5.3 电子鼻

20世纪中叶，各种传感器基本理论和实际应用研究均取得了一定的进展。由于单个传感器提供信息十分有限，人们就开展了气敏传感器阵列的研究，进而在仿生学的启发下出现了电子鼻的说法。1964年，Wilkens和Hatman利用气体在电极上的氧化-还原反应研制了世界上的第一个电子鼻；六十年代后期以金属氧化物半导体为敏感材料的气体传感器实现了商品化。九十年代对“电子鼻”这一术语的定义为：“一种由具有部分选择性的传感器阵列和适当的模式识别系统组成，能识别简单或复杂气味的仪器”。电子鼻技术是近年来发展较快的一种分析、识别和检测复杂气味的仪器，可以长时间自动、连续、实时地监测特定地点的气味信息。它分析得到的不是被测样品中孤立成分的定性与定量结果，而是诸多的整体信息，也称“指纹”数据。可以综合不同的气味信号，将其与数据库加以比较，进行识别和判断[25]。

嗅觉是人类及动物的遗传性生理功能。空气中挥发性的有气味物质被吸入到鼻腔的嗅区，首先溶解在嗅区细胞表层的粘液中再扩散到嗅毛内，与嗅毛中的化学感应物质起反应而产生刺激信号，再经神经细胞的纤维传给大脑（图19）。对人和动物的嗅觉机理的认识，为人们开发人工嗅觉系统-电子鼻提供了极有用的启发，即模拟嗅觉机理，将电子鼻的结构分为传感器阵列、信号预处理及模式识别三个层次（图19），气味分子对电子鼻中的传感器阵列产生作用，输出相应的电信号，经数据处理计算，然后通过模式识别系统作出判断[26]。

图19 电子鼻仿生原理Fig19 Theprinciple of electronic nose

作为气体识别的敏感装置，传感器阵列主要有以下类型：

（1）金属氧化物半导体传感器阵列

（2）导电聚合物传感器阵列

（3）固体电解质传感器阵列

（4）接触燃烧式传感器阵列

（5）压电类传感器 阵列

（6）光学式传感器阵列

（7) 质谱型传感器阵列

5.4 数据算法与模式识别

5.4.1 信号数字处理 一般来说，信号预处理是先把将传感器对气体的响应转变为容易测量的电信号(电压或电流值)，后者则将这些物理参数（模拟信号）转变为模式识别系统所需要的数字信号。数据处理还包括滤波、基线处理、漂移补偿、信息压缩以及归一化等[27]。

5.4.2 模式识别 模式识别是对传感器阵列的输出数字信号进行处理，以获得气体组分信息（定性）和浓度信息（定量）。一般来说，定量分析的难度要大于定性识别。目前定性识别所采用的算法有：最近邻法（NN）、判别函数法（DA）、主元分析法（PCA）、人工神经网络（ANN）、概率神经网络（PNN）、学习向量量化（LVQ）、自组织映射（SOM）等。ANN近些年来发展较快，在实践中应用效果良好[28]。

定量分析方法主要分为线性算法与非线性算法两大类。前者是基于线性的分析方法，具体有欧式聚类分析法(Euclidean Cluster Analysis，ECA)、偏最小二乘法(Partial Least Squares，PLS)、主成分分析法(Principle Components Analysis，PCA)等方法。基于绝大多数气体传感器响应通常具有较强的非线性，故大多采用非线性算法，如非线性回归、人工神经网络。特别是人工神经网络具有非线性映射能力，能够抑制传感器的漂移与噪声，并具有较高的预测精度，因而近年来在人工嗅觉计算领域倍受重视[29]。

5.5 传感器的物联互通

借助于互联网的传感器的物联互通，就是物联网（TheInternet of things），也称传感网。其具体定义是：通过传感阵列、数据转换、定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。传感器属于物联网的神经末梢，是构成物联网不可或缺的基本条件，把世界中的各种物理量、化学量、生物量转化为可测量的电信号并数据化，可以报告状态并与环境交互，因此成为人类全面感知世界的最核心元件，即设备“智能”的根源。传感器极大地改善我们的日常生活，行业的生产效率和能耗，覆盖范围包括智能工业、智能安保、智能家居、智能运输、智能医疗等等。

网络化的环境传感器通过监测和测量气味、压力和温度，捕获电子信息，提供自动反馈，并可根据所获得的数据作出有效决策。“智能家居/智能空间”的发展将很快走向空间构建的个性化，包括自适应、预测和自学功能。智能家居和自动化使得家里的每个设备都将会是互联智能设备，可以感知其所在的环境和状态，机器间的交互将变得更加自动化，更便捷地为人类服务。

文章来源：《信息记录材料》 网址: http://www.xxjlcl.cn/qikandaodu/2021/0708/2121.html