中文摘要：

实现电子鼻稳健检测的前提是鲁棒特征的提取。特征提取方法本身具有多样性，但与特征提取密切关联的传感器阵列信号噪声剔除、阵列优化、特征鉴别能力评价等属共性问题。这些问题还没有得到全面、彻底的解决，致使提取的特征往往不具鲁棒性。为此，本项目运用信号多尺度分解、拟合计算、能谱分析、信号独立性散度评定等手段研究噪声剔除的有效方法；把阵列中的传感器看成数学变量，运用变量鉴别能力的判别检验和信息熵理论研究阵列的最优化方法；借助于距离的不同表征与计算，在耦合距离测度与多元可分性检验的基础上研究准确评价特征鉴别能力的度量方法；以线性降维为基础，以不同的信息融合对检测能力的贡献率为考察点，运用多元判别分析等手段研究特征参数的简约表征方法。这些方法的研究必将为鲁棒特征提取提供前提保障，为实现电子鼻稳健检测奠定坚实基础。该研究虽是在食品检测条件下开展的，但其成果不失一般性，具有广泛指导价值。

结论摘要：

在食品等复杂样品的电子鼻检测中，实现其稳健检测的前提是鲁棒特征的提取。特征提取方法本身具有多样性，但与鲁棒特征提取密切关联的是传感器阵列信号噪声剔除、阵列优化（冗余信息剔除）、特征鉴别能力评价等3方面问题。这些问题属电子鼻检测中的共性问题，它们的解决可使电子鼻的检测能力显著提升。为此，本项目对电子鼻噪声信号的剔除、阵列优化、特征参量鉴别能力评价等内容进行了深入研究，重要成果体现在以下4个方面。 1．提出了一种基于Wilks Λ 统计量主元消去变换的阵列优化方法，以消除阵列信号中的冗余信息。该方法把电子鼻传感器阵列中的各传感器看成数学变量，利用各传感器样本测试数据的特征矩阵来表征阵列信号，然后计算其Wilks Λ 统计量并逐步实施主元消去变化，以此获得鉴别能力依次降低的传感器变量。通过判别由前2、3、4等若干个传感器组成的子阵列的鉴别结果即可实现传感器的选择与优化。 2．提出了两种电子鼻特征参量鉴别能力的评价方法，以实现有效特征的选择与提取。（1） 基于相关系数的评价方法，它是通过计算不同特征参量与样品类别间的关联程度来评价特征参量的鉴别能力。（2）基于Wilks Λ统计量的评价方法，它是通过比较不同特征参量的Wilks Λ统计量值的大小来评价其鉴别能力。 3．提出了一种基于独立分量分析融合小波能量阈值的去噪声方法。这种方法是把有用的气敏信号、噪声信号均看成独立分量，在样本测试信号被分解成不同的独立分量基础上，依据各独立分量小波能量值的大小来选择噪声分量，以实现样品检测数据中噪声的剔除。 4．提出了一种基于高斯核变换的Fisher判别分析方法，以实现Fisher判别分析在高维特征空间中对复杂样品的有效鉴别。该方法通过对高斯核参数的优化研究，获得了合适的核参数，进而可有效地把原始测试数据的特征空间变换至更易分析的高维特征空间，使简单、实用的Fisher判别分析方法得到有效运用，提高了鉴别结果的准确度与可靠性。 这些研究成果的有效性已被食醋、白酒、牛奶等样品的检测实例所证明。项目所提出的阵列优化、特征参量鉴别能力评价、噪声剔除等方法属不失一般性的研究成果，为电子鼻更加有效地检测白酒、食醋等复杂样品提供了必要的方法支撑，并为今后提升电子鼻的工程实用价值奠定了坚实的技术基础。