岭南地区中草药资源品种多，分布广，产量大，有不少质量上乘的道地药材及中成药，素有“广药”之称。但由于药材种类繁多，来源复杂，不但贵重稀有药材的伪劣品屡屡发现，一些常用普通中草药都会有混淆品出现。因此，中草药质量的可控性研究一直是中医药界关注的热门课题。在对中草药分类鉴别和质量控制方面的国内外现状和发展趋势详细了解和分析的基础上，本文探讨了利用机器嗅觉技术，通过气味综合信息来建立一种鉴别、评价中草药类别和品质等级的新方法。主要研究内容如下： ⑴通过基于统计学的方差分析方法，研究了不同顶空空间、不同顶空生成时间和不同进气流量等影响机器嗅觉系统（俗称“电子鼻”）传感器响应特性的因素。通过对响应信号的相对标准差的分析，确定了获得较佳信号的试验条件和试验参数。研究表明，在中草药样品质量一定（15g）、采样时间为60s的条件下，较大容积的顶空空间（500ml）有利于保持信号的稳定，30-60min的静置时间可形成足够浓度的、稳定的顶空气体；中速的进气流量（200ml/min）即可保证采样信号的稳定性，也可使得样品气体与传感器阵列充分接触反应。 ⑵对不同品种、产地、生产日期的中草药样品进行图谱构建，从直观上分析了中草药气味指纹图谱与药材品种、产地及生产日期的关系。根据响应曲线的趋势和变化情况，分别选择各个传感器的3个统计参数（即最大响应值、平均值、标准差），以及对响应数据进行4阶多项式拟合得到的5个拟合参数，合共8个特征子集来组成原始特征参数向量。利用主成分分析方法和主元载荷分析方法，实现了对原始特征参数向量的降维。采用前五个主成分的得分值作为新的特征参数，使特征参数向量由80维降至5维，并且可以保留原始特征参数向量绝大部分（95％以上）的信息。 ⑶利用PCA分析得到的降维后的特征参数，通过距离判别、相关性分析以及线性判别分析等方法，实现了对中草药样品的分类鉴别。欧氏距离法判别效果最好，其次是马氏距离法，相关性分析法判别性能不稳定。PCA方法可以从高维空间中找出数据分布的主轴方向，但对分类起重要作用的主成分的方差贡献率较低时，会被忽略而导致分类效果不好；LDA方法一般不能应用于少样本、高维数的分类问题，但通过PCA方法将维数降低，就可以利用LDA实现准确的数据分类。