一直以来,随着世界经济发展的速度持续增长,环境污染问题也变得越来越严重,同时对于恶臭污染的问题逐渐被重视。起初的恶臭污染主要通过人的嗅觉及主观感觉加以表征,对于单种恶臭气体,可通过嗅辨员对不同浓度的单种恶臭气体的嗅辨结果得到单种恶臭气体浓度与其恶臭值之间的关系;但是对于未知成分的复合恶臭气体,其恶臭值与其浓度之间的关系非常复杂,无法通过人工嗅辨结果得到其浓度与恶臭值之间的关系。对于未知恶臭气体,只能通过人工嗅辨得到其恶臭值,对恶臭气体的检测耗费大量人力物力。随着科技水平的提高,目前电子鼻检测恶臭的方法逐渐将人工嗅辨的方法替代。由于传统的人工嗅辨和化学成分分析的方法不能实时连续检测恶臭,因此以多气体传感器为基础的恶臭实时监测系统的开发,并建立恶臭值与人工嗅辨的关系变得十分重要。本文提出了一种基于嗅辨的复合恶臭气体电子鼻检测方法。该方法的核心就是利用传感器阵列对于复合恶臭气体进行多路采样,形成响应指纹组与人工嗅辨结果对比定标,实现对对恶臭气体的测量。由于气体传感器与普通传感器特性存在很大差别,比较突出的是具有严重的滞后。由于滞后的存在,在在线检测的情况下,传感器响应大多数无法达到稳态值。这些滞后包括线性与非线性两种。针对线性滞后,本文建立了一种一阶线性滞后模型,利用瞬态过程的中间数据进行回归,实现了稳态值的最佳估计,并通过实验证实了该模型具有较高的准确度。针对非线性滞后,本文还提出了一种基于移位回归的算法,该算法可以有效的消除非线性滞后,并且具有高度自适应能力。此外,本文还对移位回归算法进行了优化。该方法不仅适用于电子鼻系统,也适用于各种气体传感器信号检测的应用场合。本文通过大量的实验分析与处理验证了气体传感器模型的正确性,同时对移位回归算法的优化进行了详细的讲述,最后通过单质气体和复合恶臭气体的实验建立了恶臭指纹识别的数据库,初步完成了恶臭气体检测的工作。