| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·本课题背景及研究意义 | 第8-9页 |
| ·气体检测及其国内外发展现状 | 第9-12页 |
| ·气体传感器阵列及气体模式识别方法 | 第9-10页 |
| ·盲源分离理论 | 第10-12页 |
| ·本文主要研究内容及内容安排 | 第12-13页 |
| 第2章 气体检测实验设计 | 第13-22页 |
| ·硬件系统设计 | 第13-19页 |
| ·气体传感器阵列 | 第13-15页 |
| ·温湿度传感器 | 第15-17页 |
| ·测试容器 | 第17页 |
| ·信号采集与处理 | 第17-19页 |
| ·软件系统设计 | 第19-21页 |
| ·LabView 介绍 | 第19-20页 |
| ·软件结构 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 气体传感器阵列模式识别方法研究 | 第22-28页 |
| ·基于前馈人工神经网络的气体识别方法 | 第22-25页 |
| ·人工神经网络概述 | 第22页 |
| ·BP 神经网络模型 | 第22-24页 |
| ·BP 神经网络的缺点 | 第24-25页 |
| ·基于多元回归分析的气体识别方法 | 第25-26页 |
| ·基于独立成分分析的气体识别方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第4章 独立成分分析理论及方法 | 第28-50页 |
| ·信息熵理论 | 第28-31页 |
| ·信息熵 | 第28-29页 |
| ·互信息 | 第29页 |
| ·极大熵 | 第29-30页 |
| ·负熵 | 第30-31页 |
| ·主成分分析（PCA）和白化（Whitening） | 第31-34页 |
| ·主成分分析（PCA） | 第31-33页 |
| ·白化（Whitening） | 第33-34页 |
| ·独立成分分析（ICA） | 第34-43页 |
| ·ICA 的问题描述 | 第34-35页 |
| ·ICA 的约束以及含混因素 | 第35-36页 |
| ·ICA 的目标函数 | 第36-38页 |
| ·ICA 的优化算法 | 第38-43页 |
| ·FastICA 算法 | 第43-47页 |
| ·提取单个独立成分 | 第43-46页 |
| ·提取多个独立成分 | 第46-47页 |
| ·ICA 程序设计 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 气体分析实验 | 第50-65页 |
| ·气体传感器阵列信号预处理方法 | 第50-51页 |
| ·单一气体作用下传感器阵列响应数据的测量 | 第51-59页 |
| ·单一气体的定性识别 | 第52-56页 |
| ·单一气体的定量检测 | 第56-59页 |
| ·混合气体作用下传感器阵列响应数据的测量 | 第59-63页 |
| ·混合气体的定性识别 | 第59-61页 |
| ·混合气体的定量检测 | 第61-63页 |
| ·气体的实时检测设计 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |