| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 主要符号表 | 第17-18页 |
| 1 绪论 | 第18-39页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 国内外相关工作研究进展 | 第19-35页 |
| 1.2.1 信号处理技术 | 第20-26页 |
| 1.2.2 特征和传感器优化 | 第26-29页 |
| 1.2.3 模式识别技术 | 第29-32页 |
| 1.2.4 温度调制模式 | 第32-34页 |
| 1.2.5 漂移补偿的研究 | 第34-35页 |
| 1.3 电子鼻存在的问题 | 第35-37页 |
| 1.4 本文的主要研究内容 | 第37-39页 |
| 2 基于稀疏表示的分类算法 | 第39-60页 |
| 2.1 实验数据获取 | 第39-46页 |
| 2.1.1 实验测试平台的搭建 | 第39-43页 |
| 2.1.2 数据获取及预处理 | 第43-46页 |
| 2.2 稀疏表示理论基础 | 第46-48页 |
| 2.2.1 MP算法 | 第47-48页 |
| 2.2.2 内点法 | 第48页 |
| 2.3 基于SRC算法的气体识别 | 第48-54页 |
| 2.4 与其他算法性能比较 | 第54-58页 |
| 2.4.1 BP人工神经网络 | 第54-55页 |
| 2.4.2 决策树分类器 | 第55页 |
| 2.4.3 结果比较分析 | 第55-58页 |
| 2.5 本章小结 | 第58-60页 |
| 3 基于字典学习的气体识别算法研究 | 第60-81页 |
| 3.1 引言 | 第60-63页 |
| 3.2 MOD-SRC算法 | 第63-72页 |
| 3.2.1 MOD算法 | 第63-65页 |
| 3.2.2 MOD-SRC算法 | 第65-68页 |
| 3.2.3 基于MOD-SRC算法的气体识别 | 第68-72页 |
| 3.3 KSVD-SRC字典学习算法 | 第72-77页 |
| 3.3.1 K-SVD算法 | 第72-73页 |
| 3.3.2 KSD-SRC算法 | 第73-74页 |
| 3.3.3 基于KSVD-SRC算法的气体识别 | 第74-77页 |
| 3.4 不同算法性能比较 | 第77-80页 |
| 3.5 本章小结 | 第80-81页 |
| 4 基于联合字典学习的漂移抑制的研究 | 第81-104页 |
| 4.1 引言 | 第81-82页 |
| 4.2 基于联合字典学习的气体识别算法 | 第82-96页 |
| 4.2.1 联合字典学习模型 | 第82-84页 |
| 4.2.2 JDL-LS算法 | 第84页 |
| 4.2.3 模型参数设置 | 第84-85页 |
| 4.2.4 稀疏性和相干性分析 | 第85-88页 |
| 4.2.5 基于JDL-LS算法的气体识别 | 第88-92页 |
| 4.2.6 JDL-ADMM算法 | 第92-94页 |
| 4.2.7 基于JDL-ADMM算法的气体识别 | 第94-96页 |
| 4.3 基于在线JDL-ADMM算法的漂移抑制的研究 | 第96-103页 |
| 4.3.1 在线JDL-ADMM算法 | 第96-98页 |
| 4.3.2 数据来源 | 第98-99页 |
| 4.3.3 特征提取 | 第99-101页 |
| 4.3.4 基于在线JDL-ADMM算法的漂移抑制 | 第101-103页 |
| 4.4 本章小节 | 第103-104页 |
| 5 周期温度调制技术的研究 | 第104-122页 |
| 5.1 引言 | 第104页 |
| 5.2 数据获取 | 第104-108页 |
| 5.3 基于短时傅里叶变换的信号处理技术 | 第108-117页 |
| 5.3.1 STFT特征提取 | 第108-114页 |
| 5.3.2 基于JDL-ADMM的气体识别 | 第114-117页 |
| 5.4 遗传算法选择最优特征 | 第117-120页 |
| 5.5 与其他算法的性能比较 | 第120-121页 |
| 5.6 小结 | 第121-122页 |
| 6 自适应温度调制技术的研究 | 第122-134页 |
| 6.1 自适应温度调制测试电路设计 | 第122-126页 |
| 6.1.1 硬件电路设计 | 第122-124页 |
| 6.1.2 实验数据获取 | 第124-125页 |
| 6.1.3 自适应加热波形 | 第125-126页 |
| 6.2 基于Gabor变换的数据处理算法 | 第126-129页 |
| 6.3 不同数据处理算法的比较 | 第129-132页 |
| 6.3.1 基于小波变换的特征提取 | 第129-130页 |
| 6.3.2 基于傅里叶变换的特征提取 | 第130-132页 |
| 6.3.3 识别结果比较 | 第132页 |
| 6.4 小结 | 第132-134页 |
| 7 结论与展望 | 第134-137页 |
| 7.1 结论 | 第134-135页 |
| 7.2 创新点 | 第135-136页 |
| 7.3 展望 | 第136-137页 |
| 参考文献 | 第137-149页 |
| 攻读博士学位期间科研项目及科研成果 | 第149-151页 |
| 致谢 | 第151-152页 |
| 作者简介 | 第152页 |