近紅外光譜法在藥物分析領域中的應用范圍相當廣泛，它不僅適用于藥物的多種不同狀態如原料[10]、完整的片劑、膠囊與液體等制劑[11]，還可用于不同類型的藥品，如蛋白質[12]、中草藥[13]、抗生素[14]等藥物的分析。NIR更適用于對原料藥純度、包裝材料等的分析與檢測以及生產工藝的監控[15，16];利用不同的光纖探頭可實現生產工藝的在線連續分析監控[17，18，19，20，21]。

　　定性、定量分析

　　現代近紅外光譜技術不是通過觀察供試品譜圖特征或測量供試品譜圖參數直接進行定性或定量分析，而是首先通過測定樣品校正集的光譜、組成或性質數據(組成或性質數據需通過其它認可的標準方法測定)，采用合適的化學計量學方法建立校正模型，再通過建立的校正模型與未知樣品進行比較，實現定性或定量分析。

定性分析

　　近紅外光譜譜帶較寬，特征性不強，因此很少像其它光譜(如紫外光譜和紅外光譜)那樣用于化合物基團的識別及結構的鑒定。近紅外光譜的定性分析一般是用于確定分析樣品在已知樣品集中的位置[22]。常用的方法包括:

　　(1)判別分析法：判別分析是經典的定性識別方法，其基本思路是相同樣品在不同波長下具有相近的光譜吸收，這種光譜間的比較可以是原始光譜，也可以是經過處理的光譜。

　　(2)主成分分析(PrincipalComponentAnalysisPCA)法：利用PCA方法將多波長下的光譜數據壓縮到有限的幾個因子空間內，再通過樣品在各因子空間的得分確定其歸屬類別，但PCA對樣本與校正集間的確切位置缺乏定量的解釋。任玉林等采用此方法研究了去痛片[23]的近紅外漫反射光譜，總結出對標化后的數據進行主成分分析可減小顆粒大小的變化所產生的散射影響，并且用第二主成分得分對*主成分作圖可以將合格樣品與不合格樣品區分開來。其缺點是當真藥與劣藥的含量相當接近時此法容易分錯[24]。

　　(3)馬氏距離(MahalanobisDistanceMD)法：該方法的核心是通過多波長下的光譜距離定量描述出測量樣本離校正集樣本的位置，因而在光譜匹配異常點檢測和模型外推方面都很有用。但應用該方法時，波長位置的選擇非常重要，波長點過少，光譜得不到合理的描述;波長點過多，計算量大，為此，徐廣通提出將PCA與馬氏距離相結合解決模型的適用性判斷，可以充分利用PCA對大量光譜數據進行降維處理，也較好地解決了馬氏距離計算時波長點的選擇問題，避免了大量光譜數據直接進行馬氏距離計算出現的共線性或計算量大等問題，且克服了采用PCA自身進行判斷界限不易量化的問題[25]。

　　定量分析

　　近紅外光譜測量時一般不需對樣品進行預處理，但測定的光譜可能受到各種干擾因素的影響。利用單一波長下獲得的光譜數據很難獲得準確的定量分析結果。NIR光譜結構復雜，譜圖重疊較多，所以在進行定量分析時，一般采用多波長下獲得的數據并進行一定的數據處理才能獲得準確可靠的分析結果。常用方法如下：

　　(1)主成分回歸(PrincipalComponentRegression，PCR)：原理與PCA相同。吉林大學的任玉林等在此方面進行了深入研究[26]。PCR在解釋光譜數據時起著重要作用，從主成分權重圖中能夠確定主成分與哪個組份有關，但確切而全面地解釋每個主成分代表什么迄今仍是zui難解決的問題。

　　(2)偏zui小二乘法(PartialLeastSquarePLS)：該法是一種全光譜分析方法，充分利用多個波長下的有用信息，無需刻意的選擇波長，并能濾去原始數據噪音，提高信噪比，解決交互影響的非線性問題，很合適在NIR中使用[27]。實驗證明，PLS法同近紅外漫反射光譜法結合，直接分析固態粉末藥品磺胺甲基異唑[28]、安體舒通[29]、安乃近[30]、磺胺脒[31]是可行的，同其它方法相比具有速度快、簡便、且不破壞樣品的優點。

　　(3)人工神經網絡法(ArtificialNeuralNetworksANN)：近年來興起的ANN法研究，根據樣品各組分的光譜數據建立人工神經網絡模型，預測未知樣品并討論影響網絡的各參數。采用ANN法對阿司匹林[32]、撲熱息痛[33]、美的康[34]等藥物定量分析的結果表明，ANN法的zui大優點是其抗干擾、抗噪音及強大的非線性轉換能力，對于某些特殊情況ANN會得到更小的校正誤差和預測誤差，并且它的預示結果要稍優于PLS(t檢驗無顯著差異)。這可能是由于ANN法具有更強的非線性處理能力所致。

　　此外還有多元線性回歸(MultipleLinearRegressionMLR)、拓撲(TopologyTP)等方法也在近紅外光譜分析中得到應用。