红外光谱技术（包括中红外和近红外）是一种快速、无损、无污染的检测技术，非常适于实时在线应用。红外光谱能够反映混合物的化学性质，基于红外光谱的定量分析技术已广泛用于食品、药品、石油化工等行业。时至今日，红外光谱定量分析正在由简单混合物分析转而复杂混合物分析，由单组分分析转而多组分同时分析，由实验室环境转向户外环境。从而造成定量分析所面临的难度更加突出，需要处理的问题也更加复杂。在此背景下，本论文主要针对复杂混合物系的非线性现象及信号干扰问题，研究了对应场景下的光谱信号改善算法及定量建模方法，对于红外光谱技术的应用和推广具有重要科学价值和实际意义。
（1）研究了非线性复杂混合物体系的定量建模问题，提出一种基于局部多项式插值的非线性最小二乘算法。对于化学成分完全清楚的混合物，各成分的红外光谱能够量测得到，成为已知信息。所提算法假设纯成分的红外光谱是浓度的非线性函数，使用最小二乘作为目标函数求解混合光谱的待测浓度。由于各成分的光谱已知，本文采用局部多项式插值法计算求解时需要的梯度信息等。烃类混合气体的实验表明，所提算法的预测精度明显优于传统的线性模型。
（2）研究了如何去除红外谱图在采集过程的噪声和干扰问题，提出一种基于变量选择的加权散射校正算法。使用变量选择可以自动计算出加权散射校正的最优权值，避免化学信息强的变量对散射参数估计的影响。两个公共数据的实验结果表明，所提算法的定量预测表现优于经典散射校正，且得到的变量具有较好的可解释性。
（3）研究了多模型融合策略问题，提出了一种基于切片变换的模型融合权值计算方法（SLT法），该方法用于堆叠滑窗偏最小二乘（SMWPLS）的融合权值计算。SMWPLS是一种多模型集成的方法，在定量分析中的变量选择问题上有良好效果。SMWPLS的关键问题是如何计算融合权值，常用的方法有交叉验证（CV）法和非负最小二乘（NNLS）法。所提的SLT法利用切片变换来实现分段线性映射，以CV法得到的融合权值作为输入，用最小二乘进行参数估计，相当于结合了CV法和NNLS法的优点。两个公共数据的实验结果表明，在不同的集合大小下，SLT法的定量预测结果要好于或者不差于CV法和NNLS法。