第1章 概论 1
1.1 近红外光谱分析技术概览 1
1.1.1 近红外光谱的基本原理 1
1.1.2 近红外光谱的分析基础 7
1.2 近红外光谱分析技术的发展及研究现状 8
1.2.1 近红外光谱分析技术的发展 8
1.2.2 我国近红外光谱分析技术的研究现状 12
1.3 近红外光谱分析技术的研究展望 13
1.3.1 在降低近红外光谱分析的技术难度上加大研究力度 13
1.3.2 研究和发展近红外图像分析技术 13
1.3.3 研究和发展近红外过程分析技术 14
1.3.4 研究和发展近红外光谱分析技术与其他分析技术的综合应用 14
第2章 近红外光谱 15
2.1 红外光区的划分 15
2.2 近红外分子振动光谱 16
2.2.1 双原子分子的振动光谱 16
2.2.2 多原子分子的振动 17
2.2.3 基团频率和特征吸收峰 20
2.3 近红外光谱的采集方法 25
2.4 近红外光谱的特点 25
第3章 近红外光谱仪 27
3.1 近红外光谱仪发展概述 27
3.2 近红外光谱仪分类 28
3.2.1 滤光片型近红外光谱仪 29
3.2.2 色散型近红外光谱仪 31
3.2.3 干涉型近红外光谱仪 34
3.2.4 声光可调滤光型近红外光谱仪 36
3.3 近红外光谱仪系统 37
3.3.1 光源系统 37
3.3.2 分光系统 41
3.3.3 测样器件 51
3.3.4 检测器 52
3.3.5 控制和数据处理系统 56
3.4 近红外光谱仪的常用光谱数据处理 56
3.4.1 光谱数据采集参数的选择与作用 57
3.4.2 光谱坐标的变换 60
3.4.3 数据处理系统的发展 74
第4章 近红外光谱信号处理 77
4.1 信号采集 77
4.1.1 近红外光谱检测器的特性参数 77
4.1.2 近红外光谱检测器的工作方式 79
4.1.3 光电检测信号的模数转换 79
4.2 数字信号处理的预备知识 82
4.2.1 数字信号 82
4.2.2 数字信号处理 83
4.3 模拟信号和数字信号的傅里叶变换 85
4.3.1 傅里叶变换光谱学的基本方程 85
4.3.2 模拟信号的傅里叶变换 86
4.3.3 数字信号的傅里叶变换 88
4.3.4 傅里叶变换在光谱处理中的应用 93
4.4 信号采样与复原 93
4.4.1 信号采样 93
4.4.2 信号复原 95
第5章 近红外光谱分析技术 97
5.1 近红外光谱分析技术 97
5.1.1 近红外光谱的定量分析 97
5.1.2 近红外光谱的定性分析 99
5.2 回归分析技术 99
5.2.1 多元线性回归 100
5.2.2 多元非线性回归 104
5.3 模式识别判别分析 107
5.3.1 模式空间的几种距离与相似性度量 108
5.3.2 测量数据预处理和特征选取 109
5.3.3 聚类分析 111
5.3.4 聚类分析算法 112
5.3.5 基于主成分分析的投影判别法 118
5.3.6 有管理模式识别 119
5.4 主成分分析 123
5.4.1 主成分回归 124
5.4.2 奇异值分解 125
5.4.3 特征值和特征向量 126
5.4.4 NIPALS算法 127
5.4.5 主成分数（主因子数）的判别 128
5.4.6 交叉验证法 129
5.5 偏最小二乘法 131
5.6 人工神经网络 134
5.6.1 多层前向网络 135
5.6.2 网络的训练和测试 141
5.6.3 人工神经网络的应用 142
5.6.4 遗传算法 143
5.6.5 遗传算法的应用 149
5.7 小波变换 150
第6章 近红外光谱分析技术的应用 158
6.1 概述 158
6.1.1 农产品（食品）领域 158
6.1.2 医学医药领域 161
6.1.3 化学化工领域 161
6.1.4 其他领域 162
6.1.5 近红外光谱分析技术应用过程中需注意的问题 163
6.1.6 近红外光谱分析技术的步骤 165
6.2 近红外光谱分析在农产品（食品）中的应用 166
6.2.1 大米品质分析 166
6.2.2 玉米品质分析 186
6.2.3 小麦与大麦 197
6.2.4 油脂 203
6.2.5 果蔬 209
6.2.6 肉类和乳类 216
6.2.7 烟草和茶叶 221
6.2.8 调味品 221
6.3 近红外光谱分析在医学医药中的应用 222
6.3.1 检测人血清生化成分 222
6.3.2 测定银杏中总黄酮和总内酯 224
6.4 近红外光谱分析在化学与化工中的应用 226
6.4.1 混胺组分含量的测定 226
6.4.2 聚丙烯树脂性质分析 229
6.4.3 己内酰胺分析 232
6.5 近红外光谱分析在其他方面的应用 235
6.5.1 饲料 235
6.5.2 纺织工业 238
参考文献 240