近年来，近红外光谱分析技术得到了快速的发展，已经广泛应用于石油化工、农业和食品工业、纺织工业、制药工业和临床医学等领域。近红外光谱技术的广泛应用应归功于基于化学计量学的数据处理方法的发展。预处理是近红外数据处理中的一个重要环节，本文的研究聚焦于预处理方法。 正交信号校正(OSC)是一种新近发展起来的数据预处理方法，它的基本思想是仅从光谱矩阵X上移除与相应值矩阵Y正交的部分。在本文中，OSC被应用于中药体系的近红外光谱数据的处理中。研究结果表明OSC适用于中药体系的近红外光谱分析数据预处理。另外，本文还比较了六种不同的OSC算法的应用特点，结果表明OPLS是这六种算法中最高效的算法。 本文指出了在OSC的使用过程中一个被忽略的缺点。光谱数据中的噪音并不绝对正交于Y，因此OSC只能除去它们在与Y正交方向上的投影，而噪音的残留部分则会影响模型的稳定性，并可能造成过拟合。针对OSC的这个缺陷，本文提出了一种改进OSC的方法。在应用OSC预处理数据之前，采用多链逐步波长选择方法预先除去那些噪音含量丰富的区域，尽可能的除去噪音的残留部分的干扰。这种改进方法被应用于谷物的近红外数据的处理中，提高了校正模型预测的准确性。