电子鼻系统是传感器技术和人工智能技术的共同产物,它是模拟生物嗅觉的一种仿生技术。通过模式识别算法与具有交叉敏感性、广谱性的气敏传感器阵列相结合,实现对气味的识别与分类。电子鼻技术在实际的发展过程中仍然有诸多尚待解决的问题,例如传感器灵敏度不高、选择性差、重复性差、易中毒、易老化等问题。对于这些问题,目前比较普遍的解决方法是采用信号处理技术对电子鼻系统进行校准,但现有的电子鼻校准方法并没有一个通用的标准。本文针对电子鼻系统的不同情况提出了两种校准方法,论文的主要内容如下:（1）针对电子鼻系统传感器的漂移问题,提出了一种自动校准模型。该模型包含硬件与算法两个部分:1)硬件上,设计并制作了一个自动校准系统,实现了与电子鼻的连用,从而完成自动进样的功能;2)算法上,提出了一种基于POCS（凸集投影）方法的电子鼻校准模型。该模型能够用来校准传感器特征数据（无论数据最终用于分类还是回归）。同时,本文还总结了现有电子鼻数据预处理中常用的规范化方法,并与算法相结合。实验结果表明,选择对于大部分传感器都有响应的异丙醇、丙酮气体样本以及漂移明显的基线样本训练模型,得到的模型不仅能够很好地校准这三种样本测试数据的漂移,而且用未参与训练的正丙醇气体进行验证,也能得到较好的效果。（2）针对电子鼻系统传感器的板间差异问题,提出了一种基于域校正-凸集投影-自适应极限学习机模型。应用模型前,将采集的肺癌患者呼气实验中的特征数据集划分为两个域,样机1数据作为源域数据,样机2数据作为目标域数据。该模型主要由以下三个部分组成:1)域校正,利用迁移学习的思想,解决两个域之间特征分布差异较大的问题,实现板间差异的初步校准;2)凸集投影,利用凸集约束条件,继续调整目标域数据,实现板间差异的细节校准;3)自适应极限学习机,用源域样本和少量的经过POCS校准后的目标域迁移样本共同训练得到一个泛化性能更强的分类器,实现板间差异在决策层面的校准。实验结果表明,本文提出的DC-POCS-AELM模型对于电子鼻传感器特征数据的板间差异校准是有效的。