自从1999年Nicholson及其同事在核磁共振(NMR)研究的基础上提出代谢组学的概念以来,基于NMR的代谢组学得到了迅速的发展。基于NMR的代谢组学的直接研究对象是样品的NMR谱信号,如何从核磁共振信号中提取有用的信息是基于NMR的代谢组学研究中的关键部分。核磁共振信号是由多个按指数衰减的正弦分量组成的自由感应衰减信号,对于衰减信号的模型检测和参数估计问题在过去的二十年间引起广泛关注,特别是在基于NMR的代谢组学出现之后,使其成为当前的热门研究领域。在对生物体液(尿液、血浆和组织提取液)进行NMR制谱之后,对NMR信号中各个分量的识别是极具挑战性的工作,因为对于代谢组学的临床应用来说,不仅要求信息处理过程中的完全自动化,而且能高精度地解析NMR波谱中的响应成分。论文主要是将RJMCMC算法应用于代谢组学的核磁共振信号处理中。首先,利用核磁共振信号的物理特性对信号进行参数建模,在此基础上,根据贝叶斯理论从参数的先验概率推导出后验概率。然后以后验概率为目标函数,设计并实现了RJMCMC算法,理论上后验概率的最大值所对应的参数就是最优参数。最后基于仿真数据和真实数据分别对算法的性能进行测试和分析。对于真实数据中的低频干扰,提出了一种利用信号自身特征的自适应滤波方法。