当前位置：主页 > 科技论文 > 电子信息论文 >

基于嗅觉模型的电子鼻仿生信息处理技术研究进展

发布时间：2016-08-08 22:03

本文关键词：基于嗅觉模型的电子鼻仿生信息处理技术研究进展，由笔耕文化传播整理发布。

当前位置：文库下载 > 所有分类 > 工程科技 > 能源/化工 > 基于嗅觉模型的电子鼻仿生信息处理技术研究进展

基于嗅觉模型的电子鼻仿生信息处理技术研究进展

2008年11月第53卷第22期

技术、电子技术和模式识别技术等工程手段紧密结合研制成的新颖仿生检测仪器. 通常, 样品挥发的气味与阵列中多个气敏传感器反应, 将化学信号转换成电信号,

基于嗅觉模型的电子鼻仿生信息处理技术研究进展

归一化等预处理过程, 获取并增强该样品所对应的综合指纹信息, 再从中提取合适的特征输入到特定的模式识别算法, 最终完成对样品的定性或定量辨识[4](图2). 与生物嗅觉的结构和功能相比较, 电子鼻气室内的气敏传感器阵列相当于鼻腔上的嗅上皮, 具有交叉敏感的化学传感器则相当于对多种气味分子敏感的嗅神经元, 其作用都将气味的化学信息转换为电信息; 预处理的功能类似于嗅球内信号的整合与增强; 模式识别原理, 特别是人工神经网络(ANN)方法, 则一定程度上模拟了大脑皮层信息编码、处理和存储等过程[14].

气敏传感器阵列实现了气味信息从样品空间到测量空间的转换, 是电子鼻信息处理的关键环节. 不同传感原理和制作工艺的气敏传感器丰富了电子鼻对气味信息的获取途径, 常用的有金属氧化物半导体(MOS), 石英晶体微天平(QCM)、导电聚合物(CP)、声表面波(SAW)等[5]. 构建阵列的传感器除了应该满足响应快且可逆、重复性好, 灵敏度高等条件, 还必须对各种气味广谱敏感(弱选择性), 并且阵列中各传感器对同种气味要交叉敏感, 以保证从有限数量的传感器中获取更多的气味信息[15]. 通常, 从传感器阵列中获取的原始信号数据量很大, 需要先对其进行特征提取, 将模式从较高维的测量空间变换到较低

维的特征空间, 而模式识别过程则是将特征空间划分为分类空间的过程, 它是电子鼻智能化的核心单元(图2). 开发性能优良的气敏传感器构建阵列与设计强大的信息处理算法在电子鼻实现气味识别中是相辅相成、缺一不可的. 目前各种各样的模式识别算法被引入电子鼻领域, 包括参数化的多元统计方法, 如图3所示, 它们各有优缺点, 很难找到最佳方法. 因此如何设计或改进模式识别算法使之适合处理相应传感器阵列信息一直是电子鼻研究者的重要工作之一. Shaffer等人[16]为适合电子鼻中使用的模式识别算法提出了5

个评价标准, 包括识别率、运算速度、训练难易度、内存容量和抗干扰能力.

多元统计方法是基于阵列信号的分布能用概率密度函数描述的假设, 来寻求气味输入和类别输出之间的内在数学程式关系[4]. 这些方法数学结构清晰、处理过程透明, 且容易实现, 因此在目前商业化产品中使用广泛, 例如Alpha MOS公司1)的FOX4000、Technobiochip公司2)的LibraNose和AIRSENSE Ana- lytics公司3)的PEN3电子鼻均内置PCA和PLS等多种多元统计算法. 但这些多元统计方法通常缺乏自学习能力, 一般用于可视化和数据预处理等辅助分析过程. 另外, 传感器阵列信号在本质上是非线性的, 无法用简单的变换完全消除, 而且样本之间变异极小不能建立有效的统计模型, 导致这种线性方法在电子鼻信息处理中缺乏鲁棒性[17].

. 神经

图2 电子鼻信息处理过程

1) 2) 3)

2676

Word文档免费下载：基于嗅觉模型的电子鼻仿生信息处理技术研究进展（下载1-13页，共13页）

我要评论