傅里叶变换红外光谱技术由于其具有快速、整体、无损鉴定复杂混合物体系的优点,在石油化工、食品工业、制药工业等一些相关领域得到了广泛的应用。复杂混合物的定性分析一直是近年来关注的重点。本文基于傅里叶变换红外光谱技术,研究复杂混合物的定性分析方法,重点关注红外光谱基线校正、光谱拟合及模式分类算法,这对于复杂混合物质量检测与控制有着重要的现实意义。　　 论文深入研究了基线校正算法,提出了一种改进的非对称最小二乘基线校正算法。算法在非对称最小二乘优化目标中加入一阶导数约束项。算法求解中,利用直方图背景估计方法,计算初始基线,然后通过迭代求解,得到最终的基线。所提出的算法在保持峰位和峰形不变的同时,有效地去除了谱图的基线。　　 针对现有差谱分析方法的不足,本文提出了基于连续小波变换的FTIR光谱拟合算法。该算法在计算差减因子时,同时考虑原始谱图及其连续小波变换谱图,从光谱拟合的角度求出差谱算法中的差减因子,有效地解决了商业软件中差减因子人工选择的问题。与传统方法相比,该算法具有对水的吸收和基线漂移不敏感的优点,且拟合精度较高。该算法计算结果稳定、可靠,为复杂混合物组分的定量分析提供了新的思路。　　 提出了基于先验知识的SVM红外光谱定性分析算法。算法将红外光谱的漂移项模拟为低阶多项式,在SVM优化目标中,要求决策面的法向量与漂移方向垂直,从而使得分类器能够消除样本漂移的影响,改善分类性能。在真实的白酒数据上,所提出的基于漂移先验的SVM算法比原始SVM算法分类准确率更高。　　 研究了红外光谱定性分析的一般流程,并给出两个具体应用案例。在白酒应用案例中,介绍了自主研发的白酒红外光谱分析系统,阐述了系统开发的过程;在食用油鉴别案例中,将第三章提出了改进非对称最小二乘基线校正算法和第五章提出的漂移约束先验SVM算法应用于分类模型中,取得了较好的分类结果。