汽车污染物排放已经成为城市大气污染的主要来源,传统汽车环保检测方式面对日益增长的汽车保有量压力倍增,未来汽车尾气排放检测将朝着高效、能反应实际排放状况、可实时在线检测的方向发展。遥感检测技术适应发展需求,已经成为汽车尾气排放检测的主要研究方向。目前遥测技术在光谱影响因素分析和车辆筛选模型算法中还存在瓶颈,本论文旨在通过现有光谱吸收技术设计遥感测试系统,对污染物浓度采集算法和高排污车辆筛选算法进行深入研究,优化现有汽车尾气遥感检测控制系统。首先,基于现有光谱吸收技术和遥感检测应用技术开展研究,确定遥测系统运用TDLAS技术检测CO₂和CO气体浓度,DOAS技术检测HC和NO气体浓度,直接吸收光谱技术检测不透光度的方案。以Lambert-Beer定律为基础,系统分析激光检测原理,确定激光信号与目标浓度值的变化关系。查询光谱数据库,依据波段适用条件确定气体检测波长,定制光谱传感器。选用英飞凌SAK-XE164FN-40F80L单片机,确定AD采集电路,完成遥测系统控制板开发。其次,以硬件系统为基础设计TDLAS、DOAS和不透光度测试系统,在TDLAS测试中,利用不同浓度CO₂和CO标准气测定浓度与二次谐波关系,拟合线性函数,测试温度、气室长度和激光回波能量对测量结果的影响,确定了温度补偿算法和二次谐波归一化算法。在DOAS测试中,利用不同浓度NO和1,3-丁二烯标准气测定差分吸收截面,通过背景光谱优化差分吸收算法,测试温度与光谱信号变化关系,确定温度补偿算法。在不透光度测试中,测定不同N值滤光片下的AD信号,采用三次样条插值函数进行拟合计算。构建发动机燃烧方程,通过相对体积比系数,反演尾气排放中各污染物浓度真实值。最后,基于车辆行驶工况构建高排污车辆筛选模型,通过简易瞬态工况法实验数据,分析污染物浓度与车辆行驶工况的变化关系,采用自组织映射神经网络进行行驶工况在线匹配,以车速、加速度、比功率、CO浓度、HC浓度和NO浓度六个特征参数构建高排污车辆筛选模型。在仿真测试中发现神经网络筛选模型检测误差在10%以内,在实车试验中,利用简易瞬态工况法验证遥测系统污染物浓度采集的准确性,CO₂、CO、NO浓度检测最大误差为7.49%,通过神经网络筛选模型与固定限值筛选模型对比试验,表明神经网络筛选模型准确率能够提高7.5%。