气相色谱-质谱联用仪(GC-MS)是对复杂混合物样品进行定性分析的重要工具。它融合了气相色谱和质谱两种仪器单独使用时的优点,具有更大的优势,广泛应用于环境、食品、地质检测等各个领域。原始GC-MS数据是GC-MS进行定性分析的基础,但它会包含来自仪器噪声、色谱柱流失物、基质等的干扰。同时,若混合物样品中包含保留时间接近的成分,得到的色谱图中会出现谱峰重叠的现象,一种成分的质谱图会包含来自其它物质离子的干扰。若直接应用原始GC-MS数据对混合物样品进行定性分析,产生的分析结果是不可靠的。因此,在定性分析之前,需要从原始的GC-MS数据中提取干净的谱图,以提高定性分析的准确性。最后,将得到的纯净质谱图与标准数据库中的谱图匹配,以完成定性分析。未知物质谱图与标准质谱图匹配采用计算机辅助的形式,其中,检索算法的实现是完成谱图匹配的关键。本论文以提高和改善纯净谱图提取算法与检索算法的性能为目标,以得到正确可靠的定性结果为目的,主要开展了两方面的工作。一是GC-MS纯净谱图提取算法的研究。本文首先将GC-MS数据表示成矩阵形式,并在此基础上提出了基于backfolding的纯净谱图提取算法。该算法旨在去除噪声的干扰,并从重叠的色谱峰中提取出独立的成分,最终得到纯净成分的质谱图,为下一步定性分析奠定基础。本论文的另外一个主要工作是质谱图检索算法的研究,提出了基于向量模型的检索算法,首先将未知物质谱图与标准质谱图表示成向量形式,通过比较向量间的相似程度来确定未知物质谱图与标准质谱图的相似性,最终实现可靠的定性分析。通过实验验证,采用本论文提出的纯净谱图提取算法与检索算法对原始GC-MS数据进行定性分析,得到的结果与现有商用软件的处理结果一致。本文提出的算法具有较好的性能,能够实现快速可靠的定性分析。