利用太赫兹时域光谱技术, 测量了加热到298, 308, 328和348 K的牛血清白蛋白(BSA)固体样本的低频光谱, 测量过程中获得了BSA样本的折射系数曲线、 吸收系数曲线。 由于BSA样本的THz折射系数和吸收系数光谱曲线存在重叠现象, 采用主成分分析法对BSA样本的折射系数、 吸收系数、 复介电系数虚部及介电损耗角正切, 共四个太赫兹光谱参数进行分析, 发现样本未变性前, 介电损耗角的正切与牛血清白蛋白样本的温度最相关, 相关系数达到99.76%。 采用模糊聚类方法区分变性前后的BSA固体样本, 建立不同温度的BSA模糊识别模型, 发现可以将未变性的样本与已经变性的样本区分开, 为检测不同温度蛋白质特性的太赫兹光谱法提供新的途径。

在常温常压下, 利用光电导天线式太赫兹时域光谱仪和自行设计的气室, 在0.1~3.0 THz范围内对甲醇气体进行太赫兹时域光谱测试, 测试结果表明, 甲醇气体在1.0~3.0 THz没有明显的吸收峰, 但是在0.1~1.0 THz波段存在明显的吸收峰。 为了准确测定甲醇气体的浓度, 根据甲醇气体在0.1~1.0 THz范围内的15处不同的位置处的特征吸收峰强度和甲醇气体浓度的关系, 对十五组不同浓度的甲醇气体进行检测, 获得了在特征吸收峰处的差异曲线。 基于误差反向传播(BP)神经网络的函数逼近特点, 并利用遗传算法(GA)收敛速度较快, 不宜陷入局部极值的优点, 采用GA优化BP神经网络的初始的权值和阈值, 构建了以预测甲醇浓度为目的的数学模型。 结果表明, 该网络模型适用于体积浓度范围为0.028 3~0.424 6 m3·L-1的甲醇的浓度预测, 两组样本的平均相对标准误差为1.7%, 平均回收率为98%, 神经网络误差精度10-1, 实测值与期望值的相关系数为0.996 77, 基本达到理想预测结果。 本成果不仅获得了甲醇气体在太赫兹频段的实验数据, 而且发现太赫兹时域光谱法和GA-BP神经网络相结合的方法能有效地检测甲醇气体的体积浓度, 为检测甲醇气体浓度提供新的方法。