光谱发射率是物体辐射特性的一个重要参量,对其测量可以了解材料的辐射特性,这对进一步促进航空航天、国防科技事业的进步有着重要的意义。多光谱辐射测量法是近年来发展起来的测量光谱发射率和真温的较好方法,该方法是利用目标多个光谱下的辐射信息来分离出发射率和真温,但该方法的缺陷是在数据处理时需假设发射率和波长间的固定数学模型,当假设模型与被测材料不符时会带来很大的误差。本文建立了一个多光谱发射率神经网络模型,该模型可以不必假设发射率与波长间的数学模型,只根据被测物的辐射信息就可以获得目标的光谱发射率。鉴于BP神经网络在处理非线性映射关系上的优势,用BP神经网络来构建发射率与波长间的函数关系,由于光谱发射率样本数据是很难得到的,结合多光谱辐射测量理论,对基于BP神经网络的发射率与波长间的函数模型进行了改造,建立了多光谱发射率神经网络模型,该网络模型以被测物的亮度温度与相应的波长作为样本数据对,亮度温度可以根据目标的各个光谱下辐射能量得到。为了验证多光谱发射率神经网络模型的可行型,对四种不同变化规律的假设发射率模型进行了仿真,仿真结果与假设发射率模型较好的吻合,证实了该网络模型的可行性。随后利用该模型对氧化钢和钨丝进行了实物测量,得到的发射率结果也是正确的。为增强该模型的实用性和实时性,对多光谱发射率神经网络测量光谱发射率的过程用DSP系统予以实现,其结果与MATLAB仿真的结果基本吻合。为该网络模型及算法能应用于工程实践中提供了依据。