近红外光谱分析技术存在一系列技术难点，其核心是作为信息源的近红外光谱有效信息率低，对复杂样品进行近红外光谱分析是从复杂、重叠、变动的光谱中提取微弱信息。从原始光谱中提取有效信息，对原始数据进行优化处理，成为近红外光谱分析中建立较理想数学模型的关键。本文以甲硝唑药品为研究对象，分别从宏观和微观两个角度，采用数值分析和信号处理方法来提取光谱信息特征。主要研究内容及方法是： 1．对不同成分含量的样本进行高分辨率的光谱扫描，得到信息量丰富的原始光谱。 2．使用多尺度边缘检测和小波变换方法，建立原始光谱的多尺度分析、局部极大值描述的光谱边缘特征。 3．利用相关分析技术，比较在不同仪器和不同操作环境下所得中红外光谱的相关处理结果，分析相关分析技术这一方法的可行性。 4．通过作甲硝唑纯品光谱与不同成分含量样本光谱的互相关分析，研究该方法的实效性。并通过甲硝唑纯品与其它三个组成成分纯品的互相关来研究甲硝唑纯品与不同成分含量样本的互相关，提取信息特征。 5．利用偏最小二乘方法，分别建立上述两种方法所得特征信息与甲硝唑浓度的线性数学模型，并使用预测数据，对所建立的数学模型进行预测效果分析，进一步验证上述特征提取方法。 根据上述研究得出：基于小波变换的多尺度边缘检测方法和相关分析技术均为较优秀的光谱信息特征提取的方法，各具特点。而且，相关分析技术还可以消除一些因仪器和操作环境不同带来的影响，对于近红外光谱分析中模型转移将具有很大意义。本研究为近红外光谱信息特征提取提供了两种切实可行的方法，为近红外光谱分析技术的理论发展和实际应用提供了新的方向和途径。