该文针对红外光谱非线性定量信息处理过程中所面临的随机噪声消除、背景补偿、特征提取和校正建模问题进行了深入研究,并提出了一套完整的解决方案.该文对红外光谱中的随机噪声分布特点进行了理论分析,得到了吸光度光谱中随机噪声非平稳性的量化表达,并检验了正态分布随机噪声在小波变换下保持其统计性质的特点,在此基础上提出了基于最大熵原理的去噪思想和方法.在光谱背景补偿研究中,该文提出了从样品光谱中提取重要背景信息的滑动窗口极值提取算法,并在此基础上建立了轮廓提取背景补偿方法.为解决非线性情况下的波长选择问题,该文采取了与现存方法完全不同的思路.这种思路在对不谱中各校正性能进行细致分析的基础上,不仅建立了评价各光谱点性能的指标,而且消除了吸光度与浓度之间的非线性对波长选择的影响.该文根据这个思路提出的两种波长选择算法既成功地解决了非线性光谱的波长选择问题,并且针对线性数据也同样具有快速准确有特点.针对神经网络技术在光谱定量校正建模中所面临的网络规模确定问题,该文提出了利用相关分析的剪枝网络参数重新调整的新算法,这种算法加快了网络构造过程,并有助于减小网络误差.