液滴分析技术是一种用于对液体鉴别的技术。通过液滴分析技术,可以获取能反映被测液体特性的液滴指纹图。本论文主要研究了嵌入式液滴指纹图识别系统的信号预处理、特征提取、模式识别和人机交互界面。其中,信号预处理方法包括：分段、异常液滴处理、滤波器设计应用和归一化。本文通过对异常液滴的特性进行分析,设计了异常液滴筛选机制,可以将光纤、电容信号中与正常周期有明显区别的异常液滴剔除。为了提高滤波器的运行效率,本文基于滤波器的设计应用原理,对巴特沃兹-零相位滤波器进行改进。本文对波形分析的特征提取方法进行了两方面的改进,实现了基于多项式拟合的拟合波形分析法和基于主成分分析的特征值降维。拟合波形分析法通过多项式拟合平滑曲线,减小噪声对波形分析法特征值的影响。特征值降维通过主成分分析法提取特征向量的主成分,降低特征向量的维度,提高运行速度。本文用聚类算法对BP神经网络识别算法进行了改进,并提出了基于朴素贝叶斯的识别方法。对BP神经网络识别方法的改进主要通过聚类实现,聚类用于缩小待测液体的训练和识别范围,对相似度较高的液体进行单独识别,提高BP神经网络训练和识别的速度与准确率。本文还将朴素贝叶斯分类器与波形分析法相结合,对液滴指纹图进行分类,得到较高的分类正确率。本文还基于可用性原则,设计了液滴识别系统的嵌入式人机交互界面,主要实现供液控制、数据采集读取、曲线绘制、信号处理等功能。