肺癌是一种高危性恶性肿瘤，由于缺乏有效的早期诊断技术，其死亡率已位居各类肿瘤之首。呼出气体中的一些挥发性有机气体与人体是否患有肺癌，甚至与肺癌的分期都有着密切的关系，可作为诊断肺癌的标志物。与传统的肺癌检测方法相比，通过呼出气体来进行诊断不仅成本较低，更重要的是其具有无创性，并有望对早期的肺癌进行筛查，从而能够大大提高肺癌患者的生存率。目前，针对肺癌呼出气体标志物的检测除气相色谱仪、质谱仪等大型仪器外，还有基于传感器检测技术的电子鼻/舌等新兴技术。大型仪器虽然精确，但价格昂贵；而目前研究中的电子鼻/舌，虽然其理论及加工工艺较为完善，但他们一般信号单一，适合对单一物质进行检测，常用于工业领域，较难广泛应用于肺癌高危病人的筛查。本文立足于开发一种基于可见光（VL）和激光诱导荧光（LIF）的新型双信号可视化检测系统并建立其检测方法，对肺癌气体标志物进行快速的定性、定量检测，为肺癌检测及筛查提供一条新思路。本论文主要完成了以下几个有特色的研究工作：（1）构建了一套完整的VL-LIF双信号肺癌气体标志物检测系统从VL-LIF双信号模式的提出出发，以五大关键性技术问题为中心，构建了基于交叉响应的传感器阵列，详细阐述了通过系统整体方案的设计，将整个复杂系统划分成气、光、机、电四大子系统来逐一构建。综合利用模块化思想、理论模型计算、仿真设计实验、分时复用技术等多种手段有效地解决了新型旋转式反应气室设计、检测参数设定、光源形式构建、运动精确定位、通讯接口连接等技术难点问题。最后，通过系统工程的方式，将这四大部分有机的结合起来，在成功构建了一套完整的VL-LIF双信号肺癌气体标志物检测系统的基础上建立了其工作流程，并对关键部件进行误差分析，通过编写软件进行初步测试，达到预期要求，为后面的算法设计及实验研究奠定了物质基础。本系统申请了国家专利7项，已授权3项，其余4项公开。（2）研究了基于双信号的时频多指标特征值向量提取算法从特征及其相关理论及概念出发，在分别分析了VL信号和LIF信号的产生机制及重要特点的基础上，通过对双信号进行预处理，并综合运用网格划分、阈值分割等图像处理手段及小波变换等数学工具对信号进行了时频分析，提出了基于双信号的时频多指标特征值向量，获得了包括可视化图谱和荧光基元编码在内的特征向量多种输出形式，并设计了相应算法，为后续的气体快速检测提供依据，奠定基础。（3）探索出了根据多指标特征值向量的无监督型模式识别方法并据此对系统识别检测性能进行测试研究。根据系统双信号的多指标特征向量的特点，使用了层次聚类、神经网络、无量纲化、主成分分析等方法对目标气体进行了定性识别和定量检测。探索出基于多指标特征值向量的无监督型模式识别方法。通过在实验中对不同样本条件下层次聚类的成败原因及无量纲化方法的选择做了比较详细的分析和阐述，在分析双信号对识别效果贡献的基础上提出了VL-LIF双信号联合特征，并根据大量重复实验测试了系统及算法的识别检测能力，结果表明定性识别正确率为100%，定量检测正确率可达97.4%。将该系统及联合特征提取、识别算法结合起来，建立了一套完整的基于VL-LIF双信号模式下的肺癌气体标志物的检测方法。