微热板式气体传感器具有尺寸小、功耗低、易集成等优点,成为MEMS领域的一个重要研究成果。可惜的是目前其选择性差、稳定性差的缺点,限制了该成果的实用化和产业化。本文主要研究微热板式二氧化锡薄膜气体传感器的选择性改善方法,从传感器的制造工艺、性能测试出发,在气敏机理、传感器阵列、温度调制等方面展开了系统的研究,并将其用于一氧化碳和甲烷混合气体的检测和分析。 本文首先设计并组建了一套气体传感器性能标定和测试系统,制作了一批微热板式气体传感器,并使用测试系统对传感器的性能进行了全面的研究。基于量子力学从头算方法,以SnO₂薄膜的材料表征结果为基础,模拟了CO、CH₄和O₂等在SnO₂薄膜表面的物理化学吸附行为。结合半导体表面势垒和物理化学吸附的动态平衡理论,详细推导并建立了SnO₂膜气体传感器对CO和CH₄混合气体的电学响应模型,在多参数优化的基础上通过实验数据进行了验证。讨论了环境中O₂浓度对传感器灵敏度的影响。 以传感器的混合气体响应模型为基础,研究了利用气体传感器阵列技术提高选择性的方法。讨论了基于线性稳态响应的混合气体盲分离条件,应用盲信号分离（BSS）模型,结合实际测试数据,研究了非线性主成分分析法（NLPCA）和独立成分分析法（ICA）等盲分离算法对CO和CH₄混合气体分析和量化的性能,并与常用的主成分分析（PCA）技术进行对比,甲烷和CO的平均绝对误差分别降低了约200ppm和7ppm。将BSS技术与BP神经网络相结合,能够有效提高混合气体浓度量化的精度。 本文还研究了在微热板温度按照一定规律变化条件下的传感器动态响应特性。提出了差值预处理方法,该方法有效抑制了温度调制模式下微热板温度变化引起的强信号对气体传感器动态信号的影响,提取了敏感薄膜表面气体动态吸附引起的气体响应信号。将该技术与短时傅立叶变换（STFT）相结合,利用特征频率法研究了不同周期和温度控制范围内的正弦波、矩形波、三角波和锯齿波等方式调制下的传感器对CO、CH₄和乙醇三种气体的识别能力。为简化算法,同时提出了虚拟阵列法来检测和分析混合气体。 本文最后以煤矿中两种主要的易燃易爆气体CO和CH₄的混合气体为检测对象,开发了以单片机为控制和信号处理中心的实时气体检（监）测仪表,为制作单片集成式电子鼻作了前瞻性的研究和铺垫。