太赫兹波在电磁波谱中位于远红外波和微波之间。许多物质在太赫兹波段存在特征谱，因此太赫兹时域频谱技术已成为检测物质成分的重要手段之一，广泛应用于生物、食品、工业等各个领域。本论文使用量子化学理论和机器学习方法对尿路结石和多种咖啡的太赫兹时域频谱进行了检测和分析。
　　第一，用太赫兹时域频谱仪对尿路结石的主要成分进行了检测，并经过数据处理得到了次黄嘌呤、黄嘌呤、尿酸、L-胱氨酸和草酸钙在0.1-2.5THz范围内的太赫兹吸收谱。因为太赫兹频谱较宽，物质成分在太赫兹波段具有丰富的吸收谱信息，所以太赫兹时域频谱技术可以作为一种尿路结石的检测手段。为了研究吸收峰产生的原因，通过量子化学理论分析，使用三种不同的计算方法在Gausian09软件中计算得到了L-胱氨酸的理论频谱。通过对比理论频谱和实验频谱，发现使用密度泛函理论中的B3LYP计算方法取得了较好的结果，发现L-胱氨酸在太赫兹波段(0.1-2.5 THz)的吸收峰主要是由分子内的扭动和振动以及分子骨架振动产生，从分子结构的角度解释了吸收峰形成的原因。
　　第二，用太赫兹时域频谱仪测量并对比了六种咖啡在太赫兹波段的吸收谱，由于每种咖啡的吸收谱差异性并不明显，造成了区分困难，因此利用机器学习方法基于咖啡的太赫兹频域谱数据，对咖啡进行了种类识别。首先使用BP神经网络、决策树、支持向量机三种方法根据训练集中的咖啡样本建立了分类模型，然后利用训练好的分类模型对预测集中的咖啡样本进行识别。结果表明，经过主成分分析之后建立的支持向量机分类模型对预测集中咖啡样本的种类识别正确率可达100%。