由于工业化进程的不断加快,空气污染已经成为一个热门话题,尤其是有毒气体的污染日益严重,对人体造成危害也越来越大,为了保障人们的身体健康,发展高性能、低成本的多传感器与智能技术相结合的快速识别系统识别出气体种类,做到防患未然具有重要的现实意义。基于机器学习的贝叶斯网络理论的多传感器数据融合技术的气体识别系统,对于提高系统的检测精度,检测速度有较高的效率。本文采用基于多传感器的贝叶斯网络数据融合技术,设计一套多气体识别系统。该系统具有数据采集、气体识别、实时显示、声光报警、串口通讯等功能。论文在分析了贝叶斯理论的分类原理和一氧化碳、硫化氢、氨气传感器的检测原理之后,提出以传感器气体采集模块和贝叶斯理论为识别算法构成的系统总体方案。系统硬件由3个部分组成:即TMS320LF2407控制器部分、信号调理电路部分和上位机通讯电路。系统软件则包括两个部分:下位机程序和上位机软件程序。在此基础上基于MATLAB做出仿真数据,证明贝叶斯理论在气体识别方面的可行性。论文改进了贝叶斯网络的数据融合方法,利用传感器的原始数据,对测量数据进行后验概率的估算,并将其分类。通过分析贝叶斯定理的变体形式以及迭代法的思想,提出了一种对朴素加权贝叶斯分类模型的算法改进的方法,通过不断的用后验概率迭代前一次先验概率,较为精确计算后验概率,再根据这些特征属性子集的特点,得到模块的分类条件概率表,然后通过贝叶斯定理的变形公式对各子模块的条件概率表进行整合,最后得到总体的分类结果。将所提出的贝叶斯理论应用到多气体识别系统中,提高了多气体识别系统的测量精度,并使系统具有良好的鲁棒性。实验表明系统性能稳定,测量精度基本达到预定的要求,应用前景较好。