现今，随着人类生产生活不可避免的向大气中排放污染物从而造成大气污染对人类及动植物带来巨大的危害，破坏了生态平衡。因此，对污染物的监控对环境的保护具有指导性意义。基于傅里叶红外光谱（FTIR）的气体浓度检测根据所测气体的光谱信息为依据，通过浓度反演算法对气体进行定量分析。而根据气体的光谱信息来进行浓度反演的算法多种多样，无论选用何种算法，它的运行平台基本都以计算机为主。由于平台的限制，必须将测到的光谱信息读取到电脑上再进行浓度分析，这就造成了FTIR气体浓度检测系统的实时性便携性较差的缺点。为了更好的解决这个问题，迫切的需要将浓度分析的算法集成化到嵌入式芯片中，从而实现气体浓度检测系统的小型化集成化。本文从傅里叶红外光谱技术的发展及应用为出发点，分析了利用FTIR光谱数据进行定性定量的国内外研究现状。提出先利用MATLAB构建出可以用于浓度反演的BP神经网络，再将该网络移植入DSP中。搭建了红外数据光谱采集系统，以空气为背景利用质量流量控制器精密控制从而构建不同浓度的CO样本，以此不同浓度的样本作为浓度反演模型的训练集。本文的主要研究内容是将浓度反演算法以DSP为平台实现，主要工作有以下几个部分：（1）利用流量质量控制器构建出不同浓度的CO与空气的样本作为气体浓度反演模型的基础。（2）对光谱数据采用S-G算法进行降噪处理，并且针对光谱数据漂移现象利用多项式迭代拟合消除基线漂移，为后续处理提供较好的光谱数据。（3）对收集到的光谱数据采用主成分分析（PCR）进行特征提取，减少神经网络输入点，简化网络模型。（4）利用BP神经网络构建气体浓度反演模型，利用验证集对该模型检验并用C语言实现该神经网络模型，以DSP为平台运行实现浓度反演功能。