论文部分内容阅读
电子舌是近十年来兴起的一项人工智能技术，采用电子舌对味觉进行识别具有快速、准确、智能的特点，适合于许多领域的使用，因而受到广泛重视。模式识别系统能够降低对传感器性能的要求，提高电子舌的识别准确率，是电子舌的关键组成单元之一。 在定性识别部分，首先使用主元分析法提取原始数据的特征，降低数据的复杂度，然后对提取的特征进行归一化处理。为了使神经网络能够满足味觉识别的要求，对 BP网络结构进行了详细设计，并在深入研究BP算法的基础上，将误差因子引入到网络的训练参数中，获得了更快的训练速度。在MATLAB平台下实现了该算法，并用采集到的样本进行验证，取得了良好效果。在定量识别部分，通过对浓度响应曲线的单调特性和可识别性进行深入分析，提出了一种基于分段线性逼近实际曲线原理的浓度识别方法，并设计了一种具有两级神经网络的结构实现了该方法。其中一级神经网络用于获取味觉的类别信息和粗略浓度值，二级神经网络在浓度的粗略值基础上对浓度进行精确识别。通过大量测试样本对所提出的浓度识别方法的准确性进行验证，计算并分析了其识别误差，验证效果良好。 论文在FPGA硬件实现阶段，运用模块化思想将识别算法分解成多个功能模块，对每个模块进行单独实现，采用控制-执行的方式使所有模块有序运行，增强了设计的稳定性与可靠性，也使得调试更加方便。此外，为了提高计算精度和降低资源消耗，使用了DSP、RAM等常用的FPGA内嵌硬核来实现算法中较复杂的数学运算。 最后，论文还完成了FPGA与其他电子舌硬件系统的通信连接，以及味觉识别结果的液晶屏显示。所实现的味觉识别系统能够与前端其他硬件很好的协同工作，构成了完整的LAPS电子舌系统。