本文在详细介绍应变片式传感器的主要型式以及各自优缺点的基础上，选择了抗侧向力能力强的圆板式传感器用于中、低速汽车动态称重，并对其动态参数进行了校验。随后对汽车动态称重信号进行了详尽的时域和频域分析，并在此基础上设计低通与带阻数字滤波器，滤除了实际采集的信号中的工频干扰与大部分白噪声，效果显著。 论文详细介绍了EMD、参数估计和优化方法的原理，并将其用于对汽车动态称重信号的处理，结果表明上述几种算法对确定车型处理精度较高，实现高精度的通用算法有赖于准确的车型分类信息。论文还对广泛使用的平均法提出了改进，实验结果证实了改进的有效性。 神经网络算法具有良好的学习能力与分类能力，本文将神经网络算法应用于汽车动态称重。本文设计了单隐层的BP网络，在充分考察不同车型不同车速汽车动态称重信号特点的基础上，将信号的均值、最大值、汽车经过秤台的速度和灵敏度参数作为网络输入，使用420组数据作样本训练，430组数据进行验证，结果表明神经网络算法用于汽车动态称重方案可行。 论文最后介绍了汽车动态称重系统的软件设计，使用VC与MATLAB混合编程实现，可以方便与其他智能交通系统接口。