随着人们生活水平的提高,家居装修成为热门话题。但是这些装修材料里面含有许多微量污染气体,人们长期生活在这种环境下,身体健康会受到极大威胁,因此对这些污染气体的检测就显得非常重要了。本文研究了基于小波神经网络改进算法的混合气体检测方法。由于有害气体不止一种,我们采用金属半导体氧化物气体敏感传感器阵列来采集气体信号。针对小波神经网络精度高,学习速度快的特点,我们将小波神经网络模式识别算法应用于室内混合气体的检测。在目前常用的一维小波神经网络(经典的小波神经网络)的基础上,我们研究了用来处理多维数据信息的小波神经网络,并将其应用于室内混合气体检测,主要是基于小波神经网络学习收敛速度较快,对网络输入不是很敏感,以及小波神经网络可以有效的进行函数逼近或者信号逼近的特点。传统的前馈神经网络多采用误差反传学习算法对网络进行训练,但是误差反传学习算法具有容易陷入局部极小值,收敛速度慢以及容易导致震荡等缺点。针对这些缺点,我们对传统的误差反传学习算法进行了两点改进,一是采用基于梯度符号变化的局部学习率自适应算法,二是采用引入动量项的方法。我们使用改进的误差反传算法来训练小波神经网络,能够有效的加速算法的收敛速度和有效的避免算法陷入局部极小值,避免震荡的出现。最后通过Matlab仿真实验用训练好的小波神经网络对混合气体进行定性、定量分析,并得到了令人满意的效果。