电化学传感器在检测矿井一氧化碳含量时，容易受到矿井中甲烷气体的影响。为了解决这个问题，将催化传感器与电化学传感器构成一体，利用两个传感器的输出信号，经过BP神经网络的训练，得到了一个分析一氧化碳的信息融合数学模型。实验表明，利用研究的信息融合信号处理方法，可以提高一氧化碳含量检测的可靠性。

介绍了一种实时在线监测矿井底板突水的科氏力质量流量计。它以FPGA，STM32F103为核心，采用基于神经网络的信号处理算法进行信号处理，可以精确分析水流量质量信号的频率和相位差，消除了检测电路的零飘及干扰信号的影响。实验数据表明，通过样本训练后的流量计在测量模拟矿井突水水源的质量流量时相对误差小于2.2％，密度相对误差小于4．8％。

通过实验分析了电场作用对丙酮离子敏感器件的输出影响。实验证明,一定的电场作用可以加快丙酮的分解和电离,使离子敏感器件的输出提高,响应速度加快。然而,电场对水的电离会影响离子敏感器件的输出,实验证明通过信号处理可以消除水电离的影响,实现对丙酮浓度的检测。

通过人体呼气中丙酮含量的分析是快速诊断糖尿病的一种新方法.针对目前没有专门直接检测丙酮的传感器,提出了通过间接检测丙酮转化的一氧化碳确定丙酮含量的方法,并将电场用于提高丙酮的转化效率.为了克服病人呼气中少量氢气和甲烷对检测信号的影响,采用了神经网络技术对传感器信号进行智能处理,通过对混合气体样本的训练,确定丙酮气体的分析算法.实验证明,这种检测和信号处理方法可以较好地实现丙酮的分析,这项研究成果对糖尿病的早期检查和快速诊断具有重要的应用前景.

根据催化传感器在不同的电场条件下具有不同气体检测灵敏度的特点，介绍了采用单一的热催化传感器在不同的电场强度下，通过分布式多子网神经网络对含未知气体的可燃混合气体进行分析的新方法。应用分布式神经网络，通过训练建立了信号识别的模型，并以3种混合气体为对象进行实验，结果证明了分析方法的可行性。实验表明：该网络在泛化能力与学习速度等均优于BP和RBF网络，其多子网、自动分解任务的特点尤其适用于复杂样本的学习，具有很好的应用前景。

在分析氢离子敏场效应传感器（H^＋-ISFET）的结构特性与测量原理基础上，采用单片机技术，对传感器的信号进行了智能处理，主要是对检测过程中瞬态波动产生的异常信号进行剔除，对环境温度的影响进行补偿，由此可以提高氢离子检测的可靠性和测量精度。

本文提出了一种利用单片机分析丙酮蒸汽的数字分析仪。利用光解和催化转化作用快速对丙酮蒸汽进行分解，使其转化为CO2，再利用电化学原理检测CO2含量，从而实现对丙酮的间接检测。采用A／D转换器和单片机对采集到的模拟信号进行处理，并以数字的形式显示丙酮浓度。