随着电子科学技术的发展,光谱的获取变得越来越容易,逐渐成为了分析技术的理想信息载体。光谱分析技术将光谱和模式识别方法结合起来,能够用于物质的定性和定量分析,适于实验室常规分析、现场分析和在线分析,已广泛应用于石化、制药、农业、民生产品检测等领域,有着巨大的发展潜力和光明的应用前景。虽然光谱模式识别方法的应用成熟但也存在缺陷,本文针对光谱定性分析方法进行了研究及应用。SIMCA方法是光谱定性分析中应用最广泛,发展最成熟的方法。它采用PCA模型参数和F检验构造计算Ti2/Tucl2和Si/Q 统计量作为样本分类的新属性,并计算待测样本到各类主成分空间的欧式距离作为判别类别的依据,是一种最常用和优秀的光谱分类方法。但是,在Q对T2作图平面上,以欧式距离确定的样本分布范围是一个圆,多数情况下并不一定能符合实际样本分布规律。本文在分析SIMCA理论缺陷的基础上,提出了一种新方法,即用马氏距离代替欧氏距离作为判别依据来判断样本的类别。并设计了采用红外光谱判别组分比例很接近的掺假食用油样本的实验,以及用近红外光谱判别相近皮毛样本的实验。用调和比5%-8%的食用油红外光谱PCA模型,分别以马氏距离和欧式距离计算出其样本的分布范围,结果表明马氏距离的分类与识别能力更强。验证集的判别结果表明新方法对化学组成差异微小的样品分类精度明显优于SIMCA。现今市场上出现优质食用油中掺杂廉价油来以次充好的现象,对社会造成了恶劣的影响。红外光谱非常适合食用油的快速检测和在线分析,可以为解决此现象供技术支持,因为红外光谱技术操作简单、检测快速、无环境污染、无样本破坏。因此本文提出利用红外光谱技术结合模式识别方法对食用油进行定性分析。但是食用油的组成成分相近,我们所常用的SIMCA方法在这方面的分类并不理想,于是提出一种改善的方法,在SIMCA建模的基础上加入SVDD,用SVDD的方法来判断数据的类别。SVDD有2个可调参数,可以随数据的分布调节判别公式,使结果更具有说服力。由食用油和调和油实验结果可知,SIMCA方法区分不出调和油和其他油,而改进SIMCA方法可以,在不同调和油的分类时,两种方法都不能完全区分食用油类别,但改进方法分类精度更高,为食用油的在线分析提出了新的方法。