电子鼻信号处理方法综述

电子鼻信号处理方法综述

作者：李宁薛亚许

来源：《电子世界》2013年第01期

【摘要】具有模仿人的嗅觉系统的电子鼻在过去十年中发展迅速，大部分成果开始商业应用，主要应用于食品和化妆品行业。用于电子鼻系统的信号处理方法主要包括静特征分析法和动态特征处理方法。静态特征分析法包括主成分分析法，判别函数分析法，类聚分析法和基于网络的多层感知器。动态特征分析法包括传统的参数法和非参数法，非参数法是借助于传统的系统识别方式及线性滤波器、时间序列神经网络系统。

【关键词】电子鼻；静态信号处理方法；动态信号处理方法

1.引言

电子鼻是由气体传感器阵列和具有识别单个或者混合气体能力的特定模式识别系统组成的一个检测系统，它将仿生学、传感技术、信号处理、模式识别和计算机科学等多种学科交融于一身，模仿生物感官——鼻子的功能。

通常，采用电子鼻系统稳态响应信息进行样本特征信息提取和处理，但在很多应用场合需要分析环境中的大量化学成分时，需要知道的是混合气体或气味的综合信息，这时，结合动态响应特性进行识别，能够增加分析信息的维数，获取有关环境气体更为充分的信息，有利于提高电子鼻系统的分析精度。由传感器阵列产生的响应可以用一个依赖时间的向量表示：

，式中n是传感器阵列中传感器的个数，m种气体的响应可以表示成一个m维的列，构成一个响应矩阵R。因为每个传感器对不同的气体有交叉敏感性，所以矩阵R的各个元素都是非零值[1]。

由于动态特征分析方法在很大程度上减少传感器的校准时间及由于传感器的老化、中毒等产生的漂移现象[2]，所以最近几年多传感器系统的动态信号处理方法引起十分关注。据报道，Heilig等人将人工神经网络算法应用于FFT变换高次谐波功率谱来定量分析气体混合物（CO，NO2）的响应。Kunt等人使传感器在各种温度调制方法下，并使用小波变化法来分析传感器的动态响应。在国内，于鹏等人于2003年采用动态工作温度全程信号采集的方法，结合RBF神经网络，利用优化的金属氧化物气体传感器阵列对茅台酒、五粮液、汾酒三种白酒进行识别，准确率达到80%。已有研究表明，将样本的动态响应信息结合有效的信号预处理与模式识别，能够提高系统的识别能力和分析精度[3]。

2.静态特征分析方法

根据模式识别的性质可以分为参数法和非参数法、监督方式和非监督方式。参数法是基于传感器数据可由一个概率密度函数（PDF）来描述，非参数法不用设定任何概率密度函数，因

此应用较广。在监督式模式识别方法中，一组已知气体被系统地引入电子鼻系统中，根据已知的数据库中各类气体的特征来区分这些气体。之后根据数据库中已知的类聚特性对未知气体进行检测[4]。气体的模式识别方法不需要单独的训练过程，而是自动的从响应向量中学习不同的类聚方法（无监督学习），这些方法接近人类识别气体的习惯。

2.1 预处理方法

2.1.1 归一化法

预处理方式是用来帮助从特定的问题中分析数据，例如对输出数据的线性化或者用一种标准化公式对响应向量中的浓度波动进行补偿，同时对传感器装置进行线性化。数据的预处理包括气体浓度信号的归一化和传感器阵列信号的预处理。气体浓度信号的归一化为：