色谱已成为最常用的分离和检测手段,广泛应用于各领域。色谱图结构复杂,频率成分多,谱峰存在重叠现象,对色谱图的分析比较困难。因此研究色谱图处理的噪声滤除,基线校正,谱峰检测和重叠峰解析具有十分重要的意义。噪声的存在会影响色谱峰的检测,进而影响峰面积的计算,降低色谱分析的准确性,因此噪声滤除是色谱分析的首要工作。针对经典阈值选取方法需要估计噪声水平的缺点,本文采用广义交叉验证方法获取最优阈值,对色谱信号进行小波分层阈值去噪,去噪后的色谱信噪比显著提高。由于操作条件不稳定等因素,实际检测的色谱会产生基线漂移,影响净峰面积计算。本文利用迭代小波变换的方法进行基线校正,逐步减少逼近系数中残留的特征峰成分,避免单次小波变换提取基线时波形畸变的现象。以小波逼近系数的能量作为迭代小波结束的判别依据,并确定离散小波变换的分解层数。谱图特定位置上的信号峰对应某一具体物质(组分),峰的大小与物质含量有关,对谱峰的准确检测是色谱图处理获取有效信息的关键问题。本文利用具有较强抗噪性的连续小波变换提取色谱峰拐点和峰位,实现谱峰检测。对于色谱图中的重叠峰,本文引入神经网络,利用小波变换检测的特征点,建立重叠峰解析的模式识别模型,可以获取比较准确的子峰面积或者理想的色谱峰特征点位置。