PMF模型（正交矩陣因子分解法）的基本原理是將原始矩陣通過因子化分解為兩個因子矩陣和一個殘差矩陣。具體來說，PMF模型將原始矩陣X（n×m）分解為兩個因子矩陣F（p×m）和G（n×p），以及一個殘差矩陣E（n×m），如下式表示：Enm=Xnm-j=1移GnpFpm（3）式中，Xnm表示n個樣品中的m個化學成分；p是解析出來的源的數目；Gnp是源貢獻矩陣；Fpm是源成分譜矩陣。矩陣Gnp和Fpm中的元素都是正值，即都是非負限制的，上述計算過程中各參數均為無量綱。
PMF模型是一種有效的數據分析方法，具有不需要測量源成分譜，分解矩陣中元素分擔率為非負值，可以利用數據標準偏差來進行最佳化，並且可處理遺漏數據和不精確數據等特點。