气体广泛存在于各种生产和生活环境中,许多气体的易燃易爆、有毒有害特性,不仅会给人身安全带来隐患,也会给大气环境带来影响。因此,快速准确的检测气体浓度、反演气体参量、定位气体泄漏源,不仅可以有效避免安全事故的发生,而且可以实时监控大气中有害气体的浓度。在众多气体检测方法中,红外吸收光谱法以选择性强、灵敏度高、响应时间短、寿命长等特点得到广泛应用。为了抑制系统或环境中的噪声、提升反演精度、有效定位泄漏源,需要将各种信号处理算法与红外吸收光谱技术融合,以凸显其快速准确性。本论文采用了现代自适应滤波算法,用于抑制红外传感信号中统计特性未知的噪声;采用了神经网络算法,用于反演气体参量;采用了加权质心和差分进化算法,用于定位气体泄漏源。首先,研究了基于自适应滤波技术的气体检测算法。选择了甲烷分子位于中红外波段的吸收谱线。该系统结构的光学部分由两个宽带热光源、两个半椭球聚光镜、两个双通道热释电探测器和一个气室构成,电学部分由一个恒流驱动电路模块、一个采集卡(Data Acquisition,DAQ)以及Lab VIEW数据处理平台构成。建立了基于自适应滤波技术的气体检测算法模型,依据数值仿真结果改进了算法。开展了甲烷气体检测实验,对于0-10k ppm浓度范围内的标准气体样本,相对测量误差最大约为13.09%;当积分时间为3 s时,系统的检测精度为165 ppm,积分时间增加到1050 s时,检测精度提高为2 ppm。0 ppm时,对含有不同频率噪声的系统进行了360 min的稳定性测量,结果显示,采用自适应滤波算法后,测得的浓度值更接近真值,且噪声频率越大,滤波后的浓度标准差越小。然后,研究了基于神经网络的气体参量反演算法。选择了甲烷分子位于近红外波段的吸收谱线。传感器系统的光学部分,由近红外分布反馈(Distributed Feedback,DFB)激光器、气室、铟镓砷(Indium Gallium Arsenide,IGA)探测器构成;电学部分由激光器电流驱动、采集卡以及Lab VIEW数据处理平台构成,气体预制备部分由质量流量控制器、压力控制器、真空泵构成。采用了小波变换方法抑制系统噪声。建立了基于神经网络的气体参量反演算法模型,优化了网络结构、传递函数和学习函数,并在MATLAB上对算法进行数值仿真。开展了甲烷气体检测实验,对于5000 ppm的标准气体进行30 min的稳定性测试,得到12CH4同位素气体浓度的测量均值为4957.00 ppm,标准差为6.76 ppm;13CH4同位素气体浓度的测量均值为55.80 ppm,标准差为0.05 ppm;气室压强的测量均值为103.51 Torr,标准差为1.73 Torr;13CH4同位素丰度值的测量均值为2.13‰,标准差为0.81‰。最后,研究了气体泄漏源的定位算法。选择了气体湍流扩散模型,分别给出无风和有风两种环境下的气体扩散方程。采用了加权质心和差分进化两种算法作为泄漏源定位算法。设计了基于MATLAB的人机交互界面,通过设置气体泄漏源参数、环境参数和监测节点坐标,可以直观显示浓度分布图、气体扩散图、定位结果等。开展了定位算法的仿真,结果显示:在气体扩散平衡前,采用差分进化算法达到最小定位误差所需要的时间,明显比采用加权质心算法所需的时间短;在气体扩散平衡后,定位误差由监测节点分布情况、监测节点处浓度值、所采用的定位算法等多种因素综合影响:如果监测节点分布越紧凑、所获取节点处的浓度值越准确、定位算法越智能,则定位误差越小。本论文的主要创新点如下:采用四通道结构,设计了基于自适应滤波技术的气体检测算法,依据数值仿真结果改进算法,并开展了甲烷气体检测实验以验证算法的效果。