| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 室内空气质量监测现状 | 第8-10页 |
| 1.1.1 室内空气质量监测的必要性 | 第8-9页 |
| 1.1.2 室内空气质量监测方法 | 第9-10页 |
| 1.2 人工嗅觉系统——电子鼻 | 第10-14页 |
| 1.2.1 电子鼻系统介绍 | 第10-12页 |
| 1.2.2 电子鼻技术的国内外研究现状 | 第12-14页 |
| 1.3 电子鼻系统面临的主要问题 | 第14-15页 |
| 1.4 论文研究内容和创新之处 | 第15-18页 |
| 2 空气电子鼻系统数据采集平台及实验方案 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 空气电子鼻系统数据采集平台 | 第18-20页 |
| 2.3 空气电子鼻系统数据采集实验方案 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 本文涉及的主要算法 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 信号预处理 | 第24-27页 |
| 3.2.1 滤波方法 | 第24-26页 |
| 3.2.2 传感器数据标准化方法 | 第26页 |
| 3.2.3 特征提取方法 | 第26-27页 |
| 3.3 模式识别 | 第27-34页 |
| 3.3.1 BP神经网络 | 第27-30页 |
| 3.3.2 支持向量机 | 第30-32页 |
| 3.3.3 鲁棒最小二乘回归 | 第32-34页 |
| 3.4 智能优化算法 | 第34-36页 |
| 3.4.1 遗传算法 | 第34-35页 |
| 3.4.2 粒子群优化算法 | 第35-36页 |
| 3.5 POCS算法 | 第36-38页 |
| 3.5.1 图像退化降质模型 | 第36-37页 |
| 3.5.2 POCS算法原理 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 基于基线关系的传感器在线漂移补偿模型 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 基线处理方法 | 第40-42页 |
| 4.3 基于基线关系的传感器在线漂移补偿模型 | 第42-49页 |
| 4.3.1 传感器阵列基线关系模型的建立 | 第42-44页 |
| 4.3.2 基于基线关系的传感器在线漂移补偿模型 | 第44-48页 |
| 4.3.3 实验结果分析 | 第48-49页 |
| 4.4 本章小结 | 第49-52页 |
| 5 基于POCS算法的传感器在线漂移补偿方法研究 | 第52-70页 |
| 5.1 引言 | 第52页 |
| 5.2 气体检测精度退化模型分析 | 第52-53页 |
| 5.3 基于POCS算法的传感器在线补偿模型 | 第53-68页 |
| 5.3.1 构造模型所使用的凸集 | 第53-56页 |
| 5.3.2 基于POCS算法的传感器在线漂移补偿模型 | 第56-61页 |
| 5.3.3 实验验证及结果分析 | 第61-68页 |
| 5.4 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 主要研究内容与成果 | 第70-71页 |
| 6.2 今后工作的展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-79页 |
| A.作者在攻读学位期间的成果(论文、专利、获奖) | 第78页 |
| B.作者在攻读学位期间参加的项目 | 第78页 |
| C.论文中的实验数据及程序清单 | 第78-79页 |