太赫兹时域光谱在邮件隐匿危险品检测中的应用

随着电子商务的快速发展,邮件数量剧增,在邮件中隐匿危险品已经成为犯罪分子重要的犯罪手段,威胁公共安全和社会稳定。邮件的安全检查变得尤为重要,而常规的检测技术不能准确识别危险品。太赫兹波是介于红外和微波之间的电磁波,邮件中隐匿的爆炸物、毒品和有害生物因子等在太赫兹波段存在特征吸收光谱,而邮件常用的非极性包装材料可以被太赫兹波穿透。太赫兹波还具有低能性、相干性等特性,这些特性使得太赫兹技术可以实现邮件隐匿危险品高灵敏度的无损检测。文章介绍了太赫兹技术的特性,太赫兹时域光谱系统的组成和获取光学常数的菲涅尔公式解析法。该方法通过样品透射或反射信号和参考信号来获取包括吸收光谱在内的材料参数。将样品的太赫兹特征吸收光谱和已建立的各种危险品的光谱特征数据库进行比对,可以判断是否为危险品以及危险品种类。对爆炸物、毒品在太赫兹波段的特征吸收光谱的研究成果,及在各种非极性材料遮挡下吸收光谱的特异性的研究进展进行了总结。获取吸收光谱的解析法适用于较厚样品,针对薄样品,还介绍了一种P-谱法。该方法不需要参考信号就能准确获取覆盖物下样品的吸收光谱。除直接利用吸收光谱做检测外,近些年还提出了很多其他识别危险品的方法,如光谱动力学分析法,化学计量学方法和基于太赫兹时域光谱的成像分析法等。其中,光谱动力学分析法可以很好的区分吸收频率有重叠的物质;化学计量学方法可以对混合物进行成分的定性和定量分析;光谱成像法可以完成较大面积的隐匿危险品识别。分析了太赫兹时域光谱技术识别有害生物因子的可行性,以及针对有害生物因子携带量小的特点,总结了太赫兹时域光谱技术在提高生物因子检测灵敏度方面的研究进展。探讨了太赫兹技术在邮件安检应用中一些有待解决的问题,如太赫兹功率有限、受环境因素影响较大、缺乏统一的标准等,展望了未来的发展趋势。     

无机盐混合溶液的太赫兹光谱定量分析

太赫兹生物医学是当前光谱研究领域的前沿热点,其主要难点在于如何在有效避免水分干扰的同时,实现复杂生物体系组分的精准分析。太赫兹光谱产生于分子振动的信息,其吸收谱较弱,吸收峰严重重叠,且多组分复杂样品的太赫兹光谱往往不是各组分光谱的简单叠加,难以用传统的峰高、峰面积标定技术进行定量计算。但采用多元校正技术可以方便地实现太赫兹光谱的定量分析,使太赫兹光谱成为一种快速、简便且适用范围广泛的分析技术。以KCl和NaCl的无机盐混合体系为典型研究体系,两种组分的浓度范围均为0.1～2 mol·L-1,浓度间隔为0.1 mol·L-1。获取20组浓度配比不同的混合溶液的吸收系数和折射率,巧妙利用水溶液体系中无机金属离子的水合氢键作用,由此采集无机盐溶液体系的太赫兹时域光谱,提取各组分的特征信息,建立多尺度数据驱动的定量分析模型,有望实现水溶液中无机金属离子的定量分析。针对太赫兹光谱数据规模大、基质干扰强及数据关联复杂等特点,构建复杂二维小波变换、多变量筛选、贝叶斯数据挖掘、深度学习和数据关联性分析技术为一体的算法数据库,由此构建基于多尺度数据驱动的太赫兹光谱解析方法。论文依据正交实验的原则,构建具备良好数据结构特征的混合溶液数据集,引导后续的光谱解析方法准确提取无机金属离子水合氢键信息。在此基础上,发展自适应算法,寻找光谱数据变量与浓度间的关系,并采用变量筛选技术,从原始光谱数据中提取无机盐水合氢键的特征信息,最终构建浓度与特征信息之间的数据驱动模型。计算结果表明,KCl和NaCl组分的预测误差分别为8.0%和9.1%,能有效满足大部分应用的检测精度要求。多尺度数据驱动模型方法充分利用太赫兹光谱信号的时域和频域多尺度特性,实现数据预处理与多元校正的一体化运算以避免重要信息丢失,具备高度自适应特征。因此,基于数据驱动建模的太赫兹光谱分析新方法为太赫兹生物医学研究提供了新思路。     

基于太赫兹光谱的奶粉中葡萄糖及蔗糖定性定量检测方法

奶粉富含人体所需的五大营养物质,是婴幼儿主要的营养来源之一,奶粉中的营养成分对婴幼儿的生长发育具有重要影响,除乳糖外的糖类含量超标可能对婴幼儿健康产生不良影响。由于奶粉成分复杂,目前的色谱法和近红外光谱法检测技术都难以满足奶粉糖分快速无损检测的要求,因此亟须探索一种奶粉中葡萄糖、蔗糖含量快速无损检测方法。太赫兹波对不同大分子物质的吸收峰具有“指纹”特性,可利用该特性对不同的大分子物质进行识别。应用太赫兹时域光谱技术（THz-TDS）并结合化学计量学方法对奶粉中葡萄糖、蔗糖两种糖分的定性定量检测方法进行了研究。实验装置采用TAS7500TS太赫兹光谱系统,实验样品为不含糖的婴幼儿奶粉和纯度大于99%的葡萄糖、蔗糖晶体及不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物,实验分别采集了3种纯品样品及15种不同梯度浓度的奶粉-葡萄糖、奶粉-蔗糖混合物样品的太赫兹时域信号,每个样品采集三次并取平均值作为其时域光谱信号,经快速傅里叶变换（FFT）得到各样品的太赫兹频域信号,再根据Dorney提出的光学参数提取公式计算得到各样品的吸收系数谱和折射率谱。最后分别基于两组混合物样品的吸收系数谱和折射率谱数据,采用偏最小二乘法（PLS）建立相应的定量分析模型,校正集和预测集样品比例为2∶1。实验结果表明,奶粉在太赫兹波段无明显特征吸收峰,葡萄糖和蔗糖分别在1.45,1.8,1.98,2.7 THz和1.5,1.9,2.6 THz频率处有较强的特征吸收峰,可根据两种物质的太赫兹指纹特征峰进行定性分析。不同梯度浓度的两组混合物的整体吸收峰位置与葡萄糖、蔗糖纯品太赫兹吸收峰位置基本一致,具有稳定的吸收特性。基于吸收系数谱和折射率谱数据建立偏最小二乘法模型,均可实现奶粉中葡萄糖和蔗糖的定量分析,且由折射率谱建立的葡萄糖、蔗糖定量回归模型效果均优于由吸收系数谱建立的模型效果,其中,奶粉-葡萄糖混合物中葡萄糖含量PLS模型的校正集相关系数（R_c）及均方根误差（RMSEC）分别为0.99和0.18%,预测集R_P及RMSEP分别为0.96和0.66%,奶粉-蔗糖混合物中蔗糖含量PLS模型的校正集R_c及RMSEC分别为0.96和0.55%,预测集R_P及RMSEP分别为0.99和0.25%,葡萄糖和蔗糖定量模型的预测效果均较为理想。研究结果表明THz-TDS技术可有效用于奶粉中葡萄糖和蔗糖定性定量分析,为运用THz-TDS技术开展奶粉掺假及品质快速检测方法研究提供参考。     

吸收峰混叠的太赫兹光谱区间组合特征提取算法

太赫兹光谱是物质识别的前沿方法之一。由于不同物质的分子组成或结构各异,许多物质的太赫兹吸收谱会在特定频率上出现吸收峰,可以作为混合物成分检测的重要特征。有效准确地提取这些吸收峰的参数,是提高识别率的关键。多峰拟合算法将光谱曲线拟合成若干个标准峰函数之和,能够同时提取到吸收峰的频率、峰高、峰宽等信息。但是该算法以寻峰算法结果为基础确定吸收峰的大致位置和数量,寻峰结果不一定是最优的拟合结果,而且很难准确识别定位混叠状态的吸收峰。为了提高混叠光谱中吸收峰的识别定位精度,提出以大幅度平滑后的曲线波谷为分界点,将预处理后的光谱分成若干个子区间。然后将子区间组合起来进行多峰拟合,通过遗传算法得到最优的拟合子区间组合和吸收峰频率近似值,拟合时每个子区间中通过峰数递增最优化方法确定拟合的吸收峰数,最后微调优化得到最优的吸收峰频率、峰高值。为了实现物质的识别,通过密度聚类算法得到同一类纯净物在多次测量中的共同吸收峰,以此作为标准数据,通过提出的基于吸收峰特征的光谱匹配算法实现了纯净物和不同含量混合物的快速识别。对10类纯净物的实际光谱数据进行拟合聚类,得到其吸收峰参数,结果与太赫兹光谱数据库一致。通过识别算法对纯净物测试集进行识别的识别率为100%,证明了特征提取和物质识别算法的有效性。对于含有混叠峰的混合物光谱,二阶导数法对葡萄糖-乳糖混合物光谱中被掩盖吸收峰(1.280 THz)的识别率仅为70%,提取到的频率平均值为1.316 THz;而该算法提高识别率至95%,频率平均值为1.281 THz,该算法提高了对混叠峰的分辨能力,能够精确定位混叠峰。对10类纯净物构成的6类不同程度混叠的二元混合物前二、三识别率分别达到90.8%和98.3%,提取到的特征能够有效应用于混合物的成分检测。该算法能够以纯净物数据为标准数据实现成分各异的混合物成分检测,对于太赫兹光谱混合物成分检测有重要意义。     

基于离散极大值法的太赫兹光谱特征吸收峰提取方法

太赫兹波在电磁波谱中介于微波和红外辐射之间，具有指纹特性、安全无损、强穿透性等特点，因此太赫兹光谱技术在药品成分和组成检测领域具有广泛应用价值。针对高纯度物质识别研究中存在部分弱吸收峰不易识别，以及混合物的太赫兹光谱中吸收峰强度降低而导致吸收峰位信息模糊化的问题，提出了一种基于离散极大值法的光谱吸收峰位识别方法，即伴随拐点法。伴随拐点法首先利用目标检测物太赫兹吸收系数谱图的一阶和二阶导数确定吸收峰位的伴随拐点和基线谱，其次将原始吸收光谱与基线谱进行差分运算得到差谱，最后根据离散极大值法确定吸收峰位，从而实现特征吸收峰的识别。为验证伴随拐点法的有效性，采用伴随拐点法对四种硝基呋喃类样品光谱进行吸收峰提取，并将吸收峰位识别结果与仿真结果进行比较。实验结果证明，伴随拐点法能有效识别目标检测物的强吸收峰和弱吸收峰。该方法不仅在含峰目标物的太赫兹特征吸收峰识别问题中具有广泛的应用前景，还适用于其他光谱的谱峰峰位检测。     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2 THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

主要抗生素的太赫兹光谱检测与分析研究进展

抗生素具有治疗各种细菌感染或致病微生物感染类疾病的作用,获得主要抗生素的吸收特性可对抗生素添加进行有效的定性定量监测和控制,在医药、畜牧和水产业等领域都有重要意义和使用价值。太赫兹光谱技术作为一种无损、高效、便捷的新型光谱探测技术,在国防安全、信息通信、材料、环境生物医学、农业和食品安全等领域有良好的应用前景。文章介绍了太赫兹时域光谱技术(THz-TDS)检测系统的组成结构和工作原理,综述了现阶段太赫兹时域光谱技术在常用抗生素方面检测与分析的主要研究进展,重点归纳了β-内酞胺类、氨基糖苷类、四环素类、喹诺酮类、大环内脂类和磺胺类等主要抗生素的太赫兹定性识别与定量分析研究,给出了太赫兹时域光谱技术在主要抗生素检测方面的研究潜力和存在问题,为太赫兹技术未来用于主要抗生素定性定量快速检测仪器设备研发提供参考。     

基于太赫兹光谱技术的D-无水葡萄糖定性定量分析研究

葡萄糖是生命活动中重要的有机分子,研究葡萄糖在太赫兹波段的吸收特性并开展定性定量分析研究具有重要意义。太赫兹光谱对大分子物质具有特异性,当光谱穿透生物大分子时,由于分子间作用力和分子转动振动等因素影响,会产生太赫兹光谱下的特征指纹峰,不同大分子物质的指纹峰具有特异性,利用这一特征可以对不同大分子物质进行鉴别。本研究选取D-无水葡萄糖为研究对象,首先运用太赫兹时域光谱技术测量得到葡萄糖样品的时域光谱,测得的时域光谱经过傅里叶变换得到频域光谱,再采用Dorney和Duvillaret方法计算得到吸收系数,研究样品的吸收特性,然后开展了数学建模研究并建立了D-无水葡萄糖含量与太赫兹光谱的定量预测数学模型。研究结果表明,D-无水葡萄糖在太赫兹波段呈现明显的吸收特性,比较多元线性回归与偏最小二乘方法建立的回归模型,通过多元线性回归对样品的特征指纹峰建立的回归模型,得到的预测模型精度较高,稳定性较好,模型的校正集相关系数达0.977 2,均方根误差为0.061 6,预测集相关系数为0.992 7,预测均方根误差为0.055 2,从而太赫兹时域光谱技术可用于有效开展D-无水葡萄糖定性定量研究,该研究为运用太赫兹光谱技术手段开展果蔬、食品、药品中葡萄糖含量快速检测提供方法参考。     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别（英文）

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

基于深度学习的太赫兹时域光谱识别研究

太赫兹时域光谱技术,由于其具有物质“指纹谱”特性,是一种可以快速无损地鉴别物质的重要手段,在毒品和爆炸物的无损检测等方面有广阔的应用前景。其中,光谱识别是太赫兹时域光谱技术应用研究的重要方向之一。现有的光谱识别方法多是依靠手工选取特征后进行机器学习分类,或是通过设置吸收峰阈值门限进行判断。由于一些物质在太赫兹波段内并没有明显的吸收峰特征,同时样品浓度、空气湿度、各类噪声等会对太赫兹时域光谱造成干扰从而使信噪比下降,这些方法并不能很好地适应,并且物质类别和数量的增加也会导致计算量不断增加。近年来,随着深度学习技术兴起,以卷积神经网络（CNN）和循环神经网络（RNN)为代表的方法在计算机视觉和自然语言处理等领域得到广泛应用,相比于传统的机器学习方法其效果有了很大的提升。由于深度学习技术强大的非线性分类能力,基于RNN和CNN设计了两个网络用于光谱识别：基于RNN的一维谱线分类网络和基于CNN的二维谱图分类网络。模拟实际应用场景,在非真空环境下采集了12种物质的两万多个光谱数据作为训练集和测试集。在分析了样品浓度、空气湿度对光谱特征的影响后,使用S-G（Savitzky-Golay）滤波对光谱进行降噪。实验结果表明,对比未处理和经过S-G预处理的数据,处理后的光谱特征更加明显,识别准确率更高;与传统的机器学习算法k最近邻（k-NN）方法相比,RNN和CNN方法在测试集上有更好的准确率,且算法速度更快;对于光谱识别,CNN方法比RNN方法能够更好地克服噪声的影响。因此,深度学习技术可以对太赫兹时域光谱进行快速有效的识别,能够为新型无损安全检查技术提供理论和实验基础。     

Zernike矩在橡胶添加剂太赫兹光谱定量分析中的应用研究

近年来,“绿色轮胎”发展备受关注。在绿色轮胎制造过程中需要多种橡胶添加剂,而橡胶添加剂的含量与绿色轮胎能否达标密切相关,因此,对轮胎橡胶中相关橡胶添加剂的定量检测具有重要意义。太赫兹时域光谱（THz-TDS）技术已经成功应用于物质定量分析领域,但当定量分析对象为多组分混合物时,由于混合物光谱出现重叠和失真等原因,会导致定量分析结果不理想。针对此问题,将Zernike矩作为一种光谱预处理技术引入到橡胶添加剂多组分混合物的太赫兹光谱定量分析中,提出了基于Zernike矩结合支持向量回归（Zernike moment-support vector regression, ZM-SVR）的太赫兹光谱定量分析方法。首先,以影响绿色轮胎质量能否达标的三种橡胶添加剂氧化锌、白炭黑和2-巯基苯并噻唑（MBT）为定量检测对象,将3种橡胶添加剂与丁腈橡胶构成多组分混合物实验样本,并通过太赫兹时域光谱系统测得样本的太赫兹光谱;然后,对太赫兹光谱进行分析与处理,得到其吸收系数、消光系数和折射率3种光学参数后,将3种光学参数构建为样本的太赫兹三维光谱,并利用Zernike矩提取太赫兹三维光谱灰度图的特征信息;最后,利用支持向量回归建立样本太赫兹三维光谱灰度图特征信息和目标成分含量之间的定量模型,从而对混合物样本中目标成分含量进行分析。利用该方法得到的定量模型预测集相关系数均大于等于0.952 2,均方根误差均小于等于2.267 2%。为进一步验证该方法的有效性,将定量分析结果与常规方法PLS和SVR的结果进行了对比。对比发现,相比常规方法得到的定量分析结果,Zernike矩结合支持向量回归方法所得结果的准确性和稳定性均得到了明显提升。因此,Zernike矩结合支持向量回归方法为橡胶添加剂多组分混合物的太赫兹光谱定量检测提供了新思路,在绿色轮胎及橡胶的质量检测领域具有广阔应用前景。     

一种危险液体混合物的拉曼光谱定性定量识别方法

危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、三氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、三氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,三氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇三种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或三种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。     

The application of terahertz spectroscopy to liquid petrochemicals detection: A review

Petrochemicals, one of the most important energy sources, contribute to the remarkable development of human civilization. Therefore, the development of a kind of fast, safe, reliable and nondestructive detection technology is essential. Terahertz (THz) spectroscopy, containing abundant physical, chemical, and structural information of materials, shows significant applications in the fields of physics, chemistry, materials science, medicine, pharmacy and biology. As a promising detection technology, THz technology provides a new reliable analytic method in liquid petrochemicals detection due to the fact that low-frequency vibrational and rotational motions of hydrocarbon molecules lie in the terahertz region. In this article, we review the applications of the liquid petrochemicals detection based on the terahertz time-domain spectroscopy (THz-TDS) system, mainly containing the analysis of molecular properties, qualitative identification, quantitative analysis and the terahertz metamaterials sensing. In addition, we propose the further exploration of terahertz technology in the field of petrochemical industry.     

基于密度泛函理论与自举软缩减法的酒石酸太赫兹光谱特征谱区分析指认

太赫兹时域光谱不但包含了样品的化学信息和物理信息,还承载了设备噪声、样品状态、环境参数等多方面的背景信息,其光谱的多元性可能影响模型的性能,降低预测精度。能否在复杂、重叠、变动背景下从光谱数据中提取目标组分的特征信息,去除冗余变量,筛选特征谱区,对太赫兹光谱定量、定性分析至关重要。以L-酒石酸为研究对象,在室温下采集6个浓度：10%,20%,40%,50%,60%和80%,共计342个样本的L-酒石酸太赫兹吸收光谱。利用密度泛函理论(DFT)中的B3LYP方法,基于6-31G*(d,p)基组对L-酒石酸单分子模型进行优化并对其太赫兹频谱特性进行理论模拟计算,分析对应特征波峰的分子振动模式,得到0.2～1.6 THz频段吸收谱。与实测吸收谱进行对比,实验所测结果与理论计算结果对应的吸收峰位置基本吻合。采用自举软缩减法（BOSS）对L-酒石酸的太赫兹吸收谱进行特征谱区筛选,并与竞争性自适应加权采样（CARS）、蒙特卡洛无信息变量消除法（MC-UVE）和间隔区间偏最小二乘法（iPLS）3种经典特征谱区筛选法进行对比,分析结果显示BOSS算法选取的有效谱区与DFT理论计算特征谱区重合度最优。分别使用全谱PLS,CARS-PLS,MC-UVE-PLS,iPLS及BOSS五种算法对L-酒石酸光谱进行建模回归分析,实验结果表明,四种谱区筛选方法相较于全谱PLS模型,预测精度均有所提高,其中BOSS算法预测能力提高最为显著,其交互验证均方根误差（RMSECV）、预测均方根误差（RMSEP）、训练集决定系数(R2_train)和测试集决定系数(R2_test)分别为0.026 0,0.026 0,0.988 1和0.987 5,相较其他模型有更高的预测精度和模型稳定性,为实现基于太赫兹光谱技术的快速定量检测提供了一种有效的方法。     

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。