核磁共振(NMR)实验作为一种先进的物质结构研究手段，在化学、物理、生物医学等领域发挥越来越重要的作用。NMR谱图相位校正一直是NMR数据处理中的一个基本环节。具有相位畸变的谱型，线宽变宽，积分面积也发生变化，将会给后期的解谱工作带来极大障碍，这使相位校正工作显得非常重要。相位校正通常通过交互的方法手工进行，手动相位校正虽然能达到很好的效果，但是随着谱仪采样和数据处理自动化程度的提高，自动相位校正的应用也越来越广。 目前，已经有多种算法被应用在核磁共振谱图的自动相位校正中，由于各种算法本身特性和所基于谱图的具体特性的差异，不同算法对于不同谱图的适用性也各不相同。针对这一情况，本文在综合研究多种现有的自动相位校正算法的基础上，提出了一种基于神经网络的，可以根据谱图特征来选取最合适的算法进行自动相位校正的综合算法。实验表明，本算法可以获得比以往方法更好的计算结果。本算法并不是对已有算法的修正或者抛弃，而是只要已有算法对于某个谱图特性存在一些优势就可以被本文提出的算法所利用，所以本文提出的算法可以尽可能地发挥以往算法本身的优势，实现了取其优避其劣。 本论文共分四章，第一章主要介绍相位校正的概念、相位校正基本原理、自动相位校正算法研究的现状；第二章介绍四个不同的自动相位校正算法的实现，它们将被用于实现基于神经网络的核磁共振谱图自动相位校正综合算法；第三章介绍了我们提出的基于BP神经网络的自动相位校正综合算法(NNAPC)；第四章对本文工作进行了总结和展望。