1.电子鼻的概述

1.1 起源与发展

对于电子鼻的起源，最早可以追溯到20世纪60年代初。1961年Moncrieff[6]制造了一种机械式的气味检测装置。随后1962年在瑞典的斯德哥尔摩举行国际上最早的嗅觉和味觉学术交流会[7]，推动了对人工嗅觉技术的研究。1964年，Wilkens和Hatman[8]依据气味分子在电极上发生氧化还原反应的原理，建立了第一个人工嗅觉模拟系统。1965年，Buck等[9]利用金属和半导体电导的变化对气体进行了测量，同年Dravieks等[10]利用接触电位变化也实现了对气体的測量。然而，“电子鼻”这一概念直到20世纪80年代才首次出现。1984年，美国的Zaromb和Stetter[11]率先探讨了气体传感器阵列的理论基础，并将这一阵列用于检测易燃、有毒的气体。同期，由英国Persand[12]等人提出了作为气体分类用的智能化学传感器阵列概念，其制造的电子模型嗅觉系统包括了3个气味探测器所组成的传感器阵列和模式识别系统，这一简单的系统可分辨按树脑、玫瑰油、丁香牙油等挥发性化学物质。接着于1987年，在英国Warwick大学召开的第八届欧洲化学传感研究组织年会上，人们正式认可并使用了电子鼻（Electronic Nose）这一术语，且以Gardner为首的Warwick大学气敏传感研究小组正式提出了模式识别的概念[13]，引起了学术界广泛的兴趣。1989年，北大西洋公约组织（NATO）召开了关于人工嗅觉系统的化学传感器信息处理会议[14]，进一步明确了人工嗅觉系统的设计[15]。紧接着，1990年在德国柏林举行了第一届电子鼻国际学术会议[16]，该会议是真正意义上的针对电子鼻的专题会议。然而“电子鼻”的完整定义直到1994年Gardner和Barttle[17]发表了关于电子鼻的综述性文章时才被给出：“An electronic nose is an instrument，which comprises an array of electronic chemical sensors with partial specificity and an appropriate pattern recognition system，capable of recognizing simple or complex odors”。

1.2 基本结构与工作原理

电子鼻，又被称作人工嗅觉系统，其工作原理模仿了人类对气味的识别机制[18]，该电子仪器由3个部分组成：1）气味分子被人工嗅觉系统中的传感器阵列吸附，并产生信号，模拟气味分子与人嗅觉细胞表面受体蛋白结合的过程;2）生成的信号经过各种方法加工处理与传输，模拟信号被嗅觉细胞神经网络和嗅球进一步加工放大的过程;3）将处理后的信号由模式识别系统做出判断，模拟人大脑对气味做出判断的过程。见图1。其中传感器阵列、模式判别系统是决定电子鼻工作效能的核心要素[19]。

1.3 传感器阵列

国际电工委员会（International Electrotechnical Commission）对传感器的定义是“The sensor is the primary part of a measuring chain which converts the input variable into a signal suitable for measurement”[20]。国家标准GB/T7665-2005对传感器的定义是：“能感受被测量并按照一定的规律转换成可用输出信号的器件或装置，通常由敏感元件和转换元件组成”[21]。虽然传感器的种类（温度、湿度等）很多，但在药学领域主要以化学传感器为主。

国际电子鼻研究学会对化学传感器的标准定义是：“A chemical sensor is a device that transforms a device that transforms chemical information，ranging from the concentration of a specific sample component to total composition analysis，into an analytically useful signal.The chemical information，mentioned above，may originate from a chemical reaction of the analyte or from a physical property of the system investigated”[22]。单一传感器对气体的响应程度可用强度来表示，而由多个传感器组成的阵列，除了具有多个响应值外，其整体组成的多维空间数据还会呈现一定的响应模式[23]，根据不同的响应模式而采用相应的模式识别方法，能确定气味的类别和强度，显示被测样品整体信息。由此可见，所以单个传感器与传感器阵列在特性上有着本质的区别。

传感器阵列具有广谱响应性、交叉敏感性等特征，与人类的鼻子类似，闻到的是样品的总体气味。根据材料类型，常见气体传感器及其阵列可以分为3大类[24-25]：1）金属氧化物型半导体传感器及其阵列（Metal Oxide Semiconductor，MOS），如SnO2、ZnO、WO3等，当其吸附某种气体时会导致该氧化物的电阻发生变化，由此产生强弱不同的信号。优点是其生产工艺稳定，灵敏度较高，可建立长期模型，已实现同机模型转移，基准响应的漂移可在一定程度上得到校正。2）导电聚合物传感器及其阵列（Conducting Polymers，CP），如吡咯、苯胺、吲哚、噻吩等碱性有机物的聚合物及衍生物，当其与带气味的物质接触、反应后，会引起电阻的增加产生正向信号，但这一电聚合化的过程不但困难而且耗时。此类传感器生产工艺重复性差，对湿度较敏感，响应会随时间漂移且校正困难。3）质量传感器及其阵列（Quartz Crystal Microbalance，QCM;Surface Acoustic Wave，SAW），当其吸附气味分子时会引起振动频率的改变，从而产生信号，优点是灵敏度高，缺点是需要更为复杂的电子学，且生产重复性差、需频率检出器、寿命短，共振频率会随着活性薄膜的老化而漂移且校正困难。

因为制作工艺及信号漂移校正困难等问题，后2种传感器多已被淘汰，MOS传感器成为商用电子鼻传感器的主流。

1.4 模式判别

模式识别方法分为无监督和有监督的方法。无监督的模式用来探索完全未知的数据特征，其根据样本特性对原始数据的信息进行归类，最后运用可视化技术将归类直观地呈现;有监督的模式是在已有先验知识和假设的基础上，建立不同的信息组，并利用所建立的组对未知数据进行辨识、归类甚至预测[26]。

主成分分析法（Principal Component Analysis，PCA）是典型的无监督方法。它是一种线性特征提取技术，通过提取变量中的主元变量从而降低数据的维数，尽可能的保留并展示原始数据中所包含的信息。其他的无监督识别模式还有聚类分析（Cluster Analysis，CA）等。

有监督模式识别方法较多，包括线性判别分析（Linear Discriminant Analysis，LDA）、K邻近方法（The K-Nearest Neighbors，KNN）、偏最小二乘法（Partial Least Squares，PLS）、分类模拟独立模型（Soft Independent Modeling of Class Analogy，SIMCA）、分类回归树（Classification And Regression Trees，CART）、小等分布分类（Unequal Dispersed Classes，INEQ）、支持向量机（Support Vector Machine，SVM）、人工神经网络（Artificial neural networks，ANN）等。在这些方法中，ANN通常被人们认为比较有前途。该方法是模仿脑细胞结构和功能、脑神经结构以及思维处理问题等脑功能的新型信息处理系统[27]，它能对一组特定的包含正确的输入与输出的信息构建网络结构参数，并在环境产生变化时，重新对网络结构进行自主训练与调整，使得对给定输入产生期望的输出。因其高度的非线性、良好的容错性和计算的非精确性，在处理噪声和漂移方而比传统的统计方法要好，使之在智能控制、组合优化、预测等领域得到成功应用。其特点不仅由其结构特征和基本处理单元的特性决定，还与其学习的算法有关。目前常用的算法有BP神经网络[28]（Back Propagation Trained Neural Network）、概率神经网络[29]（Probabilistic Neural Network）、径向基神经网络[30]（Radial Basis Function Neural Network）、自组织网络[31]（Self-Organizing Network）、模糊神经网络[32]（Fuzzy Neural Network）等。