仿生嗅觉系统又称电子鼻(Electronic Nose,E-Nose),是20世纪90年代发展出来的一种新型的气味信息检测技术,它可以通过测量物质气味挥发性成分,实现物质的快速检测及鉴别。近年来,随着电子信息及人工智能技术的进一步发展,仿生嗅觉技术在国防、航空、生物医疗、公共安防、食品安全、化工检测及多媒体等领域的应用已经得到世界各国学者的广泛关注。与此同时,人类经过多年对音频和视频信息的深入研究和发展,结合网络通信技术,人类的听觉、视觉功能已在时间上及空间上获得了巨大的拓展,而人类的嗅觉能否通过对“嗅频”的研究,拓宽其时空功能?本文基于现有的研究基础和成果,充分分析了仿生嗅觉系统应用于物质气味信息检测、处理及识别所面临的挑战,并对仿生嗅觉系统中物质气味信息的检测及处理关键技术进行了深入研究;首次提出“嗅频”概念,用于表征物质气味通用性特征,并对其开展了初步的理论和应用探索,为后续气味信息网络化传输及复现提供一种研究思路。总结本文开展的相关工作及主要成果如下:(1)针对仿生嗅觉系统中,金属氧化物气敏传感器因温度敏感而产生的基线(电子)漂移,从而造成采集检测的数据失真(难以重复)的问题。提出了一种基于Z分布归一化的信号预处理方法,可以有效改善因为传感器对温度敏感而造成数据漂移,从而产生检测数据失真的问题,为解决复杂气体信息检测信号的获取提供了一种新方法。实验测试结果表明,所提方法在室温条件下,能有效改善传感器漂移产生的原始数据噪声,为后续信号处理及特征提取提供稳定有效的数据源。(2)物质气味信息的特征提取是仿生嗅觉系统信号处理的基础问题,本文针对PEN3电子鼻系统采集的数据图谱,提出了基于曲线模拟和统计两类数学特征,可以有效表征测量图谱的内在特征,有效降低了数据处理维度。测试结果显示,基于所提的两种数学特征处理的气味图谱,相对于原始数据直接处理,在特征空间分布上更直观。(3)物质气味信息的特征重构是仿生嗅觉系统信号处理的关键问题,受限于金属氧化物传感器材料和制造工艺的影响(交叉灵敏),基于PEN3电子鼻系统采集的数据图谱,在数据空间是高维分布且具有重叠效应。本文提出一种基于嵌入核函数(Kernel Discriminate Analysis,KDA)的线性判别方法,用来处理高维数据图谱的降维和特征提取,仿真结果表明,所提方法能够有效的实现4种工业气体数据的特征提取及分类。(4)进一步探讨仿生嗅觉系统采集的高维数据图谱特征重构问题,本文提出了一种基于特征选择的局部线性降维(Selective Local Linear Embedding,SLLE)算法,对PEN3电子鼻系统采集的高维数据进行降维和分类处理,并将降维的特征映射到三维及二维特征空间,结合欧式距离分类器,可以实现气味信息有效检测及分类识别,解决了仿生嗅觉系统高维复杂数据信号降维及识别问题。仿真结果表明,所提方法能够实现8种不同产地中药材木香的分类和鉴别,相对于经典的线性降维及特征提取方法在特征空间分布及识别率均有显著提升。(5)物质气味特征的选取及表征,是当前仿生嗅觉信号处理研究的前沿问题,由于缺乏统一的特征表征模式,从而造成气味信息特征不具备通用性的问题。本文首次提出“嗅频”概念,并给出物理定义,具体包含物质气味名称、成分信息、浓度比例等特征信息,旨在于描述物质气味的通用性特征。初步探讨了物质气味嗅频提取方法,提出一种基于多重叠映射降维(Superposition Mapping Analysis,SMA)算法实现嗅频静态参数的获取,同时提出一种浓度预估模型,实现嗅频动态参数的预估,为后续的“嗅频”理论完善及应用研究提供一种探索。