基于微机电系统（Micro-Electro-Mechanical Systems,MEMS）传感器阵列的环境感知智能微系统在环境监测、战场感知等领域有着广大的应用前景和优势。环境感知智能微系统的工作性能依赖于MEMS传感器阵列测量信号的准确性,而受限于敏感材料和集成制造工艺的特性,环境变化等因素会引起MEMS传感器阵列的故障或漂移。因此,对MEMS传感器阵列的工作状况进行实时监测,并对异常传感器响应及时进行校正是有必要的。为了提高环境感知智能微系统传感单元的测量准确性和环境适应性,本文以MEMS气体传感器阵列为例,围绕故障检测、故障隔离与恢复、漂移补偿等自检测自校正方法开展了研究。具体研究工作如下:首先,本文通过对微系统MEMS气体传感器阵列敏感材料和工作特性的分析,确定了常见的故障模式。在此基础上,采集和生成了传感器阵列正常工作下的气体响应数据集与不同类型的故障样本,以用于算法的训练与实验评估。并设计了完整的自检测自校正策略,为后续方法的设计和实现提供指导。其次,本文针对MEMS传感器阵列工作状况的在线监测需求,提出了基于主元分析故障检测的自检测方法,根据投影空间中平方预测误差的变化程度来判断是否发生故障。对于数据集中异常点和随机噪声影响模型故障检测性能的问题,使用基于Z-Score异常点检测和Savitzky-Golay滤波算法的数据预处理技术来去除异常数据对自检测模型的干扰。然后,本文针对MEMS传感器阵列异常响应信号的校正问题,提出了包含故障隔离与恢复、动态漂移补偿的自校正方法,来对自检测模型的输出信号进行校正。针对单故障和多故障的隔离与恢复问题,分别使用基于平方预测误差迭代重构和置信区间预测的方法来进行故障隔离与恢复。针对传感器基线漂移问题,使用基于动态基线差分的漂移补偿方法,利用能够根据环境变化动态更新的基线矩阵和基线差分处理来实时进行基线漂移的补偿。最后,基于MEMS传感器阵列真实响应数据集和环境感知智能微系统的目标处理器平台CC1350完成了自检测自校正算法的性能评估与板级验证。实验结果表明:提出的自检测自校正方法具有较高的故障检测、隔离和数据恢复性能,平均故障检测率和隔离准确率分别为98%和99%,算法的平均计算时间为0.28ms,运行功耗为9.884m W,可以很好满足本课题设计指标的要求。