近红外光谱分析技术具有高效、快速、低成本、无损伤和绿色环保等优点。它不仅可以应用于实验室分析，而且适用于现场快速检测和实时在线分析。本论文综合多学科的知识，深入研究了复杂光谱中微弱信息的提取、最佳测量条件的设计、多变量回归方法的优化、模型稳健性的提高以及测量结果的物理解释等关键技术。 论文的主要研究内容包括： 1. 研究了多变量建模方法对近红外光谱中有用信息的提取，及其对光谱多重相关性的克服，同时分析了奇异点的剔除对近红外光谱模型稳健性的提高效果。实验证明，偏最小二乘回归能有效提取出对被测量具有最佳解释能力的信息，建立更稳健的模型；而奇异点的剔除可将葡萄糖水溶液四组分实验的模型误差降低 79.2%。 2. 研究了正交偏最小二乘回归方法（O－PLS）在近红外光谱分析中的应用，它可有效降低模型的复杂度，提高模型的稳健性。实验证明：O－PLS 可消除近红外光谱中与被测量正交的变异信息，将 PLS 模型的成分数降低到 1，为测量结果的解释和测量条件的优化提供了物理依据。 3. 研究了净信号以及基于净信号的品质因数对模型质量的影响，并从理论上推导出光谱的最佳测量条件：增加包含有效信息的波长数、采用最佳光程长均可有效提高模型精度。此外，深入研究了根据被测组分的净信号的相对误差指标（EI）进行波长选择的方法，并克服了 EI 对组分吸光系数的依赖，实现了实际光谱应用中的波长选择。 4. 研究了建模方法、奇异点的剔除、正交信号修正以及净信号对牛奶成份近红外光谱测量模型的优化。实验表明：偏最小二乘回归方法能有效提取出脂肪含量的信息；剔除奇异点可降低模型误差 21.8%；采用正交信号修正优选波段建立的 PLS 和 O－PLS 模型，可提高模型精度 48.1%和 55.6%；采用 EI 优选波段建立的 PLS 和 O－PLS 模型，可提高模型精度 55.8%和 56.8%。