随着禽畜业的发展，为了有效控制畜舍废气的排放，许多禽畜养殖场均使用传感器对场内几种主要的污染气体进行浓度检测，通过测量的数据对超标的废气进行一定的处理。为了保证控制的可靠性，防止因传感器的故障产生错误测量数据，导致现场做出错误的气体处理，需要对测得的一些较为关键性的测量数据进行监控。当现场数据出现错误时，需要采取一定手段，对错误数据进行修复。本文设计了一个神经网络的数据估计器，通过对现场数据的及时处理，对错误的测量数据重新进行估算，得出与实际数据较接近的数据，为现场控制系统在传感器出现故障时做出合理的处理提供依据。首先，从神经网络算法结构的角度考虑，研究了基于信息熵的估计神经网络隐结点数目的方法，通过划分决策树，对估计器中神经网络隐含层的数目进行了估算，有效提高了该估计器的性能。其次，从硬件结构的优化角度入手，对神经网络中激励函数的硬件实现方式进行了比较研究，找出较合理的设计方案。最后，该估计器采用自顶向下的设计方法，通过FPGA硬件技术，利用Altera公司低成本的Cyclone系列EP1C6Q240C8芯片全硬件实现该估计器。为了测试该估计器的性能，本设计对某一饲养场的氨气浓度测量数据进行了分析处理。在实验过程中，该估计器能有效的识别出失真数据，并且其估算结果能够较好的逼近真实数据。实验结果表明：该估计器的运行频率达到了33MHz，最大误差达到了7.8％，基本能满足测控系统对测量数据误差的要求，可以应用到实际系统中去，进一步提高测控系统的测控精度以及可靠性，具有重要的实际意义。