基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面,使用Adam优化算法要好于RMSProp,SGD和AdaGrad,其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加,相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。     

基于深层信念网络的太赫兹光谱识别

特征提取和分类是太赫兹光谱识别的关键。部分物质在太赫兹波段内没有明显的吸收峰,难以人工定义、提取特征及分类识别,为此,结合深度信念网络(deep belief network,DBN)和K-Nearest Neighbors (KNN)分类器的优点,提出了一种基于DBN的太赫兹光谱识别方法。首先利用S-G滤波和三次样条插值对ATP,acetylcholine_bromide,bifenthrin,buprofezin,carbazole,bleomycin,buckminster和cylotriphosphazene在0.9～6 THz内的太赫兹透射光谱进行归一化处理;然后由两层受限波尔兹曼机(restricted Boltzmann machine, RBM)构建DBN模型,并采用逐层无监督的方法训练模型,以自动提取太赫兹光谱特征;最后用KNN分类器对8种物质的太赫兹透射光谱进行分类。结果表明,使用DBN自动提取的光谱特征,KNN分类器、BP神经网络、SOM神经网络和RBF神经网络的分类准确率达到了90%以上,且KNN分类器的识别率优于其他三种分类器;采用DBN自动提取物质的太赫兹光谱特征大大减少了工作量,在海量光谱数据识别中具有广阔的应用前景。     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。     

基于WGAN的不均衡太赫兹光谱识别

物质的太赫兹光谱具有唯一性。目前,结合先进的机器学习方法,研究基于规模光谱数据库的太赫兹光谱识别技术已成为太赫兹应用技术领域的重点。考虑到由于实验条件及实验设备的影响,很难收集到多物质均衡光谱数据,而这又是对太赫兹光谱数据进行分类的基础。针对这一问题,提出一种基于WGAN的不均衡太赫兹光谱识别方法。WGAN作为生成数据的一种新方法,将模型达到纳什均衡条件下的生成数据用来补充数据集,使其达到类别均衡。生成数据可以有效映射真实数据分布,通过将生成数据与真实数据混合训练可以提高识别不均衡光谱数据的准确率。采用三种特征谱较为相似的麦芽糖化合物的太赫兹透射光谱数据进行验证,首先利用S-G滤波和三次样条插值法对三种物质的光谱数据进行归一化处理,然后通过构建WGAN模型对三种物质的不均衡太赫兹光谱数据进行扩展,使其达到类别均衡。实验在同一测试集下进行验证,并利用三组对比实验证明WGAN在不均衡数据集处理中的效果。首先利用WGAN生成数据,随着迭代次数的增加,生成数据逐渐符合真实数据分布。实验结果证明,使用WGAN扩展后的数据集训练SVM模型,可以解决模型在测试集上小样本数据（Maltotriose,Malthexaose）偏向大样本数据（Maltoheptaose）的问题。在将WGAN与传统处理不均衡数据集方法FWSVM和COPY对比后发现,三种分类算法在dataset-1数据集上的训练集准确率都能达到90%以上。但是由于模型泛化能力的限制,传统方法在测试集上的效果并不是很理想,而使用WGAN后的测试集准确率却能达到91.54%。在不同不均衡度方面,采用不均衡度为16,81和256的数据集进行验证,其三个测试集上的准确率分别为92.08%,91.54%和90.27%,可满足实际工作中处理不同不均衡度的要求。     

结合高光谱成像和机器学习的棉种年份鉴别

棉花精量播种技术目前已经在新疆兵团全面推广,该技术能精确实现一穴一粒的农艺技术指标,但是也对高质量棉种的筛选提出了更高的要求。为了避免播种往年活力不足的棉种而导致发芽率降低的问题,结合机器学习和近红外（NIR）高光谱成像技术（HSI）进行棉种年份精确鉴别,实现棉种的快速无损筛选。采集2016年—2019年近四年外观无明显差异的棉种各360粒,共1 440粒棉种（按照3∶1∶1划分训练集、验证集和测试集）作为样本,按照每批60粒采集915~1 698 nm范围的棉种高光谱图像,去除首尾两端噪声大的光谱,保留1 002~1 602 nm范围的光谱为原始数据。利用Savitzky-Golay（SG）平滑算法对光谱进行预处理,采用主成分载荷方法（PCA-loading）选取13个特征波段,基于全部光谱数据和特征波段（±10 nm）数据建立逻辑回归（LR）、偏最小二乘判别分析（PLS-DA）、支持向量机（SVM）、循环神经网络（RNN）、长短记忆网络（LSTM）和卷积神经网络（CNN）六种分类模型。使用全光谱数据建模时,六种分类模型在测试集上的鉴别准确率分别为96.27%,98.98%,99.32%,96.95%,97.63%和100%,其中CNN和SVM模型取得了较好的结果;使用特征光谱数据建模时,六种分类模型在测试集上的鉴别精度分别为93.56%,97.29%,98.30%,95.25%,94.24%和99.66%,其中CNN和SVM模型仍有较好的分类结果。结果表明,使用全光谱数据建模时,六种分类模型都可以实现较高精度的棉种年份鉴别,使用特征光谱数据建模时CNN和SVM模型的鉴别精度仍可达到98%;其中深度学习方法优于传统机器学习方法,但是传统机器学习方法仍能保持较好的鉴别准确率。因此,结合近红外高光谱成像技术和机器学习方法能够实现棉种年份的高精度鉴别,为棉花精量播种过程中的优质棉种选种技术提供理论依据和方法。     

基于扩散映射的太赫兹光谱识别

特征提取对于太赫兹光谱识别来说至关重要。传统方法是通过人工选取太赫兹光谱中差异性较大的吸收峰作为特征进行光谱识别,但当部分物质在太赫兹波段没有明显波峰、波谷等光谱图形特征时,这种方式便不再适用。为此,研究人员利用统计学习与机器学习方法对高维太赫兹光谱数据进行降维和特征提取。由于物质的太赫兹光谱数据各维度呈现非线性,尤其是当不同物质的太赫兹光谱曲线整体非常相似时,线性处理方法易产生较大误差。针对这一问题,提出了一种基于扩散映射(DM)的太赫兹光谱识别方法。扩散映射能在保持数据内在几何结构的同时对其进行非线性降维,提取的流形特征区分度较高,对数据还有聚类效果。首先用S-G滤波器对Alloxazine等10种物质的太赫兹光谱样本进行滤波,并用三次样条插值法对截取相同频段后的光谱样本进行统一分辨率处理;然后利用DM将高维太赫兹光谱数据映射到低维特征空间并提取太赫兹光谱的流形特征;最后用多分类支持向量机(M-SVM)对十种物质的太赫兹透射光谱进行分类。实验结果表明,相比于主成分分析(PCA)和等距映射(ISOMAP),使用DM提取的太赫兹光谱流形特征具有更高的区分度,而且DM可以直接得到太赫兹光谱数据本征维数的估计值,这为相似太赫兹光谱的快速精准识别提供了一条新的途径。     

太赫兹无损检测的多特征参数神经网络分析技术

提出一种基于太赫兹无损检测的多特征参数神经网络分析技术,用于分析耐高温复合材料的粘贴质量无损检测.采用抽片式方法设计了一种耐高温复合材料的脱粘缺陷样品,抽片厚度为0.1mm.采用太赫兹时域光谱无损检测技术对耐高温复合材料的多层脱粘缺陷进行了检测试验研究,对比了上下脱粘缺陷所对应的太赫兹时域波形及频谱信息的异同,针对性地建立了耐高温复合材料粘贴质量的上层脱粘参数、下层脱粘参数、频域吸收质心参数等多特征参数,将特征参数进行优化作为反向传播神经网络的输入并对其进行上下脱粘分类识别.通过对反向传播神经网络的训练测试,实现了耐高温复合材料上层脱粘0.1mm、下层脱粘0.1mm的脱粘缺陷的识别.     

基于卷积神经网络的工程塑料太赫兹光谱分类识别方法

工程塑料优异的介电性能和金属可替代性，使其成为5G建设的热门材料。对外观相近但性能不同的几种工程塑料的检测与定性分析，有助于工程塑料更好地应用于5G线路板和天线模块的制造。应用太赫兹时域光谱技术(THz-TDS)对几种常见的工程塑料PEEK、 PPS、 ABS进行光谱检测，分别得到三种工程塑料在太赫兹波段的光谱数据。通过快速傅里叶变换，将三种工程塑料的THz时域光谱进行转换，获取工程塑料在0.1～1.2 THz下的THz频域光谱，并经过计算提取出相应的吸收光谱。分析THz时域光谱可知，不同种类工程塑料的THz时域谱存在时间延迟线和振幅的差异，可以直观地显示出各种塑料间的差异，这表明工程塑料的THz-TDS分类识别具有一定的可行性。但由于同属工程塑料，在太赫兹波段上表现为峰位、峰值相近，且各个材料无明显的THz特征吸收峰，因此无法直接以指纹谱进行判定。鉴于此，研究将非线性工具卷积神经网络(CNN)应用于无明显特征吸收峰的工程塑料识别研究的可行性，通过对CNN的网络结构和重要权值参数的优化，提出了一种改进的CNN分类模型。该模型使用LeakyRelu激活函数，添加BN层，利用Adams梯度...     

多胶接缺陷太赫兹检测信号的PSO-BP神经网络识别

采用太赫兹时域光谱无损检测技术对多胶接结构耐高温复合材料缺陷进行检测。为了识别同一位置上、下层同时存在脱粘缺陷,分析无缺陷区域、上层脱粘区域、下层脱粘区域的太赫兹信号波形,以特征峰峰度、偏度、最小值、峰谷值、波形因子以及信号幅值绝对平均值为特征,作为BP神经网络的输入。并通过粒子群算法优化BP神经网络的初始权重和阈值,解决了BP神经网络易陷入局部最优的问题。粒子群算法优化后的BP神经网络可实现上层100μm和下层100μm脱粘缺陷的识别,准确率达到90.71%和86.92%。     

太赫兹光谱技术在生物活性肽检测中应用研究

生物活性肽作为21世纪人类健康的新宠儿,研究证明其对人体生命活动有着很好的作用,其检测方法也是备受关注,太赫兹时域光谱技术因为其独特的性质在检测生物活性肽中有着不可比拟的优势。选用牛骨肽、海参肽和牛肽这三种生物活性肽,通过透射式太赫兹时域光谱系统得到其在0.5～2 THz的吸收系数曲线。从太赫兹吸收系数曲线来看,鱼肽吸收系数大于海参肽和牛骨肽。因为生物活性肽的氨基酸种类和肽键的相互作用,导致其在太赫兹频段内没有明显的吸收峰,为了更好的对其进行检测区分,建立分类判别模型,寻找出最适合这类物质的方法。在对太赫兹原始吸收系数数据进行S-G平滑处理,归一化预处理之后,随机选取四分之三预处理好的数据划分为训练集,其余为预测集,导入分类判别模型。模型包括分类器和最优参数选取两部分,分类器选取支持向量机,随机森林和极限学习机等有监督的分类方法,使用遗传算法、粒子群算法和网格搜索等智能优化算法选取支持向量机最优参数。为了减少原始光谱数据维数并提高模型的运算速度,使用主成分分析进行预处理,将降维之后的结果导入分类模型。综合考虑其准确率和运行时间等因素,虽然基于粒子群算法的支持向量机具有最高的准确率98.3%,但是运行时间较长为180 s;使用极限学习机能够有着最短的运行时间0.2 s,但是准确率为73.3%。基于网格搜索的支持向量机准确率为95%,运行时间为11 s,能够在准确率较高的情况下使用较短的时间,证明基于网格搜索的支持向量机对生物活性肽太赫兹吸收光谱具有快速,准确的分类结果。研究结果表明,利用太赫兹时域光谱技术结合机器学习算法能够实现快速、无损检测生物活性肽,为生物活性肽的检测提供了一种新思路,同时也为THz-TDS结合机器学习对吸收峰不明显的多肽之间的鉴别提供参考。     

偏最小二乘法和THz-TDS在正品大黄鉴别中的应用

太赫兹技术的发展近年来受到广泛的关注并被应用于热点。中草药大黄的品质鉴定对于中药制剂的质量控制具有重要的意义。利用大黄的太赫兹时域光谱结合偏最小二乘法（PLS）模型对基于41个正品和非正品大黄的中草药鉴别模型进行了研究。首先采集大黄样品的太赫兹时域光谱（THz-TDS）信号,然后将化学计量学方法用于这些大黄样品太赫兹光谱的信号处理与建模,再建立基于太赫兹光谱的大黄品质鉴定的偏最小二乘模型方法。应用S-G一阶导数、去趋势、标准正态变换、自标度化、均值中心化等方法对原始时域谱预处理再与未经预处理的结果相比,偏最小二乘（PLS）模型的预测正确率从80%明显提高到90%。在模型建立和模型检验中,采用留一法（LOO）选取训练集和检验集样本。利用留一法交叉验证确定了PLS模型的最佳主因子数。结果表明,当采用均值中心化方法时,PLS模型的RMSECV和RMSEP的值均达到了最小,分别为0.076 6和0.169 0。研究结果表明,THz-TDS技术结合化学计量学方法能够快速、准确的对大黄的真伪进行鉴别,直接使用太赫兹时域光谱而不使用计算后的吸收谱有两个优点： （1）在分频测定和光谱信号处理时无需考虑样品的厚度;（2）使光谱信号处理过程得到简化。该技术也可以对其他中草药进行鉴别和质量控制。该法快速、简单、无污染、无需样品预处理,是一种有发展前景的中草药无损检测方法。     

基于太赫兹光谱技术的山核桃内部虫害检测初步研究

美洲山核桃是美国最重要的坚果之一,内部虫害是影响山核桃质量的重要因素。 为了实现美洲山核桃内部虫害的有效快速、 无损检测,初步探索应用太赫兹光谱技术检测山核桃虫害研究。 收集山核桃样本并制作核桃仁1,2,3 mm均匀厚度的切片,切片大小为2 cm×1 cm,按照同样的尺寸制作核桃壳和核桃仁中间夹层的切片;利用太赫兹时域光谱设备采集不同切片0～2THz波段的太赫兹吸收光谱,并对比分析了所测切片的光谱特性;采集了活体烟草天蛾切片和干燥的山核桃虫害切片的太赫兹时域光谱,由于活体害虫的较高含水量以及太赫兹光谱对水分等极性分子的强吸收特性,与山核桃切片对比发现,活体虫害呈现非常明显的光谱吸收特性;最后,对整个山核桃样本进行了无损透射试验。 研究表明,太赫兹光谱技术在检测山核桃内部虫害方面具有较好的应用潜力,为进一步认识太赫兹光谱性质,掌握样品制备方法、 实验测试方法和数据获取及光学参数计算方法,应用太赫兹光谱技术开展山核桃内部虫害快速无损检测提供参考。     

基于太赫兹时域光谱技术的红木分类识别

提出了一种利用太赫兹时域光谱技术（THz-TDS）进行红木分类识别方法。红木价格昂贵,同时由于种类繁多难以识别,导致红木市场以次充好,以假乱真的现象层出不穷,严重扰乱了市场秩序,给生产者和消费者造成巨大的经济损失,传统的红木分类识别方法难以兼顾准确性和快速性,因此需要研究一种新的方法对现有木材分类识别方法进行补充和发展。相比于传统方法,太赫兹波对红木具有良好的穿透性及指纹特性,在红木的分类识别中有较大的应用潜力。选用5种红木（巴里黄檀、奥氏黄檀、大叶紫檀、小叶紫檀、交趾黄檀）作为试验样品木材。利用THz-TDS系统得到木材的太赫兹时域光谱,通过对五种木材的太赫兹时域光谱进行快速傅里叶变换,得到木材太赫兹频域光谱,并对太赫兹时域光谱提取光学参数,分别得到木材的太赫兹折射率谱和吸收系数谱,结果表明不同种类的木材在时域光谱上具有时间延迟线与振幅的差异,在频域光谱上显示衰减趋势及幅值各不相同,在吸收系数谱中各种类红木吸收峰出现的频段不同,能够直观地展示出各种类木材之间的区别,表明THz-TDS进行红木分类识别具有一定的可行性。利用连续投影算法（SPA）提取吸收系数谱和折射率谱的特征频率,对吸收系数谱260个频率点筛选出28个特征频率点,频段占比10.77%;对折射率谱260个频率点筛选出12个特征频率点,频段占比4.62%。分别建立基于吸收系数谱和折射率谱的随机森林分类模型和支持向量机（SVM）红木分类模型,并对各模型分类结果进行对比。实验结果表明,THz-TDS具有良好的木材识别效果,基于木材太赫兹吸收系数谱和折射率谱建立的随机森林分类模型对红木种类有着较好的分类性能,总体分类准确率分别达到了94%和96%,能够准确对红木种类进行分类识别。利用太赫兹时域光谱技术实现了红木的分类识别,为红木的分类识别提供了一个新的思路和技术方案,能够作为近红外光谱木材检测方法的补充,同时为太赫兹技术在木材分类识别领域的应用提供了理论基础。     

基于太赫兹时域光谱技术的光学参数提取方法的研究进展

光学参数是宏观上表征材料光学性质的物理量,间接反映了材料的微观特性,对光学参数准确的提取可以研究材料的微观性质和机理。近年来,太赫兹时域光谱技术作为一种新兴的光谱分析手段已经成为研究的热点。由于太赫兹辐射能量低并且脉冲宽度窄(皮秒量级),太赫兹时域光谱技术在提取光学参数方面具有无损伤和高时间分辨率的特点。本文总结了基于太赫兹透射和反射时域光谱技术的光学参数提取方法的研究进展,着重阐述了几种经典方法,分析了每种方法的优缺点,并讨论了太赫兹时域光谱技术用于提取材料光学参数的挑战。研究结果表明,透射法适用于对太赫兹波吸收较弱的物质,而反射法则适用于对太赫兹波有强烈吸收的材料。     

基于太赫兹谱分析中药材鉴别

中草药分析与鉴定对中草药质量控制意义重大,以飞秒激光为基础的太赫兹时域光谱技术(THz-TDS)是一种新型相干远红外光谱测量技术。为了研究基于太赫兹谱的中药材鉴别可行性,应用THz-TDS研究了室温下黄芪、当归、杜仲及三种掺杂的黄芪在0.2~2.2 THz范围内的光学特性,得到了对应的时域谱、频域谱和吸收谱。结果表明在此波段三种中草药的时域谱、频域谱及吸收谱存在显著差异;三种掺杂黄芪的频域谱、吸收谱虽相似但也有明显不同。利用太赫兹时域光谱技术鉴别中药材是可行的,它可为中草药质量控制提供一种新的方法。     

两类红花和牛黄的太赫兹光谱法真伪鉴别分析

藏红花和天然牛黄是广泛应用于临床实践的中药材，由于产量较低、药用价值和价格高，市场需求量大等因素，掺伪和伪品较多，不仅严重损害患者健康，而且妨碍市场正常运转。传统的“一看、二闻、三泡”等经验鉴别方法已经越来越难以分辨高仿伪品；而通过化学提取和色谱、质谱等理化检测方法往往步骤繁琐、费时，且对检测环境、人员及设备的要求和依赖度较高，不能适应现场、快速、简便等实际需求，亟需探索新的有效检测方法和鉴别技术。太赫兹时域光谱(THz-TDS)不但具有单纯化合物的高度专属性和特异性，又具有混合体系的“宏观指纹特征”，可以鉴别混合物化学成分的多样性和复杂性。另外，主成分分析(PCA)作为一种常用的统计分析手段，主要是用少数几个且能最大解释原始数据方差的综合变量来取代原始变量，可以对不同种类的样本进行模式识别。采用粉末研磨压片技术分别压制了藏红花和草红花样品各18个、天然牛黄和人工牛黄各20个，并利用太赫兹时域光谱测试技术分别测量了两种名贵中药材及其伪品在0.3～2.5 THz范围的吸收光谱，最后利用主成分分析方法对获得的光谱数据进行分类识别。为了提高PCA对测试数据的鉴别能力，一方面将数据集映射到一组基(特征向量)进行简化，选用较大的特征值代替原来的主要光谱信息；另一方面，为了消除无关因素对分类处理的干扰，在进行PCA之前采取了Savitzky-Golay(S-G)平滑处理进行降噪，去除冗余、不相关的光谱特征；然后通过Fisher诊断线进行判别分析。对比未处理和经过S-G平滑处理的主成分得分图，可以看出平滑处理后的分类效果明显优于未做处理的，在未处理的得分图中，两类样品点重叠比较严重，而经过平滑后的得分图却只有相对较少的部分样品点重叠，由此可以看出SG平滑在光谱识别中的重要性；另外，前两个主成分(PC1和PC2)已经基本能反映光谱之间的差异性。分类结果显示，藏红花和草红花具有明显的聚类趋势，分类鉴别准确率均为100%；而人工牛黄和天然牛黄的类内样品基本聚在一起，但是类间略有重叠，分类鉴别准确率分别为100%和90%。除此之外，样本的主成分得分图还可以反映样本的内部特征和聚类信息。其中，藏红花样本由于藏红花素、藏红花酸等化合物成分含量较高，聚合度较好，分布范围相对集中；反之，天然牛黄为胆囊分泌物，成分较为复杂，聚类效果较差，分布范围较广。研究结果表明，太赫兹光谱技术结合主成分分析可以区分藏红花和草红花以及天然牛黄和人工牛黄，结果可靠。该研究结果为丰富中草药的质量标准提供检测手段和理论依据。     

基于迈克尔逊干涉仪的太赫兹光谱高速探测方法研究

太赫兹光谱技术作为获取物质在太赫兹频段信息的主要方法,已经被广泛应用于物质成分的测定,而其在成分分布成像方面则有着更广阔的应用前景,例如片剂药品的有效成分检测、行李安检的危险物品检测等。现有的太赫兹光谱探测方法时域光谱技术（THz-TDS）和频域光谱技术（THz-FDS）均不能很好地兼顾光谱分辨率与扫描时间;且获得物质光谱数据往往要花费数秒乃至数分钟时间（取决于光谱仪的结构）,这对多像素成像系统显得过于迟缓,更无法达到视频成像的速率需求,严重制约了太赫兹光谱成像的实际应用。目前的太赫兹波成像多为全频段波强度成像,只能反映样品的空间分布信息,并不能反映出样品的光谱即成分信息。因此,对太赫兹光谱探测速率的提升十分迫切,太赫兹光谱高速探测的实现不仅可以显著减少物质成谱的实验耗时,还为实现物质的太赫兹光谱成分分布成像提供了可能。提出了一种基于迈克尔逊干涉仪的太赫兹光谱高速探测方法,在设计了该方法装置结构的基础上,理论分析了其工作过程,同时进行了太赫兹光谱的计算。然后从数据采样、数据处理及参数选择这几个方面进行问题分析,计算得出该方法能够显著加快物质太赫兹光谱的扫描获取速率。最后,对该方法建模进行仿真研究,模拟实现其完整的探测过程。在仿真研究中,以太赫兹辐射源的频谱分布为例,将该方法的建模仿真结果与时域光谱技术（THz-TDS）测试结果进行了对比,结果表明时域光谱技术（THz-TDS）所测得的频谱曲线可以近似看作是该高速光谱探测法所得频谱曲线的包络线,两种不同方法所得频谱结果具有较强的一致性。总之,该方法能够进行样品的太赫兹光谱探测,且在保证分辨率相同的前提下,较时域光谱技术（THz-TDS）显著加快了成谱速率,为实用、高通量太赫兹光谱成像提供了一种可能。