电子鼻是一种用于气体检测的仿生设备,主要由气敏传感器阵列和模式识别算法两大模块构成。与专业嗅觉师、现代化学分析仪器等气体分析方法相比,使用电子鼻系统检测气体具有简单、客观和廉价的优点。研究者们尝试使用多种气体信号采集方法和模式识别算法实现电子鼻系统,其中气敏传感器阵列配合人工神经网络识别方法是现有嗅觉识别技术中效果较好的一种。电子鼻系统的研究热点主要集中在两个方面：交叉敏感的传感器阵列技术以及高效通用的模式识别算法。气敏传感器是电子鼻将气味化学信号转换成电信号的原件,其响应敏感性和稳定性决定了整个系统的性能。模式识别算法是决定电子鼻系统智能程度的关键,目前包括人工神经网络在内的多种模式识别方法已经应用到电子鼻系统中,但识别率和识别性能的提高依然是电子鼻研究中的重点。本文采用传感器阵列采集气体信号,基于分层时序记忆模型实现模式识别的解决方案设计电子鼻系统实现气体定性识别。重点研究了一种新的人工智能算法模型Hierarchical Temporal Memory,并将其引入到电子鼻系统的信息处理中。本文主要研究如下内容：本文首先分析电子鼻系统关键技术,设计电子鼻实验信号采集系统。采集系统包括气体采样配置、反应气室控制、传感器阵列驱动、信号调理、数据采集等完整流程,并研究了传感器阵列信号预处理与特征提取与转化方案。然后研究了HTM脑皮层学习算法,包括HTM原理、层级结构、编码方式、学习和预测能力的实现。在此基础上应用HTM设计实现了一个人工嗅觉识别系统。本文还将嗅觉识别系统应用到多种气体检测中,实验结果表明基于HTM算法的嗅觉识别系统具有优秀的性能,适合电子鼻信息处理。