工业生产和生活出行排放的各种有毒有害气体对人们健康的工作、生活来说是很大的威胁。研究有毒有害气体检测以及识别技术对营造健康、良好、安心与舒适的环境具有重大意义。该技术要求能够对待测气体的类别及浓度做出准确的预测,使人类能对相关问题做出快速的反应和及时有效的处理,保证人们生活在一个安全与健康的生存空间里。本文利用FBAR质量敏感器件组成的多传感器阵列系统,以预测五种气体类别及浓度为目的,通过主元分析、神经网络等模式识别方法对采集到的相关气体信号进行分析。主要包括以下几点:1.薄膜体声波谐振器的气体测试实验:利用FBAR为核心的检测系统对相关气体进行测试,对采集的气体响应频移进行分析与处理,并评估传感器的相关性能(如敏感性、选择性以及检测极限等)。2.基于主元分析以及图形方法定性识别气体:对主元分析的基本介绍,包括基本原理、数学推导以及处理过程等,并利用该方法对单一气体进行定性识别。然后以气体频移和灵敏度为参数所形成的图案可视化识别气体的类别。3.神经网络定性识别与曲线拟合定量识别:对神经网络相关内容的说明以及基于BP神经网络定性识别单一气体,然后在此基础上利用相关的曲线拟合方法判断气体的浓度。结论:该实验所用的FBAR传感器具有很高的性能(灵敏度高、选择性好、检测极限低等)。所用的模式识别方法可以对待测气体(丙酮、乙酸、正辛烷、甲苯、乙醇)进行有效的预测:基于主元分析与图形识别简单可视化的分类气体,神经网络定性预测准确性要高于90%,曲线拟合定量识别误差低于8%。