别是气敏传感器阵列、信号预处理单元和模式识别单元．气敏传感器阵列一般由具有广谱响应特性、较大的交叉灵敏度并具有对不同气体有不同灵敏度的气敏元件构成，克服了单个传感器存在交叉敏感的难题；气敏传感器阵列用来感应气体中的化学成分，把气敏元件对气体或气味的响应转化为可以测量的变化的电压信号．信号预处理单元对气敏传感器的响应输出信号进行预处理，完成滤波和特征提取等任务．模式识别单元相当于生物的神经中枢系统，对信号预处理单元所输出进来的信号做进一步的处理，完成对气体成分定性或定量分析．
混合气体
传感器1
传感器2
传感器3
传感器n
传感器信
号预处理
传感器信
号预处理
传感器信
号预处理
传感器信
号预处理
阵列信号
预处理
模式识
别引擎
模拟信号（传感）
数字信号（处理）
知识库
训练
测试
输出预测
气味表达
．　．　．
．　．　．

图2-1 电子鼻结构示意图
某种气味呈现在一种活性材料的传感器面前，传感器将化学变化转换成电信号，由多个传感器对一种气味的响应便构成了传感器阵列对该气味的响应谱．显然，气味中的各种化学成分均会与敏感材料发生作用，所以这种响应谱为该气味的广谱响应谱．为实现对气味的定性或定量分析，必须将传感器的信号进行适当的预处理（消除噪声、特征提取、信号放大等）后，再采用合适的模式识别方法对其进行处理．理论上，每种气味都有它的特征响应谱，根据其特征响应谱可区分不同的气味．同时还可利用气体传感器构成阵列对多种气体的交叉敏感性进行测量，通过适当的分析方法，实现混合气体的分析．
被测气体
传感器阵列
信号预处理单元
模式识别
识别结果

图2-2 电子鼻原理框图
2.2 气敏传感器
2.2.1 气敏传感器主要特性
气敏传感器是一种把气体(多为空气)中特定成分检测出来，并将其转换成适当电信号的器件．气敏传感器是气体检测系统的核心,通常安装在探测头内．从本质上讲, 气敏传感器是一种将某种气体浓度转化成对应电信号的转换器．它是电子鼻系统重要的硬件基础,其性能的优劣直接影响着电子鼻系统的识别精度．电子鼻系统不要求传感器具有高度的选择性,而是要求传感器具有广谱的响应性,即对多种气体成分敏感,以扩大系统的应用范围．
对于气敏传感器的主要性能特性,我们主要从以下几方面来研究：
(1) 稳定性
稳定性是指传感器在整个工作时间内基本响应的稳定性．它由零点漂移和区间漂移考察．零点漂移是指在没有目标气体时在整个工作时间内传感器对基本线性条件的响应的变化，理想情况下，一个传感器可以在连续工作情况下每年零点漂移小于10%．区间漂移是指传感器连续置于目标气体中的响应变化，它表现为传感器输出在工作时间内的降低．一个传感器可以在连续工作情况下每年区间漂移小于10%．
(2) 灵敏度
灵敏度是指传感器的输出增量与被测输入量之比，主要依赖于传感器结构所使用的技术．大多数气体传感器的设计原理都采用四种测定原理之一，即生物化学、电化学、物理、光学．在设计之初首先要考虑的是选择一种敏感技术，它对目标气体的阀限值(TO—thresh一oldlimitvalue)或最低爆炸限(LEL—lowerexplosivelimit)的百分比的检测要有足够的灵敏性．
(3) 选择性
选择性也被称为交叉灵敏度．它可以通过测量由某一浓度的干扰气体所产生的传感器响应来确定，这个响应等价于一定浓度的目标气体所生产的传感器响应．这种特性在工业加工领域追踪多种气体的应用中是非常重要的，因为交叉灵敏度会降低测量的重复性和可靠性，理想传感器应具有高灵敏度和高的选择性．
(4) 抗腐蚀性
抗腐蚀性是指传感器暴露于高浓度目标气体中的能力．在气体大量泄漏时，探测器应能够承受期望气体浓度10-20倍，在返回正常工作条件时，传感器漂移和零点校正值应尽可能小．
另外，从经济方面考虑,传感器还应具备以下条件：
(1) 低成本；
(2) 长寿命；
(3) 易于标定和维护；
(4) 无需复杂的外围设备；
(5) 所产生的电子信号不需要由复杂的电子电路来处理．
气敏传感器的最基本特征,即灵敏度、选择性及稳定性等主要通过材料选择确定,目前使用的气敏材料主要有陶瓷气敏材料和高分子气敏材料两大类．选择适当的材料以及开发新材料和使敏感特性最优化也是气体传感器的发展方向之一．
2.2.2 气敏传感器基本分类
在传感器的研究开发活动中，气敏传感器是最为活跃的，因为气敏传感器与人类的生活、生产活动关系最为密切,适合于组成阵列的气敏传感器有：
(1) 金属氧化物半导体气敏传感器．由金属氧化物如SnO2、ZnO、Fe2O3、TiO2、WO等作为半导体气敏元件制作的气敏传感器，是目前世界上生产和应用最多的一类气敏传感器，它是利用气体与半导体接触引起半导体性质(如电阻)发生变化而测量气体的．它对气体和气味(尤其是可燃性气体和某些有毒气体)具有较高的灵敏度，具有制作简单、成本低廉、响应速度快等优点，但存在对气体和气味选择性差、元件参数分散、使用时要加热等缺点．通过在半导体内加入少量的Pt，Pb，Au等贵金属催化剂,改善制作工艺、改变工作温度可以在一定程度上提高灵敏度和选择性．
(2) 有机半导体气敏传感器．利用有机材料如酞化管制作气体传感器已有很长一段时间，电子鼻中使用有机材料传感器有以下潜在优点：材料的选择范围广的多，而且与不同种类气味分子起作用的重要官能团可以嵌入活性材料，导电聚合物(如聚毗咯和聚苯胺)和生物脂涂层就是两个主要的例子．这些传感器可以在接近室温的条件下工作．
(3) 固体电解质气敏传感器．这是产量仅次于金属氧化物半导体气敏传感器的一类气敏元件．它以离子占绝对优势的固体电解质为原料，制成各种结构的电化学电池,如由稳定氧化钻等固体电解质和铁电极构成电化学电池，可以装在各种窑炉的烟囱里测量氧的浓度，用以分析和改善窑炉燃烧情况，这种传感器叫Lambda传感器，是最早的固体电解质传感器．
(4) 质量型气敏传感器．振荡电路中的石英压电晶体是灵敏的质量检测器．如果石英压电晶体的表面涂上可逆的气味/气体吸附材料，就可以得到简单的气味/气体检测器，吸附的气体分子增加了石英的质量,从而降低了振荡频率．因而振荡频率的变化是特定气味/气体浓度的线性函数．但这种气敏传感器测试范围小，受环境因素影响较大．另一种质量型气敏传感器是声表面波器件，它测量的是气味/气体吸附膜中建立起来的持续波的扰动，具有灵敏度高、信号易于处理、功耗低等优点．
(5) LB膜气敏传感器．L-B技术是一种有机高分子单分子膜堆积技术，即在水气界面上将分子加以紧密排列，然后转移到固体载体上的技术．LB膜极薄，用它作为传感器的基质，加上识别系统，可研制出相应速度快、灵敏度高、性能优异的气体传感器．这种传感器可在常温下使用，并能与平面硅微技术兼容，易于实现小型化、集成化．
随着新材料技术和传感器技术的的发展，将会不断地有新的性能更优异的气敏传感器被研制出来．
2.2.3 气敏传感器阵列
该气敏传感器阵列采用溅射工艺及混合薄膜技术制造，由集成在纯度较高的Al2O3基底上的三个单一气敏传感器和两个用于保证传感器工作温度的加热器构成，尺度为5mm*5mm*0.5mm,气体传感器为基于SnO2的金属半导体敏感层，敏感机理为被检测气体吸附造成的半导体敏感层电导率的变化，制造过程中掺杂不同的添加剂可以使传感器对不同的气体敏感性增强，加热器和电极由铂层组成，同时，加热器也可分别作为温度传感器使用，每一个传感器阵列的输出信号都是一个三维向量，该结构用于气体测量分析，不但节约了用于测量的传感器的个数，降低了成本，更重要的是降低了信号预处理电路的复杂程度，而且多维向量输出，便于后面的数据处理．
2.3 信号预处理方法
信号预处理在一定程度上对应于生物鼻的嗅泡．它对传感器或阵列的响应模式进行预加工，其作用是对传感器阵列输出的信号进行滤波、交换和特征提取，其中最重要的就是对信号的特征提取，不同的信号处理方法也正是按特征提取方法的不同来区分的．目前，常用的特征提取方法模型有；相对法、差分法、对数法和归一法等，如表2-1所示．这些方法既可以处理信号，为模式识别做好数据准备，也可以利用传感器信号中的瞬态信息检测、校正传感器阵列．大量实验表明，相对差分法和分数差分法有助于补偿传感器的温度敏感性；部分差分模式除了可以补偿敏感性外，还能使传感器电阻与浓度参数的关系线性化；对数法可以使高度非线性的浓度依赖关系线性化；归一法则不仅可以减小化学计量分类器的计量误差，还可以为人工神经网络分类器的输入准备适当的数据．不同的信号处理子系统往往与某个模式识别子系统相结合一起，将其设计成一套软件系统的两个过程，这样可以方便数据转换并保证模式识别过程的准确性．
表2-1 部分传感器信号预处理方法
算法
公式
传感器类型
差分

金属氧化物化学电阻型
声表面波型
相对差分

金属氧化物化学电阻型
声表面波型
分数差分

金属氧化物化学电阻型
导电聚合物型
对数

金属氧化物化学电阻型
传感器归一化

金属氧化物化学电阻型
压电晶体型
平方归一化

金属氧化物化学电阻型
压电晶体型
导电聚合物型

实验证明，利用适当的预处理方式对采集后的数据进行处理，一方面可以使传感器响应曲线更平滑另一方面可以消除环境因素对气体传感器的影响，将测试值中的环境因素去掉，对基线进行校正并去掉，只保留待测气体的响应值，可提高电子鼻测试的精度和可重复性．
总之，信号预处理可以实现以下主要功能：
(1) 滤除气体采集过程中引入的噪声和干扰，提高信噪比；
(2) 消除信号的失真，人为增强有用信号；
(3) 为后续处理信号进行适当变换．
2.4 模式识别方法
2.4.1 模式识别概念
模式识别对应于生物大脑的嗅觉中枢．采用一定的算法来实现对气敏传感器阵列数据的整合处理，能从整体上对测量的气味给出识别的结果，可以是定性的，也可以是定量的结果．
从广义上来说，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．具体来说，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．
从狭义上来说，模式就是某些具体的研究对象定量的或结构的描述，描述类别就是具有某些共同特征的描述的集合．也就是说，模式识别就是把待识别的特征与已知的模式类别比较，从而确定物体类别归属的一个过程．就电子鼻系统来说，模式识别是对传感器阵列的输出信号进行适当的处理，以获得混合气体的组分信息和浓度信息．
2.4.2 模式识别组成及各单元作用
模式采集
预处理
特征提取
模式分类
被识别对象

图2-3 模式识别组成
(1) 模式采集单元；任何一种模式识别方法都要首先通过传感器把被研究对象的各种物理变量转换为计算机可以接受的数值或符号(串)集合．
(2) 预处理单元；为了从这些数字或符号(串)中抽取出对识别有效的信息，必须对它进行处理，其中包括消除噪声，排除不相干的信号以及与对象的性质和采用的识别方法密切相关的特征计算(如表征物体的形状、周长、面积等)以及必要的变换(如为得到信号功率谱所进行的快速傅立叶变换)等．
(3) 特征提取单元；通过特征选择和提取形成模式的特征空间，为以后的模式分类打下基础．通过特征提取不仅可以减少运算量还可以提高分类的准确率．
(4) 模式分类；将特征空间划分为类型空间．
2.4.3 模式识别方法
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、聚类分析等)和人工神经网络的方法(包括BP网络、Kohonen网络)等．
(1) 主成分分析法（PCA , principal component analysis）
主成分分析法是一种古老的统计分析算法，是有导师监督的线性分类技术．其原理是：首先通过线性变换将原始数据(矩阵)转换成若干个向量，要求它们之间相互正交，且第一个向量能反映模式间自变量的最大差异，其它向量所反映的这种差异程度依次降低，称这些向量为主成分．按照一定的法则选择部分特征向量构成新的数据映射空间坐标轴，以实现降维，产生新的“综合变量”，将多维空间的信息在低维空间(通常是二维)表现出来，可用于寻找最重要的变量和样本分类．主成分分析法可最大限度地保持原有测量数据集的信息，但降维后保存下来的信息却不一定对分类最有用．
(2) 偏最小二乘法（PLS, partial least square method）也是一种线性方法，这种方法可以消除变量之间相关性的干扰问题，还可以最大程度地减弱系统噪声，使建立的模型预报准确度更高．对于用选择性较差的传感器组成的阵列，各个传感器响应的相关性较大，用这种方法处理比较合适．但处理强非线性问题时必须谨慎使用，或者把非线性问题线性合后再用此法．
(3) 聚类分析法（CA, cluster analysis）
聚类分析法是一种无导师监督的模式分类技术，可以把事先不能确定的不同种类或级别的对象加以正确分类或分级．基本思想是：把要归类的几个变量各自看成一类，共n类，然后按事先规定好的方法计算各类之间的归类指数（如某种相关系数或距离），根据指数大小衡量两两之间的密切程度，将关系最密切的两类并成一类，其余不变，得n-1类．在此基础上重新计算各类之间的归类指数，进行合并得n-2类．如此下去，直到最后．
与统计模式识别相比，人工神经网络(ANN)是一种模仿人类大脑思维的仿生算法，具有以下几个特点：
(1) 既可模仿人的逻辑思维又可模仿人的形象思维，是典型的非参数数据处理方法；
(2) 很强的适应能力．神经网络通过学习能自动掌握和挖掘隐藏在事物内部的、不能
用明确数学表达式表示的“灰箱”或“黑箱”关系，非常适于处理非线性数据；
(3) 网络被训练好后具有快速操作性能；
(4) 良好的容错性，能容忍传感器10%的漂移和噪声．
因而在电子鼻系统中成为一种重要的数据处理方法，具有广泛的应用前景．
神经网络模型很多，根据神经元的连接方式可分为三大类：没有反馈的前向神经网络（feedforward neural networks）、反馈神经网络（feedback neural networks）和自组织神经网络（self-organizing neural networks）．按学习方式可分为有导师的、无导师的和固定权重三种类型．
(4) BP网络
BP 网络是最常见的一种前向型有监督的神经网络，由输入层、隐含层和输出层构成，是 80 年代由 Rumelhart 和 McCelland 及其研究小组提出的最有影响的神经网络学习算法—误差反向传播（error back propagation,BP）算法，是目前应用最广泛的一种神经网络．但也有如下缺点：
由于学习速率是固定的，所以收敛速度慢；
(1) 可能出现局部最小值；
(2) 隐含层的数目和单元数的选择尚无理论上的指导；
(3) 网络的学习和记忆不稳定．如果增加了学习样本，训练好的网络就需要从头开始重新训练，对以前的权值和阈值没有记忆．
为此，又提出了一些性能更优良的神经网络——径向基函数神经网络，这种网络具有最佳逼近、能够较好克服局部最优问题的能力，使神经网络的识别性能而到进一步改善．
(5) 自组织特征映射神经网络（Kohonen网络）
是一种基于无监督学习方法的人工神经网络，和BP网络相比，只有输入层和输出层两层．输出层通常由二维平面神经元组成，训练或学习的结果是输出层某一神经元及周围神经元对某一输入显示出不同程度的兴奋，而其余的神经元受到抑制，具有和人脑信息映射相类似的特点，更接近人脑的认知过程．
还有其它一些算法如模糊模式识别法和遗传神经网络等用于电子鼻中[10]．
2.5 本章小结
本章首先从结构上对电子鼻的组成作了整体介绍．其次，分别就电子鼻的几个重要组成部分：气敏传感器及阵列、信号预处理和模式识别作了较为详尽的介绍．

第3章 电子鼻系统硬件设计
3.1 系统设计方案
该系统由STC89C52单片机、气敏传感器阵列、信号预处理电路、串行通信模块等几部分组成，系统原理框图如图3-1所示．系统先将保护气、氢气、甲烷、一氧化碳混合气体充进容器，三种气体通过传感器阵列作用，每个传感器会产生电流信号．信号在经过A/D转换和放大等处理，再通过RS232串行通信模块将数据传至电脑．再经由程序算法定量的分析出每种气体的浓度，并与理论值比较，分析误差．最后将得到的数据用MATLAB图像显示出来．整个系统原理图见附录．

单片机
STC89C52
电源
电路
RS232串行
通信模块
PC机
气敏传感器阵列预处理模块
气敏传感器
自动温控模块
气敏传感器
信号拾取电路
气敏传感器阵列
信号
预处理

图3-1 基于集成气体传感器阵列的气体识别硬件系统原理框图
3.2 单片机模块介绍
3.2.1 STC89C52简介
STC89C52是STC公司生产的一种低功耗、高性能CMOS8位微控制器，具有 8K 在系统可编程Flash存储器．STC89C52使用经典的MCS-51内核，但做了很多的改进使得芯片具有传统51单片机不具备的功能．在单芯片上，拥有灵巧的8 位CPU 和在系统可编程Flash，使得STC89C52为众多嵌入式控制应用系统提供高灵活、超有效的解决方案．

图3-2 STC89C52单片机
3.2.2 电源电路
由于整个系统是在5V电压环境下工作的，所以需要设计一个5V输出的电源模块．
如图3-3所示，市电220V电压首先通过一个变压器使电压降到12V左右的交流电压，然后经由二极管组成的整流电路处理后，变成直流电压．最后在通过三端稳压器就可以输出一个稳定的直流电压了．图中稳压器输入和输出端的电容起到滤波的作用，使输入和输出的电压更加稳定．由于我们要得到一个5V的直流电压，所以稳压器的型号选择7805．

图3-3 电源电路原理图
3.2.3 时钟振荡电路
时钟电路是用于产生单片机工作时所必需的时钟信号．时钟是单片机的心脏，时钟频率直接影响单片机的速度，时钟电路的质量也直接影响单片机系统的稳定性．电路中的电容C2、C3典型值为30±10 pF．外接电容的值虽然没有严格的要求，但是电容的大小会影响振荡器的稳定性和起振的快速性，本设计采用的是22pF电容．同时，在系统中采12MHz的晶体振荡器来产生时