在气体检测方面,与传统的检测方法相比,电子鼻由于有价格便宜、体积小、方便携带、可以实时测量等方面的优点,得到了广泛应用。最近几年来,国内外与电子鼻相关的研究也越来越多。电子鼻系统主要涉及气体传感器、模式识别等方面的技术。气体传感器是电子鼻的基础,影响着电子鼻的整体性能。现有气体传感器存在交叉敏感,要识别出气体信息,需要多个传感器组成阵列,再用模式识别算法识别出阵列信号所对应的气体信息。本文以8个气体传感器组成传感器阵列,选用BP神经网络作为模式识别算法。由于软件实现BP神经网络存在运算速度慢、稳定性差等缺点,专用神经网络芯片虽然运算速度快但不灵活,且价格较贵,本文选用FPGA实现离线学习的BP神经网络算法。首先设计实现BP神经隐含层结点的关键部分--Sigmoid函数和乘累加模块,在此基础上,完成隐含层结点和输出层结点的设计。然后,用以上结点和存储权值阈值的ROM模块以及必要的控制逻辑,实现基于FPGA的离线学习BP神经网络。同时设计完成电子鼻系统的硬件电路等辅助模块,并编写各辅助模块的verilog控制代码。完成电子鼻系统的设计和软硬件调试后,再对电子鼻系统整体功能进行验证。利用数据采集器采集传感器阵列在不同气体环境中的响应信号,在MATLAB软件中创建和训练BP神经网络。再根据训练完成的网络,调整之前设计的神经网络模块的参数。然后进行实际测量。结果表明,该电子鼻系统能成功地对甲烷和氨气进行定性识别,但定量测量误差较大。