作为中国的传统医学,中医博大精深,源远流长,是中国传统文化的瑰宝。近些年来,随着科技迅速发展,使得中医“望、闻、问、切”四诊现代化的需求越来越迫切。本课题主要围绕中医“闻”诊现代化展开研究,即通过呼吸气体分析仪检测口腔气体成分的浓度来进行疾病诊断。呼吸气体分析仪利用各种气敏传感器实现气体的感知,但随着时间的推移,由于传感器自身的老化会导致长期漂移,这是不可避免的现象。因此有必要对传感器的长期漂移进行校正。课题组自主研发了一款呼吸气体分析仪,其由十一个气敏传感器组成,由于传感器不同,它所敏感的气体种类也不尽相同。为了观察传感器的漂移变化规律,首先我们采用4种标准气体组成的10种参考样本对传感器进行长期跟踪实验。然后采用基线差分法对传感器初始响应值进行去噪预处理,提取稳态特征值降低实验复杂度。通过观察分析响应数据选定传感器对应的敏感气体,根据传感器对敏感气体的漂移规律,建立漂移模型,用于后期的补偿。设计了基于主成分分析的成分校正法。该算法对传感器采集的参考样本数据,使用主成分分析法得到漂移系数矩阵。然后将测试样本投影到漂移系数矩阵上,得到测试样本的漂移部分。在测试样本中减去漂移部分即可得到校正后的样本数据。经过成分校正法校正以后,使用支持向量机分类算法对校正前后的数据分别进行分类,校正后的样本分类正确率有所提高,证明了补偿算法的必要性。提出了基于乘性校正法的长期漂移校正算法,首先根据参考样本的长期漂移规律,使用平滑函数对参考样本进行平滑,然后建立分段线性模型,使用乘性校正法进行校正。最后使用正则化逻辑回归分类算法和K近邻分类算法对补偿前以及补偿后的数据进行分类,验证乘性校正法补偿的有效性。本课题使用的两种漂移校正算法对传感器存在的长期漂移起到了比较好的补偿作用,提高了呼吸气体分析仪对后期采集样本的分类准确度。