随着科技的发展和社会要求的不断提高，火灾探测技术也在不断地向前发展，其重点从最初的感烟、感温探测逐步过渡到到现今的气体探测。光声技术由于其高灵敏度的特性目前被广泛应用于痕量气体检测领域。由于火灾燃烧过程中最早出现的成份是气态产物，因此针对火灾探测所需要的高灵敏性和早期性要求，利用光声光谱法来探测火灾是非常适合的。 本文从火灾燃烧产物着手进行分析，确立了以CO作为火灾探测的目标气体，并结合烟雾参量构成复合探测。基于气体红外吸收理论选定了光声探测的光源波长，依据光声光谱理论对光声腔信号、简正模式、损耗机制等进行了详细的分析。由于火灾燃烧产物是气态产物和烟雾颗粒的混合物，实际得到的光声信号的衰减是由CO的特征吸收和烟颗粒的消光共同作用造成的，因此本文根据粒子散射理论，将光声探测技术和烟颗粒散射有效地融合在一起，建立了火灾气体和烟雾颗粒复合探测模型，对此复合模型进行信号分析，从而在衰减的总的光声信号中分别提取出气体浓度和烟雾浓度信号。从理论上对光声腔的谐振方式、品质因素等参数进行了详细的分析，并利用扩张管式消声器的基本原理对光声腔滤波性能进行了改进，很好地限制了由于窗口吸收光能引起的干扰。对光源调制采用了新的调制方式一波长调制，而不是传统的斩波调制，这样光声腔的窗口在波长调制范围内几乎有相同的光吸收系数，因此窗口材料几乎是不随时变地吸收加热，从而使得产生的背景信号极小。 根据文中的理论分析和计算，对光声腔进行了实物设计加工，结合传声器、锁定放大器等实验仪器设备组成了一套完整的光声光散射复合火灾报警系统。利用该系统对光声腔的各项性能进行了测试，并对木材热解、棉绳阴燃、聚氨酯泡沫火、正庚烷火等进行了实验验证，实验表明系统对这几种火都有很好的响应。建立了光声光散射复合火灾探测系统的三层BP神经网络模型，将人工神经网络和模糊逻辑算法结合起来，根据实验测量数据，建立了报警时间复合算法。将光声技术应用到火灾领域并结合烟雾颗粒参量，同时实现了气体探测和复合探测，使得火灾探测的早期性和可靠性进一步得到了提高。