| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 绪论 | 第8-15页 |
| 1．1 引言 | 第8页 |
| 1．2 电子鼻动态特征信息处理方法的提出 | 第8-10页 |
| 1．3 电子鼻动态特征信息处理方法研究现状 | 第10-13页 |
| 1．3．1 国外研究现状 | 第10页 |
| 1．3．2 国内研究现状 | 第10-13页 |
| 1．4 研究方向 | 第13-14页 |
| 1．5 论文内容 | 第14-15页 |
| 第二章 电子鼻简介 | 第15-28页 |
| 2．1 电子鼻技术的提出 | 第15-16页 |
| 2．2 哺乳动物嗅觉机理 | 第16-17页 |
| 2．3 电子鼻的结构和概念 | 第17-24页 |
| 2．3．1 气敏材料 | 第18-19页 |
| 2．3．2 气体传感器 | 第19-21页 |
| 2．3．3 气体传感器阵列 | 第21页 |
| 2．3．4 模式识别信息处理方法 | 第21-24页 |
| 2．4 电子鼻系统应用与发展前景 | 第24-27页 |
| 2．5 小结 | 第27-28页 |
| 第三章 电子鼻动态信息模式识别技术 | 第28-54页 |
| 3．1 模式识别技术概述 | 第28-29页 |
| 3．2 动态特征信息处理的方法及原理 | 第29-33页 |
| 3．2．1 方法概述 | 第29-30页 |
| 3．2．2 动态特征信息处理方法的理论基础 | 第30-33页 |
| 3．3 动态信号预处理方法 | 第33页 |
| 3．4 模式识别方法 | 第33-53页 |
| 3．4．1 人工神经网络概述 | 第34-40页 |
| 3．4．2 BP网络 | 第40-45页 |
| 3．4．3 多 BP子网络识别方法 | 第45-47页 |
| 3．4．4 径向基网络 | 第47-49页 |
| 3．4．5 基于最小二乘法的模式识别方法 | 第49-53页 |
| 3．5 小结 | 第53-54页 |
| 第四章 电子鼻动态测量系统实验装置 | 第54-72页 |
| 4．1 气体传感器阵列 | 第54-58页 |
| 4．1．1 GS000系列集成气体传感器阵列的结构 | 第55-56页 |
| 4．1．2 GGS系列气体传感器特性 | 第56-58页 |
| 4．2 信号调理电路 | 第58-59页 |
| 4．3 气体传感器加热与测温电路 | 第59-62页 |
| 4．3．1 铂电阻介绍 | 第59-60页 |
| 4．3．2 GSS000系列中集成的铂电阻工作介绍 | 第60-61页 |
| 4．3．3 加热电路设计 | 第61-62页 |
| 4．4 数据采集 | 第62-63页 |
| 4．5 虚拟仪器在电子鼻中的应用 | 第63-67页 |
| 4．5．1 虚拟仪器概念 | 第63-64页 |
| 4．5．2 虚拟仪器的构成及分类 | 第64-66页 |
| 4．5．3 基于 PXI总线的虚拟仪器系统 | 第66-67页 |
| 4．6 测控软件 | 第67-71页 |
| 4．6．1 LabWindows/CVI简介 | 第67-70页 |
| 4．6．2 虚拟仪器测试系统 | 第70-71页 |
| 4．7 小结 | 第71-72页 |
| 第五章 动态信息原位识别实验及数据分析 | 第72-93页 |
| 5．1 电子鼻实验系统结构 | 第72-73页 |
| 5．2 实验样本的选取 | 第73-74页 |
| 5．3 实验过程 | 第74-76页 |
| 5．3．1 温度标定 | 第74-75页 |
| 5．3．2 数据采集实验步骤 | 第75-76页 |
| 5．4 数据分析与信号预处理 | 第76-80页 |
| 5．5 BP神经网络法识别 | 第80-87页 |
| 5．5．1 BP神经网络 | 第80-83页 |
| 5．5．2 多 BP子网络模式识别 | 第83-87页 |
| 5．6 径向基(RBF)神经网络模式识别 | 第87-89页 |
| 5．7 最小三乘识别算法 | 第89-92页 |
| 5．8 小结 | 第92-93页 |
| 第六章 结束语 | 第93-96页 |
| 6．1 论文工作总结 | 第93页 |
| 6．2 论文的创新之处 | 第93-94页 |
| 6．3 论文的后继工作 | 第94-95页 |
| 6．4 论文的意义 | 第95-96页 |
| 参考文献 | 第96-99页 |
| 攻读硕士学位期间所发表的论文 | 第99-100页 |
| 致谢 | 第100-101页 |