在瞬态测试领域，能否测得准信号是一个非常核心的问题。被测信号变化速度特别快，蕴含非常丰富的高频分量。对于此种信号的检测首先要考虑传感器的动态特性。比如对于频谱在500Hz以下的信号，传感器的带宽只有高于500Hz的情况下才可以实现对信号的准确检测。但是很多情况下，传感器的带宽不能满足测试要求。可以改进传感器的工艺或者换为动态性能更好地传感器来解决此问题。这对于检测系统来说成本都较高。如果在含有微处理器的检测系统中采用信号处理的方法实时处理传感器输出的信号，在一定程度上改善传感器的动态特性是非常不错的选择。使用模糊神经网络对二阶系统进行了动态特性的改善和仿真。为了进一步增加改善效果提出了改进的RLS算法以及遗传算法对自回归模型进行参数辨识建立传感器的逆模型。用梯度下降法产生RLS和遗传算法的参数初值再使用两种方法去优化和修正参数值。三种方法对比后得知后两种方法都是基于自回归模型的，它们的改善效果要比模糊神经网络要好。这两种方法对于自回归模型的参数辨识效果相差不多。对于使用改进遗传算法离线辨识好的ⅡR数字滤波器，将参数存入FPGA在线修正传感器动态特性。通过仿真验证了其实时实现的可能性。设计了电荷放大器、仪表放大电路、低通滤波器、A/D转换器和D/A转换器。以FPGA为核心设计了带有负延迟、自适应采样频率的检测存储模块。在实际系统中用Verilog HDL语言实时实现了算法。实验表明利用本文的方法可以将阻尼比为0.1，固有频率为6283.18rad/s的传感器带宽拓展到固有频率的1/2。