（生物医学工程专业论文）基于嗅觉神经网络的电子鼻仿生信息处理技术研究.pdf

a u t h o r s s i g n a t u r e ： s u p e r v i s o r ss i g n a t ur e ： 弯专可 t h e s i sr e v i e w e r1 ：! q = ! i q 垒g b 坠垒盟，丛亟垦n 堕望i y 星竖煎y t h e s i sr e v i e w e r2 ： q 也咄鳖n g ，圣b 自逊g 墅：壁姐地述迹y t h e s i sr e v i e w e r 3 ：! q 基i n 工i 垒n ，工i 垒望i i 卫丛鱼i 壁垒! 堕堕i 星坠i ! y t h e s i sr e v i e w e r4 t h e s i sr e v i e w e r 5 ：一 i 鱼q n 堡星垦! ! c h a i r ：_ 蓝蛆睡吐丛，坠垒班g h 鱼i i 垫殓坠g 堕n i ! 星逝旺 ( c o m m i t t e eo fo r a id e f e n c e 、 一 c o m m i t t e e m a nl ： c o m mi t t e e m a n2 ： c o m m i t t e e m a n3 ： c o m m i t t e e m a n4 d a t eo fo r a ld e f e n c e ： 39m 8 3肿ji 川7iii-主薹y 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及耿得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得逝姿盘堂或其他教育机 构的学位或证书而使用过的材料。与我一一同工作的同志对本研究所做的任何贞献 均已在论文中作了明确的说明并表示谢意。 学位论文作者签名： j 垮节气 签字日期： 2 们c 年j 2 月钞同 学位论文版权使用授权书 本学位论文作者完全了解逝垄盘堂有关保留、使用学位论文的规定， 有权保留并向固家有关部门或机构送交论文的复印件和磁盘，允许论文被杳阅和 借阅。本人授权逝江盘堂可以将学位论文的全部或部分内容编入有关数掘库 进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位沦文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名： 甫叼 导师签名： 签字同期： 又1 年i z 月卜同 签字f 期：乡岁，穸年，z 月中r 学f 电沦文作者毕、j k 后去向： r 作单化： 浙江工商大学 电话：0 5 7 1 2 8 8 7 7 7 7 7 通讯地址：浙江省杭州市下沙高教园区学f 街1 8 号 邮编：3 1 0 0 1 8 摘要 电子鼻是模拟生物嗅觉原理的仿生检测仪器，通常由交叉敏感的化学传感器 阵列和合适的模式识别算法组成，自动完成对气味的定性或定量辨识。与专业嗅 觉师和现代分析化学仪器相比，其简单、客观和廉价的优点，已经在许多应用领 域引起了广泛重视。而生物嗅觉基础研究的成果与计算神经科学交融，又进一步 丰富了人工嗅觉理论，促进了电子鼻的发展。本论文介绍和研究了一种嗅觉神经 网络k m 网络，并尝试将其引入到电子鼻的仿生信息处理中。 本文首先通过数值分析方法对k i l l 网络的数学模型进行仿真，结果显示其动 力学特性与生物嗅觉实验中观察到的e e g 信号在某些方面具有相似性；又通过小 世界网络理论和小波分解方法对k i i i 网络的结构进行分析，发现其拓扑性质与复 杂生物系统的小世界网络具有相似性。从而在功能和结构上展示了k m 网络的仿 生性能。 然后研究了k m 网络在气敏传感器漂移补偿和对气味浓度影响的鲁棒性等人 工嗅觉理论问题上的应用。通过作者自制的电子鼻系统对6 种有机挥发性气体进 行分类，结果表明k i i i 网络对存在传感器漂移及较大浓度偏差的样本仍然具有很 好的识别率。本文还提出了k i i i 网络的时空模式处理概念，通过k i i i 网络的可扩 充并行结构与其时间依赖运算过程，和电子鼻的传感器阵列结构与其对气体的时 间响应特性相结合，将k m 网络“无缝”融入电子鼻系统，进一步模拟了生物嗅 觉系统信息处理过程。 本文还发展了k i i i 网络的模式识别理论，将它与当前较为流行的支持向量机 相结合，构造出不同的级联分类器和集群分类器。并通过对4 种茶叶和6 个品牌 的鲜奶和还原奶的识别，进一步探索k i i i 网络在电子鼻实际应用中的表现。 关键词：电子鼻，嗅觉神经网络，模式识别，人工嗅觉，仿生 i i a b s t r a c t e l e c t r o n i cn o s ei sak i n do fb i o n i ci n s t r u m e n tt om i m i ct h em e c h a n i s mo f b i o l o g i c a lo l f a c t o r ys y s t e m s ，w h i c hg e n e r a ll yc o n s i s t so fa na r r a yo fc r o s s - s e n s i t i v e c h e m s e n s o r sa n da n a p p r o p r i a t ep a t t e r nr e c o g n i t i o na l g o r i t h m ，c a p a b l e o f a u t o m a t i c a l l yd e t e c t i n ga n dd i s c r i m i n a t i n go d o r s d u et ot h ea d v a n t a g e so fs i m p l y ， o b j e c t i v e a n dl o w c o s tc o m p a r e dt oh u m a np a n e l sa n dc o n v e n t i o n a la n a l y t i c a l i n s t r u m e n t s ，e l e c t r o n i cn o s e sh a v eb e e nw i d e l yu s e di nm a n ya r e a s m o r e o v e r , r e s e n t b a s i cr e s e a r c h f i n d i n g s i n b i o l o g i c a l o l f a c t i o nc o m b i n e dw i t h c o m p u t a t i o n a l n e u r o s c i e n c ep r o m o t ei t sd e v e l o p m e n tb o t hi nm e t h o d o l o g ya n da p p l i c a t i o n t h i s t h e s i ss t u d i e sa no l f a c t o r yn e u r a ln e t w o r ke n t i t l e dk i i ia n di n t r o d u c e si tt oe l e c t r o n i c n o s ec o m m u n i t ya sab i o n i ci n f o r m a t i o np r o c e s s i n gt e c h n i q u e f i r s t l y ，t h en u m e r a la n a l y s i so ft h ek i l ln e t w o r ki sc a r r i e do u t t h es i m u l a t i o n r e s u l t ss h o wt h a tt h ep r o p e r t i e so fi t sd y n a m i c sa r em u c hs i m i l a rw i t ht h a to fe e g s i g n a l so b s e r v e di nb i o l o g i c a le x p e r i m e n t s t h et o p o l o g i c a lp r o p e r t i e so ft h ek i i i n e t w o r ki sa l s os t u d i e d u s i n gt h e s m a l l - w o r l dn e t w o r kt h e o r ya n dw a v e l e t d e c o m p o s i t i o nm e t h o d t h er e s u l t ss h o wt h ek i i in e t w o r kw i t hs o m es m a ll - w o r l d n e t w o r kc h a r a c t e r i s t i c s ，s i m i l a rt ow h i c hi nc o m p l e xb i o l o g i c a ls y s t e m s t h e n ，t h ea p p l i c a t i o no ft h ek i l ln e t w o r kt os o m et h e o r e t i c a lp r o b l e m si n a r t i f i c i a lo l f a c t i o ni si n v e s t i g a t e d ，s u c ha ss e n s o rd r i f tc o u n t e r a c t i o na n dc o n c e n t r a t i o n i n f l u e n c ee l i m i n a t i o n e x p e r i m e n t a ld a t ao fs i xv o l a t i l eo r g a n i cc o m p o u n d so b t a i n e d t h r o u g hah o m e m a d ee l e c t r o n i cn o s es e t u pa r ep r o c e s s e db yt h ek i i in e t w o r k t h e r e s u l t ss h o wt h a tt h ek i i ih a sg o o dp e r f o r m a n c e si nc l a s s i f i c a t i o no fs a m p l e sw i t h s e n s o rd r i f to rc o n c e n t r a t i o nv a r i a t i o n i nt h i st h e s i s ，as p a t i o t e m p o r a l p a t t e r n p r o c e s s i n gc o n c e p t i o ni sp r o p o s e d ，w h i c hs e a m l e s si n t e g r a t i n gt h ek i l ln e t w o r ki n t o e l e c t r o n i cn o s es y s t e m ，m a k i n gt h ee l e c t r o n i cn o s ew o r km o r es i m i l a ra sab i o l o g i c a l o l f a c t i o nd o e s f u r t h e r m o r e ，t h ep a t t e mr e c o g n i t i o nm e t h o db a s e do nt h ek i l ln e t w o r ki s i m p r o v e d ，t h r o u g hc o m b i n i n gi tw i t hs u p p o r tv e c t o rm a c h i n et oc o n s t r u c td i f f e r e n t s e r i e sc l a s s i f i e ra n de n s e m b l ec l a s s i f i e r a n dt h e i rp e r f o r m a n c e sa r ee x p l o r e di nt h e i i i c a s eo fc l a s s i f y i n gf o u rk i n d so ft e a sa n ds i xd i f f e r e n tb a n d so ff r e s hm i l ka n d c o n s t r u c t e dm i l k ，r e s p e c t i v e l y k e y w o r d s ：e l e c t r o n i cn o s e ，o l f a c t o r yn e u r a ln e t w o r k , p a t t e mr e c o g n i t i o n ，a r t i f i c i a l o l f a c t i o n ，b i o n i c s i v 目次 摘要i e j 次v 图表索引v i l l 绪论1 1 1 生物嗅觉的信息处理机制2 1 2 电子鼻的仿生原理及其关键技术一5 1 2 1 电子鼻中的传感技术6 1 2 2 电子鼻中的模式识别技术9 1 3 电子鼻的应用进展1 l 1 4 课题的主要工作和论文结构1 3 2 嗅觉神经网络的结构与分析1 6 2 1 嗅觉神经网络概述1 6 2 2km 网络的理论基础2 0 2 2 1 神经元集群行为和k 网络的基本单元2 0 2 2 2k i i i 网络的拓扑结构和数学模型一2 5 2 3k i i i 网络的功能仿真分析2 9 2 4k i 网络的拓扑性质分析4 0 2 5k i l l 网络在仿生电子鼻中的应用4 5 2 6 本章小结4 8 3 基于嗅觉神经网络的人工嗅觉理论研究一4 9 3 1ki i i 网络的模式识别基础4 9 3 1 1 特征获取5 0 3 1 2 学习规则一5 1 3 1 3 训练与识别过程5 5 3 2 电子鼻仪器系统设计5 8 3 2 1 气敏传感器选择5 9 3 2 2 仪器系统设计6 0 3 3 补偿气敏传感器漂移的研究6 4 3 3 1 气敏传感器漂移及其补偿对策6 4 3 3 2 实验与预处理6 6 3 3 3k i i i 网络处理结果及讨论6 9 3 3 4 与b p 神经网络等的对比7 3 3 4 对气味浓度影响的鲁棒性研究7 6 3 5 应用k i i i 网络时空模式的气味识别8 2 3 5 1 同步振荡与k i i i 网络的时间模式8 2 3 5 2 实验与讨论8 4 3 6 本章小结8 7 4 基于嗅觉神经网络的电子鼻在食品检测中的应用9 0 4 1 支持向量机及与k i i i 网络的结合9 0 4 1 1 支持向量机简介9 1 v 4 1 2 结合k m 与s v m 的级联和集群分类器9 4 4 2 在茶叶识别中的应用9 7 4 2 1 电子鼻在茶叶识别中的应用9 7 4 2 2 实验与讨论9 9 4 3 在鲜奶与还原奶分类中的应用1 0 2 4 3 1 电子鼻在乳业中的应用1 0 2 4 3 2 实验与讨论10 4 4 4 本章小结o 10 8 5 总结与展望10 9 5 1 工作总结l0 9 图表索引 插图 图1 - 1 人类嗅觉系统的位置和解剖结构2 图1 - 2 哺乳动物嗅觉前端通路组织结构示意图3 图1 - 3 电子鼻信息处理过程5 图1 - 4 电子鼻中气敏传感器的主要检测原理6 图1 - 5 电子鼻中的多变量模式分析技术10 图2 - 1 应用于电子鼻信息处理的四种嗅觉模型示意图1 9 图2 - 2k o 模型的几种典型拓扑结构2 2 图2 - 3 不同口值下的( a ) s i g m o i d 函数q 0 和( b ) 其一阶导函数q 0 曲线2 3 图2 - 4 球周细胞的k 0 模型在方波刺激下的脉冲响应曲线2 4 图2 - 5k 系列模型中的两种k i i 模型2 4 图2 - 6 哺乳动物嗅觉神经系统的组织结构图2 6 图2 - 7k i i i 网络的拓扑结构图2 7 图2 - 8 没有外界刺激时k i 网络各节点的响应状况3 3 图2 - 9 第2 通道输入方波时k i 网络各节点的响应状况3 4 图2 10 没有外界刺激时k i i i 网络m 1 和g 1 节点构成的相图3 5 图2 - 1 1 第2 通道输入方波时l 【1 1 i 网络m 1 和g 1 节点构成的相图3 6 图2 - 1 2 阶跃信号输入后同一通道m 1 和m 2 与不同通道g 1 构成的相图3 6 图2 - 13 没有外界刺激时k i i i 网络各节点的功率谱密度3 7 图2 - 1 4 第2 通道输入方波时k i i i 网络各节点的功率谱密度3 8 图2 - 1 5 第2 通道输入方波时k i i i 网络各节点的振荡幅度值统计分布图3 8 图2 - 1 6 有噪声输入的k i i i 网络在不同初值条件下m 1 节点的响应状况4 0 图2 - 17 无噪声输入的k i i i 网络在不同初值条件下m 1 节点的响应状况4 0 图2 - 1 8 网络的特征路径长度和聚类系数随节点间边的随机重连概率的变化 关系4 2 图2 - 1 9 多尺度小波分解及各层子空间4 2 图2 - 2 0k i 网络的特征路径长度与网络中节点数目的关系4 3 图2 - 2 1k i 网络和典型小世界网络的边重连概率p 与m ( p ) 和r ( p ) 的关系4 4 图2 - 2 2k i i i 网络( a ) 只用h e b b ia n 学习规则和( b ) 用h e b b i a n a n ti - h e b b a i n 学习规则情况下的适应过程4 6 图2 - 2 3 不同样品在k i i i 网络相空间上具有不同吸引子4 7 图3 - 1k i i i 网络在简单h e b b 学习规则下的模式重现与恢复5 3 图3 - 2 气味刺激前后k i i i 网络时间轨道和相空间的变化5 6 图3 3 电子鼻仪器系统的硬件框图6 0 图3 - 4 电子鼻仪器系统的软件界面6 2 图3 - 5 静态顶空法实验装置示意图6 3 图3 - 6 自动进样和排废的电子鼻实验装置实物图6 4 i 图3 - 7 传感器阵列对乙醇气味的响应曲线6 7 图3 - 8 在每路传感器的瞬态和稳态响应中提取特征的方法6 8 图3 - 9 不同时间采集的6 种v o c 的p c a 图7 0 图3 - iok 网络某通道上的信息处理过程7 1 图3 - 1 1k i l l 网络的权值矩阵随训练次数的变化情况7 1 图3 - 1 2k i l l 网络对无传感器漂移的6 种v o c 的识别情况7 2 图3 - 13 基于误差反向传播算法的三层感知器网络示意图7 4 图3 - 1 4b p - n n 在某次学 - j 中的梯度下降曲线7 5 图3 - 1 5 从传感器阵列响应输出曲线稳态部分提取特征7 6 图3 - 1 6 乙醇浓度和传感器阵列稳态响应电压输出值的双对数图7 7 图3 - 17t g s 2 6 1 1 气敏传感器的相对阻抗变化和气体浓度关系曲线7 8 图3 - 1 8 归一化后的2 0 个乙醇气味模式7 9 图3 - 1 9k i i i 网络对大浓度范围内的正丁烷和乙醚的识别情况8 0 图3 - 2 0k i 网络在不同输入刺激下的时间模式特性8 4 图3 - 2 1k i i i 网络权值空间随训练次数的变化情况8 5 图3 - 2 2k i i i 网络对( a ) 乙酸和( b ) 乙酸乙酯的幅度振荡时空输出模式8 6 图4 - 1 二维情况下最优超平面的几何解释9 2 图4 - 2k i i i - s v m 级联分类器结构示意图9 5 图4 - 3k h i - s v m - m o d i f i e d 级联分类器结构示意图9 6 图4 - 4k i i i - s v m - e n s c m b l e 集群分类器的训练过程9 7 图4 - 5 从每种牛奶和还原奶中抽取等量样本做训练集的分类情况1 0 5 图4 - 6 从牛奶集和还原奶集中随机抽取等量样本做训练集的分类情况1 0 6 表格： 表1 - 1 电子鼻中传感器阵列信号预处理技术10 表2 - 1k i i i 网络中各层参数一览表3 2 表3 - 1 电子鼻中所用t g s 型气敏传感器一览表5 9 表3 - 2 对6 种v o c 在不同时间获取的数据集6 7 表3 - 3k h i 网络对存在漂移的气味模式的识别情况及与n p a 和b p n n 的对照 7 3 表3 - 4k i i i 网络对2 0 浓度偏差的6 种有机气体的识别率8 1 表3 - 5 用k 和b p 对6 种v o c 的正确识别率8 7 表4 - 1k i i i 网络对四种不同预处理方法的识别率1 0 0 表4 - 2k i l l 、b p - n n 和志愿者对4 种茶叶的识别率1 0 1 表4 - 3 基于欧氏距离法和s v m 法的k i l l 网络对两种茶的错误分类结果1 0 1 表4 - 4 对多品牌鲜奶和还原奶分类中各分类器识别率与训练集大小的关系 10 7 表4 - 5 三种分类器以鲜奶和标准还原奶为训练集时对稀释鲜奶的识别率1 0 8 i i 经过数十亿年的进化和自然选择，自然界的生物为人类的创新提 供了天然的宝库。 路甬祥：2 0 0 3 年香山科学会议 1 绪论 现代科技似乎把人工机器的结构和功能发挥到了极致：各种传感器从复杂环 境获取有效信息，经过计算机分析并做出决策，再由执行器完成特定任务。它们 一定程度上延伸了人类的感知、脑力和体力范围，拓展了人类认识和改造自然的 能力。然而经过千万年演化的生物始终是工程设计的典范，仿生科学也在人类探 索自身的过程中得到了不断发展。仿生学( b i o n i c s ) 是研究生物系统的结构、性 状、原理、行为，为工程技术提供新的设计思想、工作原理和系统构成的技术科 学，是一门生命科学、物质科学、数学与力学、信息科学、工程技术以及系统科 学等学科的交叉学科【1 。 电子鼻( e l e c t r o n i cn o s e ) 是一种模拟生物嗅觉工作原理的新颖仿生检测仪 器，因此又叫人工嗅觉系统( a r t i f i c i a lo l f a c t o r ys y s t e r a ) ，它具有快速、简 单、客观和廉价等优点，目前在食品加工、环境监测、公共安全和医学诊断等诸 多领域【2 ，3 】已经得到应用。作为交叉学科，电子鼻的研究主要集中在气敏传感 技术【4 ，5 】和模式识别算法 6 ，7 】两大方面。但电子鼻的数据处理技术和模式识 别算法在相当长时间内没有受到足够重视，越来越成为电子鼻商业化的瓶颈。随 着不同学科研究方法的交叉，人们已经从基因、细胞和系统等水平对嗅觉信息处 理机制有了相当认识 8 】，另一方面，这些生物模式识别知识也逐渐渗透到人工 嗅觉领域，为电子鼻技术的发展注入了新的活力。本章作为绪论，在第1 节首先 阐述了电子鼻的生物学仿生基础，综述了人和哺乳动物嗅觉系统的信息处理机 制；然后在第2 节介绍了电子鼻的仿生原理及其系统结构，着重介绍了电子鼻研 究中的两个关键技术，即气敏传感器技术和模式识别算法；第3 节则综述了当前 电子鼻在食品、环境、公共安全以及医学等领域的应用情况；最后第4 节概述了 本论文的主要工作和写作结构。 1 2 浙江大学博士学位论文 1 1 生物嗅觉的信息处理机制 嗅觉对动物的生存至关重要，是其鉴别食物，选择配偶，标记领地和躲避敌 人等重要信息来源，其他感觉系统无法替代。哺乳动物嗅觉感知由解剖和功能上 独立的两部分完成，即犁鼻器系统( v o m e r o n a s a ls y s t e m ) 和主嗅觉系统( m ai n o l f a c t o r ys y s t e m ) 。前者主要接受信息素的刺激，引起机体内分泌变化，引发 一系列生殖和社会行为【8 - 1 0 。下文讨论后者。 图i - 1 人类嗅觉系统的位置和解剖结构 自然界中的气味通常是由多种不同结构和性质的气味分子( o d o r a n t ) 组成的 混合物，机体感受的是它们共同作用的综合效应。气味感受器位于鼻腔上部的嗅 上皮，主要由嗅神经元( o l f a c t o r ys e n si n gn e u r o n ，o s n ) 、支持细胞和基底细 1 h t t p ：n o b e l p r i z e o r g n o b e l _ p r i z e s m e d i c i n e l a u r e a t e s 2 0 0 4 p r e s s h t m l 第1 章绪论 3 胞等组成，其中嗅神经元是双极细胞，它的树突到达嗅上皮表面后末端变成圆形 膨大，并发出数十根纤毛伸入表面黏液中【9 ，如图1 - 1 所示。纤毛的质膜上存 在气味受体( o d o r a n tr e c e p t o r ) ，它在氨基酸序列上具有7 个螺旋状跨膜结构， 属于g 蛋白偶联受体。气味受体基因是成员数目庞大的超家族【1 1 ，但每个嗅神 经元只表达其中一种受体基因【1 2 。嗅上皮存在4 个独立的空间区域，氨基酸序 列具有高度同源性的气味受体倾向于分布在相同区域，但在特定区域内含不同气 味受体的嗅神经元又随机分布，以提高对嗅质各个方位上的敏感性【13 。气味分 子与受体是以某些化学官能团的配位方式作用的，使得同种气味受体可以接受多 种不同气味分子的刺激，或者说一种气味分子可以兴奋若干不同的嗅神经元【1 2 ( 图1 - 2 ) 。“专一表达、分区排列、随机分布、交叉配位”的特点让机体在嗅上 皮中完成了对不同信息分子的最初选择性和初步的空间编码。 气味分子 至嗅皮层 图1 - 2 哺乳动物嗅觉前端通路组织结构示意图，由文献【13 略作修改 嗅神经元将气味的化学信号转换成电信号则是时间编码的基础。气味分子与 纤毛上的气味受体结合后，激活特异性g 蛋白g d ，使腺苷酸环化酶i i i 型活化， 4浙江大学博士学位论文 促使胞内的a t p 转化为c a m p ，当胞内c a m p 超过一定浓度，则打开环核苷酸门控 离子通道，引起c a 2 + 内流，继而激活c a2 + 依赖c l 一通道，使c 1 一外流，产生膜去极 化，形成动作电位【9 。另外也有其他物质( 例如三磷酸肌醇i p 3 ) 在嗅觉信号转 导过程中发挥第二信使的作用【8 】。 嗅神经元的轴突穿过筛板深入到嗅球( o l f a c t o r yb u l b ，o b ) ，与僧帽细胞 ( m it r a ie e ll ，m ) 和丛状细胞( t u f t e dc e l1 ，t ) 的树突构成兴奋性突触，即丝球 体( g l o m e r u l u s ，g l ) 。大量含有相同气味受体的嗅神经元的轴突汇聚到少数几个 特定的丝球体上( 10 0 0 ：1 ) ，这种多对一的投射结构增强了机体对低浓度气味的 敏感性，并抵消了无关输入，提高了信噪比，确保信息的有效检测【8 ，13 】。这 些丝球体有规律地分布在嗅球的4 个区域，嗅上皮特定区域的嗅神经元投射到相 应的区域【13 】。“高度汇聚、分区投射”的特点使得气味信息在嗅球中形成特有 的空间编码。丝球体之间通过局部神经回路相互作用，表现为m t 细胞被颗粒细 胞( g r a n u l ee e l1 ，g r ) 和球周细胞( p e r i g l o m e r u l a re e l1 ，p g ) 这些中间神经元 侧抑制，对嗅觉信号的修饰、加工和编码发挥了重要作用【13 】。实际上这也是时 间编码形成的基础，局部神经回路可使m t 细胞产生同步振荡，在嗅皮层水平上 对不同丝球体的输出信号进行整合 13 。电生理实验发现，用不同的气味刺激嗅 上皮时，在嗅球上产生不同频率( o 【、p 与y ) 和幅度的电位振荡模式，这种时空 编码方式较为全面地揭示了气味的各种性质，因此嗅球或许已经解决了对气味分 子的感知和识别这两个重要问题【8 。 僧帽细胞和丛状细胞的轴突在主嗅球后部汇聚形成侧嗅束( l a t e r a i o l f a c t o r yt r a c t ，l o t ) 进入前脑嗅皮层( 梨状皮层，p i t i f o r mc o r t e x ) ，它是一 个由锥状细胞( p y r a m i d a le e l1 ) 、半月细胞和中间神经元构成的三层网络系统。 每个锥状细胞可以接受多种僧帽细胞的纤维传入，使得嗅上皮多种气味受体传来 的信息在嗅皮层产生会聚，以同步振荡的方式进行信息重组，最终形成嗅觉感知 【1 3 】。这种交叉投射关系也解释了为什么多种气味的混合产生的是一种新的嗅觉 感知而不是多种气味的简单叠加【1 4 】。锥状细胞发出的纤维也可以下行传到嗅 球，形成反馈通路以修饰嗅球中的信息。另外，嗅球中的嗅觉信息也直接传到杏 仁核，丘脑、下丘脑、眶内皮层和海马等，参与中枢更复杂的认知、记忆与情感 等活动。这些功能的实现尚处于假设和推测阶段，大量问题有待解决。 第1 章绪论5 1 2 电子鼻的仿生原理及其关键技术 电子鼻是受生物嗅觉原理的启发，将现代传感技术、电子技术和模式识别技 术等工程手段紧密结合研制成的新颖仿生检测仪器。通常，样品挥发的气味与阵 列中多个气敏传感器反应，将化学信号转换成电信号，然后经过一系列放大降噪 调理、基线校准或归一化等预处理过程，获取并增强该样品所对应的综合指纹信 息，再从中提取合适的特征输入到特定的模式识别算法，最终完成对样品的定性 或定量辨识【2 ( 图i - 3 ) 。与生物嗅觉的结构和功能相比较，电子鼻气室内的气 敏传感器阵列相当于鼻腔上的嗅上皮，具有交叉敏感的化学传感器则相当于对多 种气味分子敏感的嗅神经元，其作用都将气味的化学信息转换为电信息；预处理 的功能类似于嗅球内信号的整合与增强；模式识别原理特别是人工神经网络 ( a n n ) 方法，则一定程度上模拟了大脑皮层信息编码、处理和存储等过程 i5 】。 传感器阵列 调理 数字化特征挺取 模炎汉别决策 尊呤睡疃 样品空问 测髓空闯特征空问分炎空问 图i - 3 电子鼻信息处理过程 气敏传感器阵列实现了气味信息从样品空间到测量空间的转换，是电子鼻信 息处理的关键环节。不同传感原理和制作工艺的气敏传感器丰富了电子鼻对气味 信息的获取途径，常用的有金属氧化物半导体、石英晶体微天平、导电聚合物、 声表面波传感器等【4 ，构建阵列的传感器除了应该满足响应快且可逆、重复性 好，灵敏度高等条件，还必须对各种气味广谱敏感( 弱选择性) ，并且阵列中各传 感器对同种气味要交叉敏感，以保证从有限数量的传感器中获取更多的气味信息 【16 】。通常，从传感器阵列中获取的原始信号数据量很大，需要先对其进行特征 6浙江大学博士学位论文 提取，将模式从较高维的测量空间变换到较低维的特征空间。而模式识别过程则 是将特征空间划分为分类空间的过程，它是电子鼻智能化的核心单元。开发性能 优良的气敏传感器构建阵列与设计强大的信息处理算法在电子鼻实现气味识别 中是相辅相成、缺一不可的。目前各种各样的模式识别算法被引入电子鼻领域， 包括参数化的多元统计方法和非参数化的人工神经网络与专家系统等，它们各有 优缺点，很难找到最佳方法。因此如何设计或改进模式识别算法使之适合处理相 应传感器阵列信息一直是电子鼻研究者的重要工作之一。 1 2 1 电子鼻中的传感技术 检测气体的方法很多，如气相色谱法、分光光度法、质谱法以及气相色谱和 质谱连用法等等。而气敏传感器则是通过化学敏感膜将特定气体成分的化学反应 转换成电信号的换能器件，与前者相比它往往结构小巧、操作简单，而且价格便 宜。经过几十年的发展，目前对气敏传感器的研究仍然方兴未艾，从全新的检测 原理到新颖的敏感材料，从更多的检测种类到更低的检测极限，气敏传感器已经 发展成为传感器领域的一大体系。 图1 - 4 电子鼻中气敏传感器的主要检测原理 4 气敏传感器的分类方法很多，可以按基体材料分，可以按被测对象分，也可 以按制作方法和结构分等。如果根据其检测原理，即依据气敏材料与被测气体相 互作用时体系中光、热、电以及质量等物理量的变化情况，大致可以分成4 大类 f 4 ，见图1 - 4 。其中又以金属氧化物半导体、导电聚合物、石英晶体微天平 第1 章绪论7 声表面波和金属氧化物场效应气敏传感器等最为普通。 金属氧化物半导体气敏传感器( m e t a lo x i d es e m i c o n d u c t o r ，m o s ) 是根据一 定温度下敏感材料的电阻值随环境中气体浓度而改变的原理制成的：当空气中的 氧化学吸附在材料表面时，电子由半导体的表面移向吸附氧，半导体表面形成电 荷耗尽层，材料内部电子浓度下降，电导率下降；当接触到还原性气体时，吸附 氧被消耗，导致半导体表面电荷耗尽层减少，材料内电子浓度增加，电导率上升。 s e i y a m a 等【17 】在1 9 6 2 年首次发现s n 0 。的气敏特性后，人们开始广泛深入研究， 目前这些敏感材料已经扩展到f e ：0 ，、z r 0 ：、z n o 、c u o 、n i 0 、c 0 0 、t i o ：和w o ，等 多种金属氧化物以及m l a s n o ，( m = s r ，c a ) 、s r l a t i 0 。等复合氧化物，另外 还在材料中掺杂少量p t 、p d 、a 1 、r u 、g a 、i n 或m g 等金属做催化剂，以提高传 感器的灵敏度、选择性和稳定性。这类传感器的制作方法可以是烧结、薄膜或者 丝网印刷等厚膜工艺，另外微加工工艺允许在单晶片上制成传感阵列以及微加热 器，以降低功耗并增加集成度。m o s 型传感器通常需要工作在3 0 0 - 5 0 0 。c ，因此 功耗很大，但也有报道利用温度调制的方法来提高传感器的敏感性。对电子鼻系 统来说，这类传感器最大的优点是商业化程度比较高，市场上可以获取许多型号 的产品( 例如日本f i g a r o 公司和n e wc o s m o s 公司) ，价格也较便宜，另外它们的 使用寿命可以长达几年。缺点则是功耗大，不利于手持式电子鼻使用，存在短时 和长期传感器漂移，遇硫化物或者弱酸等不易脱附造成传感器中毒。 导电聚合物气敏传感器( c o n d u c ti n gp o l y m e r ，c p ) 在电子鼻中也较为常见， 它所用的敏感材料是吡咯、吲哚、噻吩和苯胺等单体形成的高聚体，导电聚合物 的气敏机理尚未清楚，目前存在较多理论。一般地认为，当气体分子与导电聚合 物接触后，以离子型或者共价型方式绑定在聚合物的骨架上，影响了聚合物链上 的电子传递，也就是说改变了其电导率。导电聚合物材料分为结构型和复合型两 类，前者是本身具有导电性或经掺杂后具有导电功能，后者是以聚合物为基体， 加入各种导电性物质( 金属粉末、石墨、碳黑等) 以物理化学方法复合而形成导电 功能。导电聚合物的制备通常采用电聚合的方法，通过电极和电流等控制其形状 和厚度，因而重复性较好，但电聚合很费时。c p 型气敏传感器可以在常温下工作， 尤其适合手持式电子鼻仪器。但是它们也存在传感器漂移，通常对湿度的影响大 于m o s 型传感器。而且有些气体进入高聚体后不易脱离，导致响应恢复时间长。 8浙江大学博士学位论文 石英晶体微天平( q u a r t zc r y s t a lm i c r o b a l a n c e ，q c m ) 和声表面波( s u r f a c e a c o h s t i cw a v e ，s a w ) 是利用压电效应的质量型气敏传感器，即在压电材料表面 涂覆一层可以选择性吸附气体的薄膜，其构成的振荡器的声波参数( 如振幅、频 率、波速等) 与薄膜所吸附气体的质量有关，通过检测振荡器的这些参数得到气 体浓度信息。q c m 一般采用a t 切型压电石英晶体，当气体分子吸附于电极的敏感 膜导致质量增加，使石英振子的谐振频率降低；s a w 通常采用s t 切型晶体或者 l i n b o ，材料，结构上存在延迟线型和共振型两种方式，前者是延迟线上的敏感膜 吸附气体后引起压电晶体表面传播的声波频率发生漂移，根据漂移量测出气体的 浓度。两者的工作频率不同，q c m 通常在i 0 3 0 m h z ，而s a w 则在1 5 0 - 4 0 0 m h z ，因此 后者的分辨率更高，灵敏度好( 前者能感知n g 级的质量变化，后者为p g 级) ，但是 相应地检测电路更为复杂，也容易受噪声干扰。它们共同的优点是都能构成双通 道差分测量电路，消除环境中诸如温度等共模干扰。另外的优点是都能在常温下 工作。缺点是敏感材料的涂覆方法导致个体差异较大，获取的信号需要校正，另 外材料容易老化，寿命较短。 金属氧化物场效应管气敏传感器( m e t a io x i d es e m i c o n d u c t o rf i e i de f f e c t t r a n s is t o r ，m o s f e t ) 最早见于l u n d s t r 6 m 等【18 】在1 9 7 5 年的报道，后来发展成多 种形式( 圣o o g f e t 、i s f e t 等) ，它的工作原理是挥发性气体分子与催化金属( 通常 为p t 、i r 或p d ) 接触发生反应，反应产物扩散到m o s f e t 的栅极，使场效应气敏器 件的电学特性沿电压轴发生变化，从而改变漏极电流( 虽然通常是预设漏极电流 来测量栅极电压) 。通过改变催化金属的种类、膜厚和疏松度可优化传感器的灵 敏度和选择性，并可改变工作温度。m o s f e t 可以用i c 制作工艺生产，因此批次间 差异较小，而且容易集成小型传感器阵列，但封装上需要开窗以便让气体进入与 催化金属反应。m o s f e t n 样存在基线漂移现象。 光气敏传感器、电化学气敏传感