随着社会的发展，分析化学面临的分析对象变得越来越来越复杂。分析信号中常出现谱峰重叠、背景干扰和噪声干扰等现象，传统分析方法经常需要复杂的分析步骤和漫长的分析时间才能得到满意的分析结果。随着科学技术的进步，分析仪器也随之更新换代，新型分析仪器尤其是成像仪器，大都会产生大量分析数据，传统方法很难对其进行分析存储。化学计量学为解决上述问题提出一种新的思路，即使用数学、统计学和计算机技术扣除信号中的干扰、解析重叠谱峰、降低数据维度和提取有效信息等。本论文从解析重叠信号和研究新的建模方法两个方面展开，首先以高效液相色谱（high-performance liquidchromatography, HPLC）为研究对象，提出一种用于解析色谱重叠信号的方法。而后，以近红外(near-infrared，NIR)光谱为研究对象，提出一种可以用于仪器设计的建模方法。最后，针对近红外光谱实际应用中存在的问题，提出一种无需使用标准样品的模型转移方法。具体内容如下:　　1、用组合小波滤波器解析高效液相色谱重叠信号。重叠信号解析可以通过从信号中提取特定频率段的信息来实现。根据重叠最严重的两个色谱峰保留时间之差和色谱采样频率可以计算得到最佳解析频率。基于解析频率，选择两个滤波器组合为初始滤波器，构造解析频率段的左右边缘。然后，选择多个低通小波滤波器滤掉初始滤波器中除解析频率通道以外的高频频率通道。最后，将上述所有滤波器通过卷积运算组合成一个滤波器，用于解析色谱重叠信号。本论文将该方法用于解析6种稀土元素（Lu、Yb、Tm、Er、Ho和Tb）的重叠色谱信号，取得了和离散小波变换类似的解析结果。解析后的色谱峰面积与浓度进行线性拟合，相关系数在0.992-0.995之间，说明该方法的解析结果可以用于定量分析。　　2、用小波函数设计分子因子计算(molecular factor computing，MFC)滤波器，并将其用于近红外光谱定量分析。MFC是一种在光学仪器中实现化学计量学方法计算的新兴技术。本论文中用几个小波函数的线性组合设计MFC滤波器。首先，将近红外光谱投影到小波函数空间，得到一系列小波系数。然后利用小波系数与分析物浓度建立多元线性回归模型。最后使用遗传算法对上述模型进行优化，得到最优后的小波函数和MFC滤波器。一旦计算得到MFC滤波器，直接将未知样品的近红外光谱投影到滤波器上就可以得到目标分析物的浓度。用谷物、小麦和血液三组近红外光谱数据验证MFC滤波器的分析效果，结果表明MFC滤波器的预测效果好于优化过的偏最小二乘回归(partial least squaresregression，PLSR)模型，而且该方法无需借助光谱预处理和变量筛选技术。更重要的是，本论文设计的滤波器可以用于基于MFC原理的光学仪器。　　3、利用预测误差和两台仪器光谱差异之间的关系，提出一种无需使用标准样品的模型转移方法。该方法首先用源机(primary instrument)测量光谱建立一个初始模型，用于定量分析。当使用初始模型预测目标机(secondary instrument)光谱时会出现较大误差。很显然预测误差是由于两台仪器光谱差异导致的。假设预测误差和两台仪器光谱的差值存在线性关系，由此假设建立两者PLSR模型。该模型被称作校正模型，用于计算预测误差，同时对初始模型预测结果进行校正。用药片和烟叶两组近红外光谱数据测试该方法的模型转移效果。结果表明，两组数据中初始模型预测目标机光谱时产生的误差都得到了很好的校正。