太赫兹波是一种频率范围一般在0.1THz~10THz之间的电磁波,介于微波和红外之间。由于20世纪80年代之前由于缺乏大功率的太赫兹源和高灵敏度的探测器,这一波段一直没有得到有效的开发和利用,因此被称为太赫兹间隙(THz gap)。由于太赫兹波具有很多优良的性质,并且随着太赫兹源和探测器技术的提高,以太赫兹时域光谱技术为代表的太赫兹检测技术得到了广泛的应用。本文利用太赫兹时域光谱技术开展材料辨识技术研究,主要研究内容和成果如下:(1)针对传统的光谱平滑方法,参数无法自动设置,容易出现过平滑,使得光谱中的吸收峰被减弱甚至消除,同时具有无法去除脉冲噪声的缺点,提出了一种改进的分数阶积分光谱平滑方法,首先使用中值滤波器去除脉冲噪声,然后对分数阶积分平滑后的光谱进行加权平均,提高了算法对含多种噪声类型光谱的适应性,能够取得更好的平滑效果和更高的信噪比。(2)针对太赫兹光谱中存在的基线漂移现象,提出了一种非对称ε-不敏感支持向量机,通过对正的拟合误差和负的拟合误差使用不同程度的损失函数,使得拟合的曲线不再是针对光谱本身而是光谱基线,用原始光谱减去拟合的基线从而对光谱实现了基线校正,相对于传统方法,校正的结果可以更好的保持吸收峰的原始形状。(3)针对传统的太赫兹谱分类识别方法将太赫兹光谱单纯的作为一个普通一维向量,没有依据太赫兹光谱本身的特点来处理,导致识别率不高的现象,提出了一种基于多尺度分析的特征选择方法,能够有效的提取光谱特征吸收峰,去除噪声带来的干扰。同时针对支持向量机训练多类别、大规模数据时,内存消耗和时间消耗过大的缺点,提出了一种改进的DAG-SVM快速算法,该算法首先使用基于均值漂移的支持向量预选取方法,避免了支持向量漏选的现象,然后根据类别之间的邻接图对原始DAG-SVM算法的决策树进行修剪,能够减少训练器的个数,加快训练的速度。