化学谱图信号的数据处理包括噪声滤除、基线校正、谱图检测、重叠峰分解、谱图压缩以及谱图解析等几个方面，现今采用各种常规的处理方法虽能取得一定的效果，但在精度、速率等方面都还存在许多不足之处。小波变换作为一种新的信号处理工具，它具有良好的时频局部化性质，可以对信号中的频率成分进行多分辨分析，从而可以聚焦到信号的任意细节，小波变换的一切应用有效性多源于此。本文在总结前人有关小波变换处理化学谱图信号工作基础上，充分发挥小波变换的多种优良特性，结合数值计算，逻辑推理，模式识别，神经网络，多元分析等各种数学方法，在化学谱图信号的噪声识别、谱图检测、重叠峰分解和近红外光谱信息解析方面，提出了一些新的应用思路和算法，拓展了小波变换在化学谱图数据处理领域应用的范围。全文组织如下： 第1章为绪论，从分析手段仪器化角度出发，分析了化学谱图数据处理在分析化学中的地位、研究对象和目的，并明确以使用小波变换方法作为论文的研究重点。文献在综述分析中以色谱和红外光谱数据处理为主，总结了前人利用小波变换的各种优良特性处理化学谱图数据所做的主要研究工作，进而确定本文研究的内容和预期达到的目标。 第2章为小波变换基础理论部分。通过和傅里叶变换的比较，从数学原理上阐明了小波变换的时频局部化特点和时频窗的自适应特性。由于连续小波变换的冗余性，以及在实际运用中，尤其是在计算机上实现时，连续小波都必须加以离散化，所以着重介绍了离散和正交小波变换的概念。然后从函数空间剖分和多分辨分析两方面介绍了离散小波变换原理，并从函数的小波基函数分解和双通道理想滤波器组两个角度介绍了小波变换的Mallat算法和频率分解特性。由于本文中较多地使用双正交小波，对其概念和原理也作了简要介绍。最后利用实际例子，介绍了小波变换在信号处理中的应用。 第3章研究利用小波变换识别化学谱图中的同频噪声。首先介绍了化学谱图中存在的各种噪声特性和常用的噪声滤除方法。由于化学谱图中的部分有色噪声和信号峰具有相近的宽度水平，特称为噪声峰，对它的计算机自动识别是一个较难而重要的问题。由于信号峰和噪声峰产生原因不同，两者在峰顶附近具有不同的光滑特性即奇异性，可以用Lipschitz指数表征其差异。论文利浙江大学博_l:学位论文用小波变换时频局部化奇异性分析原理，研究了信号峰和噪声峰在峰顶附近的奇异性特征，提出利用小波变换奇异性分析识别同频噪声的方法。此外还研究了仿真信号峰和同频噪声峰峰顶附近奇异性变化规律，建立了识别两者的LIPschitz指数标准，分析其适用性和判噪能力。 第4章研究利用小波变换检测复杂化学峰群和重叠谱峰的识别方法。首先介绍了传统峰检测方法的一般步骤和存在的不足，由此提出利用小波变换检测复杂重叠谱峰。论文分析了小波变换的奇异性检测原理，平滑和微分特性以及真实信号和噪声具有不同的模极大值性态，把谱图检测中的噪声滤除、基线校正和谱图中的特征点检测有机结合起来，提出了一种新的基于小波变换和逻辑推理的复杂谱峰群检测和重叠峰识别算法。最后通过仿真和实际谱图检测验证了该方法的有效性和相对于传统方法的优越性。 第5章将小波变换特征点检测结果和神经网络结合，研究色谱数据处理中分解重叠峰的新方法。首先介绍了衡量相邻两峰重叠度的参数:分离度和谷峰高度比。然后介绍了几种经典的重叠峰面积分解方法，分析了它们的不足及适用范围。根据小波变换提取重叠色谱峰上的特征点位置，构造反映重叠峰形状、位置和高度的六个无因次特征准数和重叠峰模式生成原则。再通过RBF网络表达重叠色谱峰子峰面积比和六个无因次特征准数的映射关系，实现了利用模式识别方法分解重叠峰。重叠色谱峰分解实验表明该方法能取得满意效果。 第6章研究利用小波变换压缩近红外光谱数据并建摸。首先介绍了近红外光谱分析的基本原理和模型建立方法。由于在处理多个波长点采集的近红外光谱数据时面临的是一个多变量高维空间，通过把光谱信号从波长域变换到小波域可以实现数据压缩和降维。研究了利用DaubeehieS系列小波处理柴油近红外光谱的压缩和建模效果，提出相应的压缩准则和压缩算法。该算法用于柴油十六烷值的近红外光谱定量分析效果表明，在不损失重要信息的同时，光谱数据和变量维数得到显著压缩，而模型的预测精度和常规预处理方法分析结果相当。光谱数据压缩的同时包含了噪声滤除和基线校正，简化了数据处理步骤，有利于近红外光谱实际应用时提高建模效率。 最后，对全文研究结果作了扼要总结，并提出进一步的研究方向。