电子鼻系统通常由传感器阵列模块、信号处理模块与模式识别模块组成。在目前情况下，系统硬件技术很难获得大的突破，众多研究集中于电子鼻信号处理和模式识别方法的研究上。本课题采用TGS8系列传感器、U120816型号采集卡、PC机（上位机）构建了一个电子鼻硬件系统；软件采用MATLAB与LabVIEW进行混合编程，实现了电子鼻传感器信号的采集、分析、处理和模式识别等功能。随机共振的本质是由于输入信号、噪声和非线性系统的共同作用使部分噪声能量转换为信号能量。当输入噪声达到某一值时,由于噪声和输入信号的协同作用使得输出信号幅值大于输入信号幅值，起到了有效的放大作用，在此噪声强度下的信噪比即可作为分类识别的新特征。本文采用随机共振理论对电子鼻信号进行特征提取。针对国内食用油存在的问题，本文将基于随机共振理论的电子鼻用于劣质油检查，能够区分出不同掺比浓度的劣质油；实验结果表明随机共振理论用于电子鼻特征提取可以克服传感器基线漂移造成的干扰，避免了对噪声抑制后导致信号损失的问题，保证采集信号的稳定和可重复性，同时本文的研究结果也为劣质油的检测技术提供了一种参考。目前基于电子鼻系统模式识别部分的研究都是假设测试样本的类别均已在训练样本中出现过，针对未知类别样本的电子鼻识别问题，本文提出了采用K均值聚类算法改进RBF的动态分类模式识别算法，具有增量学习和网络输出节点在线可调能力，保证了网络具有较高的泛化能力和一定的学习新类别模式的能力。通过对不同种类的食用醋进行检查和识别，验证了所提方法的有效性。