L-苯丙氨酸和L-酪氨酸在合成神经递质和激素的过程中起到了重要的作用。 这两种氨基酸具有极为相似的分子结构, 但在生物功能上却具有明显区别。 前人的研究表明, 这两种氨基酸在低频振动上存在显著差异。 近年来, 太赫兹(THz)光谱学技术作为研究生物分子低频动力学的有效手段被广泛应用, 通过太赫兹光谱对氨基酸进行研究, 对进一步了解蛋白质和相关生物活性具有重要意义。 多变量校准方法已成功应用于太赫兹多组分光谱数据定量分析研究中。 然而, 传统校准技术由于仅在光谱和目标之间建立单个模型预测未知样品, 其预测性能有时仍不尽人意。 因此, 具有更好精度的集成建模方法(ensemble modeling method)应运而生。 集成建模的基本概念是组合多个单独模型的优势以产生更好的预测结果。 由黄锷博士提出的经验模态分解(EMD)的方法, 可以将信号自适应地分解为一系列的本征模式函数(IMF), 成功地应用于信号和光谱处理中。 基于该方法的信号分析也已在太赫兹波段开始使用。 然而, 在对物质进行定量分析的过程中, 目前还没有报道基于EMD方法的太赫兹光谱偏最小二乘(PLS)回归的相关工作。 提出了一种基于PLS的EMD分析, 并对不同浓度氨基酸混合物的太赫兹光谱进行了定量研究。 具体而言, 原始的太赫兹时域信号首先通过EMD手段在不同频段被分解为一系列的IMF和一个残差函数。 随后, 将前几个IMF相加作为一个整体(此处研究了前两、 三、 四和五个IMF叠加的结果), 对其进行吸收光谱的重建。 最后, 建立PLS回归模型, 用于进一步的物质定量分析。 预测结果表明, 与原始吸收光谱及其他分解后重组光谱的PLS结果相比, 基于前四个IMF信号之和的吸收谱具有更高的R(0.9961)和最小的RMSEP(0.019 8)。 由此可知, EMD-PLS法可以在太赫兹波段对两种氨基酸混合物进行有效地定量分析, 实现较为理想的预测精度。