火灾不仅夺去了人类的生命财产，还破坏了人类赖以生存的生态环境和自然资源，严重地威胁着人类的生存安全。因此研究火灾发生发展的规律，准确可靠的实现火灾早期探测具有极为重要的意义。当代火灾探测技术主要需要解决的问题就是提早报警、降低误报和漏报，而提早报警和降低误警率恰恰是一对矛盾，这对火灾探测技术提出了更高的要求。火灾中的气体与火灾同步产生，其浓度变化能真实体现火灾的进程，且气体传播速度快，适合用于火灾早期探测。本文以CO气体作为火灾早期的表征气体，建立了基于傅立叶变换红外光谱技术的早期火灾探测实验系统，进行了大量的有限空间火灾模拟实验，并对浓度数据进行处理，剔除数据中的随机成分，得到包含火灾过程特征信息的浓度数据。本文在统计检测理论的基础上分析了火灾预警的问题，针对火灾特有的非平稳随机过程的特点，构建了火灾判别系统的检测模型，选择运用NP准则与改进的时间序列结合的方法来判决火灾的发生。NP准则不需要确定先验概率以及代价函数的特点很适合火灾探测；引入序列检测的思想将NP准则的判决域划分为报警区、拒识区和非火灾区三个区域，克服NP准则凭单次观测值作判决易引起误报、漏报的缺点；将传统的序列检验进行优化改进，固定观测维数，以移动窗的形式更新样本更是改善了探测器的性能，利于实现火灾的连续预警。实验证明，该探测方法在阴燃初期就能够准确判断火灾，无漏报或误报。比起传统探测器，该方法为火灾的防患和预警提供了有效的时间。