核磁共振（Nuclear Magnetic Resonance,NMR）技术因其快速、无损、准确、可重复等优点,广泛应用于药品、食品、生物、化学等领域,已成为一种常用的定性和定量分析手段,是代谢组学领域中常用的研究手段。基线失真和谱峰重叠会使谱图解析和定量分析变得困难。其中基线失真会影响谱峰解析和谱峰积分。随着对NMR谱的研究不断深入、二维谱甚至多维谱的提出,手动基线校正方法已经不能满足需求,而现有的自动基线校正方法通常需要较复杂和费时的参数调节,而且在处理复杂数据时,尤其是包含宽峰和多个重叠峰的数据时,容易产生谱峰畸变。因此需要研究一种更快速准确的自动基线校正技术。另一方面,在复杂样本中,信号密集产生谱峰重叠、信噪比不佳,增大谱峰归属的难度,使得谱峰积分变得复杂和困难,去卷积（deconvolution）方法通过建立数学模型对重叠峰区域进行谱峰去卷积,为复杂信号的识别、定量提供了可能。研究一种更快速、更准确的去卷积算法可以增强定量分析的准度和精度。本文针对NMR谱图的自动基线校正方法和谱峰去卷积算法进行了相关研究,主要研究成果有:一、提出了一种基于圆弧切线模型的NMR波谱基线校正新方法。该方法构建圆弧切线模型进行基线点识别并建模,实现基线校正。与目前常用的基线校正方法想比,本文提出的方法通过有效利用谱峰信息,可以对谱峰区域进行基线校正,在包含宽峰和重叠峰的区域能取得较好的校正效果;通过数据预处理减少了参数,并且可以自动计算获得参数,提高了自动化程度;计算过程不需要迭代,进一步提高了校正速度。本文分别在模拟数据集和真实采集的谱图数据集上对该方法进行了验证,实验结果表明,该方法可以有效地校正基线失真较大的波谱和复杂的波谱,避免由于基线校正引入谱峰失真,并且可以有效地应用于二维谱的基线校正。二、提出了一种基于模拟退火算法（simulated annealing,SA）的NMR波谱去卷积算法,通过标准谱图构建目标信号的线形、频率、峰宽、谱峰强度,并利用改进的模拟退火算法构建数学模型,通过拟合方法求出最优的拟合谱,将复杂体系中的重叠峰分解为目标信号。该方法综合有效地利用了谱图的信息并充分考虑到在不同化学环境中的谱峰漂移,实验表明该方法可以有效地实现NMR波谱去卷积,提升谱图的解析价值和定量准确性。