物质的太赫兹光谱包含着非常丰富的物理和化学信息。它对化合物晶体具有高的灵敏度、单光子能量低等特点。但受到检测人员知识背景、背景噪声、识别算法精度等因素的影响,光谱样本识别准确率和效率较低。为了提高对太赫兹光谱的检测能力,本文围绕太赫兹光谱特征提取问题及分类问题展开研究,取得了以下成果：(1)提出了凸组合核函数主成份分析方法(Convex Kernel Principal Component Analysis, C-KPCA)对化合物的太赫兹光谱进行特征提取。针对传统核函数主成份分析方法核函数选择困难的问题,构造凸组合核函数主成份分析特征提取模型,并利用核评价方法,通过高维非线性规划方程求解凸组合核函数参数。实验结果表明,该方法成功对太赫兹光谱进行了特征提取,并通过簇内簇间关系的分析,证明该方法较传统核主成份分析方法具有明显优势。(2)提出了逻辑判别分析的方法(Logic Discriminant Analysis, LgDA)对化合物的太赫兹光谱进行特征提取。针对传统线性判别分析方法只能解决线性问题、所提特征区分度不高的问题,使用光谱样本正则化多元逻辑回归作为样本类别后验概率,构造最优非线性判别分析特征提取模型。实验结果表明,该方法成功对太赫兹光谱进行了特征提取,并通过簇内、簇间关系的分析,证明该方法较传统线性判别分析方法具有明显优势。(3)提出应用基于凸组合核函数的支持向量机对化合物的太赫兹光谱进行分类。为了和上述方法做出区分,使用了传统太赫兹光谱吸收峰特征和最大间隔特征。针对单一核函数支持向量机对太赫兹光谱分类精度不高的问题,提出构建基于凸组合核函数的支持向量机分类模型。并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数。实验结果表明,该方法成功对化合物的太赫兹光谱进行了分类并且分类准确率有了很大提高。