传感器是检测系统中的核心元件,其测试的准确性对检测系统的性能起着决定性的作用。实际过程中经常存在由于系统动态特性引起输入信号失真的现象。而提高传感器的性能指标关键在于提高动态特性,这也成为了目前国内外研究的一项重要课题。本论文在动态模型的辨识建模基础上分析了几种动态补偿方案：系统辨识法,零极点配置法以及神经网络动态补偿方法。定量分析系统辨识法补偿过程中噪声对补偿结果的影响。研究了用零极点相消的补偿原理拓宽工作频带时极点建模误差对传感器补偿效果的影响。分析极点建模误差与工作频带拓宽之间的关系,并定量分析该方法补偿后噪声的放大程度与工作频带拓宽之间的关系。本论文介绍神经网络补偿原理,选择合适的网络模型和激励信号,得到补偿模型,并分析补偿后噪声的变化以及输入信号中噪声的大小对补偿模型建立的影响。仿真结果表明这几种方法可以用来完成传感器动态补偿。本文以DSP实验板为平台,TMS320F2812处理器为核心。利用数字信号处理器强大的数据处理的功能,以神经网络方法为基础,研制传感器动态实时补偿系统,该系统可以得到模拟响应信号,并能实现实时动态补偿。对三个不同传递函数的低通滤波器模拟传感器模型,完成实时动态补偿,观察补偿结果。实验表明,该DSP硬件系统能够很好的达到期望的功能。