糖尿病是危害人类健康的世界性难题,患病率呈上升趋势,无创血糖检测可以降低患者日常监测血糖浓度的不便和痛苦。无创性血糖检测研究中使用较多的是近红外光谱分析技术,但其光谱组成复杂,血糖信号微弱,波长之间多重相关,检测精度需要提高。基于此,本课题对近红外光谱血糖检测中的偶然相关及波长选择的问题进行了研究。运用近红外光谱分析技术进行血糖检测时,需要借助化学计量学方法建立模型来实现对未知样品的定量分析。在模型建立和验证的过程中通常会引入一定程度的偶然相关,从而影响模型的稳健性。本文从算法原理上分析建模方法产生偶然相关的可能性,并采用随机数模拟光谱数据及参考浓度的研究方式进行验证。从建模波长数的选择和交互验证方法两方面考察了不同建模方法在建模的过程中存在偶然相关的概率水平,并给出了最佳的建模波长数以及最优的交互验证方法,以降低引入的偶然相关。在血糖检测中,人体温度等生理因素的改变,同样会引起近红外光谱信息的改变。本文通过离体实验,研究温度对葡萄糖浓度检测的影响关系并指导如何在实际血糖检测中降低温度引入的偶然相关。近红外区域中光谱重叠现象严重,导致在某些波长处的光谱信息的测量选择性和灵敏度较差,直接影响了模型的预测精度。本文采用遗传算法优选人体血糖光谱的波长点,验证其适用性。遗传算法选择的波长多集中在血糖的吸收峰附近,与物理期望一致。传统遗传算法使PLS模型的RMSEP的值降低了11%,动态遗传算法则降低16%。本文通过对偶然相关及波长选择的研究,提高了校正模型的预测精度,对近红外光谱无创血糖检测有一定的价值。