太赫兹时域光谱技术(Terahertz time domain spectroscopy,THz-TDS)应用于物质探测时,由于THz波特有的时域光谱分辨能力和无损探测能力,因此THz技术将为物质检测技术带来广阔前景。本文结合THz-TDS光谱实验,对THz光学参数计算、THz光谱预处理、THz光谱的物质分类识别、THz光谱的物质定量分析等问题进行了系统的研究。本文的主要研究工作如下:首先进行了四类物质的THz-TDS实验。观察到不同温度的牛血清白蛋白(BSA)样本的THz光谱时,发现THz吸收光谱可以反映蛋白质分子内部构象解析叠及变性问题。采用自制气室的THz-TDS系统,对甲醇气体进行了THz实验,观察到这种有机气体在THz波段有明显的吸收峰。通过THz-TDS实验获得了以铁观音、龙井、碧螺春、黄山毛峰、普洱茶、祁门红茶为代表的六种茶叶的THz吸收光谱。对三类爆炸物(DNT,RDX,HMX)进行THz时域光谱实验,获得它们在0.1~0.25THz范围的THz吸收光谱。同时在光谱预处理阶段,比较分析了一阶导数和二阶导数基线处理方式,同时比较了基于软阈值滤波和硬阈值滤波小波去噪方式的优劣。其次,对BSA的THz时域光谱和介电光谱参数采用主成分分析方法进行降维处理。结果表明,介电损耗正切角比吸收系数、折射率和介电谱虚部的得分更能够反映BSA与温度的相关关系。利用介电损耗正切角的得分系数建立标准模型数据库,并基于欧氏距离和择近原则模糊识别方法,对待测样品进行了成功识别。研究结果获得了一种不同温度状态下BSA新的识别方法。然后对甲醇气体太赫兹光谱的定量分析过程中,提出采用结合遗传算法和粒子群算法优化BP神经网络对太赫兹吸收光谱进行处理。分析结果表明,采用遗传算法优化BP网络的初始值和阈值的方式,比传统的BP神经网络方法收敛速度更快,网络值与实际值的相关性更好,并且预测误差更小。而粒子群算法优化BP网络的预测结果与实际结果的相关系数更高,而且收敛速度更快。因此采用粒子群算法优化BP神经网络技术,是对甲醇类气态小分子有机物的太赫兹光谱定量分析问题更加有效的方法。最后,由于传统的支持向量机(SVM)以及最小二乘支持向量机(LS-SVM)对多组分茶叶的太赫兹光谱识别存在误差率偏高的问题,分别采用遗传算法和粒子群算法对向量机核参数寻优,研究结果表明,结合了粒子群寻优的LS-SVM模型,是一种降低多组分茶叶识别误差的方法。由于背景偏移和噪声问题,导致原始茶叶THz光谱重叠率较高的问题,采用偏最小二乘法对THz光谱先进行降维,再结合SVM和LS-SVM方法,比传统SVM以及传统的LS-SVM的误差小、鲁棒性更好。针对大量无标识茶叶THz光谱样本分类效果不理想,提出采用拉普拉斯流形算法改进传统SVM的方法,研究结果表明,改进的方法提高了分类结果的准确度。研究结果将为THz-TDS在食品品质检验和药物质量控制等物质领域研究工作提供新的思路。