近红外光谱（NIR）分析技术以其速度快、效率高、成本低和易于在线分析等特点，在分析化学领域得到了广泛应用。但由于大多数样品的近红外光谱都存在谱带严重重叠、吸收弱且背景干扰严重等问题，必须借助化学计量学方法才能准确地进行定性定量分析。偏最小二乘（PLS）法是近红外光谱分析中的经典方法，但由于光谱响应的非线性以及对朗伯-比尔定律的背离，作为线性建模方法的PLS不能满足非线性建模的需要。因此，非线性建模方法的研究已成为近红外光谱分析领域的重要研究内容。本文开展了基于PLS的非线性建模方法理论和应用研究，并在复杂样品NIR光谱分析中得到应用。主要包括以下研究内容：　　 1.总结了近红外光谱的基本原理、特点以及近红外光谱分析技术在各个领域的应用与发展，综述了近年来用于近红外光谱数据处理的化学计量学方法。　　 2.将局部建模的思想与PLS算法相结合，在使用主成分分析（PCA）进行光谱降维的基础上，通过距离判据寻找线性相关的样本进行PLS建模，比较了不同距离判据在近红外光谱相似性比较中的效果。将所建立的局部建模方法用于复杂植物样品中常规组分含量的测定，得到了满意的结果。　　 3.为了进一步提高局部PLS建模方法的性能，将小波变换（WT）引入局部建模方法，通过WT对光谱信息进行特征提取，然后再进行局部建模。通过主成分空间、小波空间以及原始光谱空间对样本相似性判别的比较，结果表明与PCA降维不同，WT可以很好的保留样本之间的相对信息，所建立的基于小波空间的局部建模方法可获得更好的预测效果。将所建立的算法用于复杂植物样品的近红外光谱定量分析，获得了很好的预测结果。　　 4.将局部线性嵌入（LLE）方法用于近红外光谱的特征提取，在对光谱进行非线性降维的同时很好地保留了光谱的特征。将该方法与离散小波变换（DWT）的特征提取方法结合，最大限度的提取了对建模有用的信息。与PLS方法结合，建立了DWT-LLE-PLS非线性建模方法，并在复杂样品分析中得到应用。结果表明，该方法显著提高了模型的预测精度。