具有体积小、功耗低、灵敏度高、硅工艺兼容性好等优点的金属氧化物半导体(MOS)气体传感器已广泛地应用于军事、科研和国民经济的各个领域。然而MOS传感器选择性差是制约其应用的最大障碍,为解决这一问题,根据该类传感器在不同工作温度范围内对不同气体的的动态响应有一定差异的特性,本文试图对单个气体传感器进行变温下的热调制,通过解析单个传感器对不同气体分子的热调制信号,结合快速发展的人工智能算法,来提取出气体分子的更多特征,大幅提升单个气体传感器的识别能力,并开发出基于热调制的智能气体分子识别原型器件。具体的研究成果与创新点如下:1.通过提取单个p型NiO传感器热调制信号的特征来识别多种挥发性有机化合物(VOCs)气体分子。利用细菌纤维素(BC)模板法合成了 p型NiO纳米颗粒。研究了阶梯波形热调制下NiO传感器对5种VOCs的瞬态响应特性。提出了一种信号预处理方法来逐步去除与气体分子种类无关的特征。首先,传感器热调制信号包括了传感通道(通常为本征/轻掺半导体)本身随温度的变化,而这部分电响应信号显然与吸附气体分子同传感器表面的电荷交换无关。将原始电信号转变为灵敏度响应信号(相同温度变化剖面下的Rgas/Rair)可以有效剔除热调制信号中的冗余特征(传感材料本身的温度响应特性)。随后,通过对热调制灵敏度响应信号归一化处理可以进一步去除气体浓度相关信息,最后采用离散小波变换(DWT)去除其它噪声影响。基于该信号预处理方法,通过非选择性p型低灵敏度NiO传感器,成功地对被测VOCs分子进行了分类识别,其中包括苯、甲苯、氯苯等三种苯系物。该工作强调,消除无关的热调制电信号对于扩展单个MOS传感器对VOCs分子的识别能力至关重要,并为探索未来的智能气体分子识别芯片提供了思路。2.采用金属氧化物气体传感器在热调制下实现对BTX气体分子的识别。通过采用调温传感器的瞬态响应信号进行特征提取,代替从传感器恒温电阻测量中提取的有限特征。使用通用的非选择性MOS(NiO、WO3和以SnO2为基础的商业TGS2602)传感器研究了其对BTX分子(包括三种二甲苯同分异构体)的热调制瞬态响应。通过对三个传感器响应信号特征的线性判别分析(LDA)或对单个传感器响应信号特征的卷积神经网络(CNN)分析,可以成功地实现对BTX分子的鲁棒性识别,识别时间在～5 s内。研究发现,适当的热调制提供了提取高度相似分子(如BTX,包括二甲苯异构体)特征差异的强大途径,而人工智能(AI)领域深度学习算法的最新进展可以极大地增强非选择性半导体传感器的识别能力。这两大优势的结合为智能分子识别芯片的研发应用奠定了基础。3.研制了基于热调制的便携式智能气体分子检测与识别系统。首先,基于51单片机开发了 MOS传感信号采集系统和温度采集系统,实时显示与采集对应传感层电阻响应的信号电压,根据恒定加热温度下MOS传感层电阻随气体浓度变化,实现实时气体浓度测试,系统中同时包含阈值报警和温度采集功能,采集信号可通过串口传输至PC机。其次,开发了智能气体识别系统,设计电路对传感器加热端电压动态调制,采集热调制所得的传感器特性变化曲线,通过串口传递至上位机,将所得热调制响应信号经信号处理特征提取后喂入Python-Tensorflow搭建的BPNN/CNN实现气体分子识别。