本文介绍了人工嗅觉系统――电子鼻的研究现状和应用领域,分析了电子鼻在气味检测中的优势,详细介绍了电子鼻系统的各个硬件组成部分,全面系统地研究了电子鼻信号处理中的各种方法,并利用实测数据对各种信号处理方法在气体等级鉴别中的作用进行了实验分析。论文对目前各种类型的气体传感器进行了介绍,并简单对比了各自的优劣。介绍了本课题中采用的电子鼻硬件系统的三个组成部分――传感器阵列、信号调理电路和数据采集卡。电子鼻的输出是由多个传感器的输出组成的。每个传感器的输出都是它对所有待测气体响应的叠加。因此,电子鼻信号是一种复杂的高维信号。本文重点对目前电子鼻信号处理中的各种信号处理方法进行了研究和探讨。主要介绍了主成分分析在电子鼻信号降维中的作用,BP神经网络、SOM神经网络和模糊神经网络等人工神经网络识别模型的结构和算法以及独立分量分析在电子鼻信号特征提取中的作用。结合气体等级识别的要求,在综合各种信号处理方法的基础上,提出了基于电子鼻的气体等级鉴别模型。利用该模型的处理方法对实际测量的实验数据进行了定性分类识别。从实验上进一步证实了主成分分析、独立分量分析的作用。对比了各种神经网络的识别效果并得出了最佳的神经网络识别模型。最后对基于电子鼻的气体检测的研究作一展望,对后续研究工作进行了设想。