作为模式识别的一个重要分支,生物特征识别已经为人们日常生活的各个方面带来广泛与深远的影响。除了指纹识别等身份鉴别之外,生物特征识别还可以应用于医学诊断方面,尤其是中医的现代化方面。随着基于传感器的电子鼻技术的发展,呼吸诊断即基于人体呼出气体的疾病诊断方式,得到了快速和稳定的发展。这种方便、可靠、非侵入式的疾病诊断技术已经逐渐成为当今国际医学诊断的发展潮流。但是呼吸诊断作为一种新兴的疾病诊断技术,还存在众多亟待解决的问题,如电子鼻系统性能的提高,气味数据特征提取算法以及分类算法的研究等。本文的工作主要分为三个部分:电子鼻系统的设计与实现,气味数据特征提取算法的研究,以及气味数据的分类。电子鼻系统的设计分为硬件和软件两个部分,硬件部分包括传感器阵列的优化,传感器信号的调理、采集与通信,以及采样系统的搭建等,软件部分主要是样本采集系统的编码实现。对气味数据特征提取算法的研究是本文的核心内容。气味样本数据是传感器阵列输出的电信号,传统的特征提取方法提取的是信号曲线的静态几何特征,如曲线的峰值、峰值位置、斜率和曲线下面积等,这种特征提取方法存在很多缺陷,因为气敏传感器的响应不仅与气体的类型有关,还受温度、湿度和气体浓度的影响,所以静态的几何特征不能稳定的反映气体的类别信息。本文采用基于曲线拟合的特征提取方法,在分析各种模型的基础上,提出了一种新的高精度的曲线拟合模型,并提取模型的参数作为特征。这些特征能够全面而稳定的反映气味数据的类别信息,为后续的分类工作提供良好的特征数据。本文的电子鼻系统已经投入了采样工作中,先后对二百多个健康人以及近一百名糖尿病病人的呼出气体进行采样。在特征提取研究工作的基础上,本文对健康人和糖尿病病人的呼出气体数据进行了一系列的分类实验,包括聚类实验、主成分分析、线性判别分析、BP神经网络以及支持向量机。实验表明,基于曲线拟合的特征提取方法是有效的并比传统的几何特征提取在样本识别率方面具有明显的优越性。