造纸原料由于内在成分含量和结构的差别而具有不同的制浆造纸性能。传统的化学分析方法既费时又成本高,不能满足制浆造纸和育种过程的在线和现场快速且大量的分析和评价的分析要求。近红外光谱分析技术的高效、快速、低成本、无损伤等的优点正解决了这一问题,在制浆造纸工业生产中,应用前景广阔。与传统的信号分析技术相比,小波变换具有局部分析和细化的功能,可以揭示其他信号分析方法所丢失的或无法提取的数据信息,能在没有信息明显损失的情况下,对信号进行消噪和压缩。小波变换作为一种新的预处理方法,不仅优于常规方法,而且运算步骤简单,方法灵活。人工神经网络作为一种智能仿生模型,因其具备较强的非线性问题处理能力,很强的容错性及自学习或训练能力,为复杂的模式识别问题提供了强有力的工具,给化学领域特别是模式识别注入了新的活力。本文结合制浆造纸行业的需求和近红外光谱技术的特点,运用小波变换作为新的光谱预处理方法,利用主成分分析实现对近红外光谱的降维处理与聚类,采用BP人工神经网络建立了常用木材造纸原料的近红外光谱识别模型,实现不同种类木材原料的鉴别。