本项目针对电子鼻系统中关键问题，结合当前一种新颖的信号处理理论-压缩感知理论，提出一种基于压缩感知理论的新型气体/气味检测方法，建立了基于半导体气体传感器的混合气体/气味压缩感知模型以及基于压缩感知的电子鼻系统框架。研究了基于傅里叶变换、短时傅里叶变换、小波变换、Hilbert-Huang变换、正交分解的原子字典稀疏表示方法及相应的特征提取技术，结合决策树、BP神经网络等实现混合气体检测和识别。探讨了基于程控电源、DAC和PWM的气体传感器温度调控方法，测试新颖的气体传感器并获得了大量的气体传感器稳态和动态响应数据。根据稀疏分解结果提取了少量特征可实现高准确率的气体识别。结合动态特征参数和气体识别率，分析了温度调制模式中波形、周期和幅度等参数的影响，为优化工作模式建立了基础。基于第一性原理仿真模拟了CO，O2在SnO2表面的吸附，进一步验证了气体传感器材料表面的物理吸附和化学吸附机理。研究开发了基于PC/笔记本电脑的气体测试系统、稳态配气系统、植物感知系统、基于单片机的可燃气体检测系统、基于单片机的烟雾测试、井下测距测气系统等6种电子鼻原型装置，基本验证了本项目方法的可行性和有效性。