对于突发性危险气体泄漏、工业园区污染气体的排放以及战争时化学战剂释放等情况下,危险气体通常被释放到大气中而危害人民的生命安全,此时亟需一种灵活性强且可以实时在线远程监测识别预警技术。被动傅里叶变换红外光谱(p-FTIR:passive-Fourier Transform Infrared Spectrometry)监测技术具有实时快速、非接触、宽波段、高信噪比等优点,已被广泛应用于各种成分测量领域,而在FTIR系统的实际遥测应用中背景不断变化、气体温度反演以及多组分识别等关键技术问题是被动FTIR预警监测应用的绊脚石。本文系统性的解决以上被动FTIR系统在遥测识别有毒有害气体泄露过程中面临的问题。首先,p-FTIR光谱仪在遥测过程中,仪器中光源温度、分束器性能等仪器状态以及外界背景环境等因素的不断变化而导致光谱基线存在一定的漂移,而基线漂移的光谱在反演分析过程中会引进伪光谱信号,这样会严重影响后续光谱定性识别和定量分析。针对此问题,根据红外光谱的背景变化特征,提出了一种基于迭代平均的自动基线校正方法(iterative averaging automatic baseline correction,IA)。并将IA方法与其他基线校正方法进行了仿真与实验研究,实验结果表明IA算法基线校正的效果最好,均方根误差最小。为了进一步研究基线校正方法的适用性,通过实验研究了 IA算法在不同光谱信噪比下的基线校正效果,并建立基线校正的性能度量参数来衡量基线校正的效果,结果表明IA算法受光谱信噪比的影响较小,说明该方法能够很好的解决上述背景基线漂移的问题,为被动识别分析方法提供了预处理过程中的关键技术。然后,在仪器辐射定标过程中由于水汽和二氧化碳的影响,提出了扣除水汽和二氧化碳的辐射定标方法,对FTIR遥测系统采用不同的黑体辐射定标方法进行实验研究,研究结果表明扣除气体吸收后的定标曲线更接近理想测量状态且均方根误差由2.5585 × 10-8降低到2.3368 × 10-8,为被动遥测光谱提供精确定标系数,提高了红外光谱信号测量的精度,为污染物气体成分的定性定量分析提供保障。针对p-FTIR遥测过程中的光谱组分识别问题,提出了基于变量选择技术的光谱识别算法。算法主要实现过程是先根据不同变量选择方法(序列前向选择方法、LASSO和Elastic Net)结合广义交互验证法对光谱组分变量进行初步筛选,然后结合迭代最小二乘法不断剔除浓度小于0的成分变量,最后根据筛选变量在拟合向量中所占的份量进行变量筛选得到目标组分。并用实验室测量的多种气体光谱数据对光谱识别方法进行实验研究,实验结果表明VSM_GCV_IM识别算法能够快速有效的识别出目标组分,识别率高达99%,并且能准确识别干扰组分H2O。该方法为被动傅里叶变换红外光谱技术在危险气体泄露时的应急监测和预警应用提供了技术支持。最后通过CH4模拟排放实验、SF6连续间断模拟排放实验以及飞机尾气遥测实验对本文提出的基于自动基线校正、扣除气体吸收的辐射定标、振转光谱反演温度和改进的基于变量技术的定性识别分析等关键技术构成的p-FTIR光谱分析方法进行了实验分析和验证,均获得了较理想的实验结果。