随着社会经济的发展,我们会面临着许多新的安全威胁。其中,液体安全不可忽视。对于液体的检测技术而言,基于太赫兹的液体检测技术逐渐受到科研人员的重视,科研人员对特定物质的检测展开了深入的理论研究并且证明了太赫兹液体检测技术的可行性。然而,目前国内对于基于太赫兹的液体识别分类技术的研究还处于初级阶段。本文在基于太赫兹的液体检测技术的基础上,研究了基于太赫兹的液体特征提取与分类方法,主要做了以下方面的工作:(1)在太赫兹时域信号数据预处理方面,提出了数据处理方法,可以对太赫兹时域信号数据进行平滑处理。该方法针对太赫兹时域光谱系统由于延时线的重合抖动、采样抖动等产生的噪声的问题,提出了使用EMD-R/S分析方法对太赫兹光谱信号进行平滑处理。实验结果表明,与高斯平滑算法等常见算法相比,EMD-R/S分析算法能够有效地对太赫兹时域光谱信号平滑,有效还原太赫兹时域信号特征。(2)在液体危险品太赫兹时域信号特征提取与分类方面,本文探索了常见的特征提取方法与分类方法。本文首先尝试使用多维标度法提取液体危险品的太赫兹时域信号特征。根据多维标度法的原理,本文通过实验探究了可能影响多维标度法特征提取效果的两种因素:距离度量方式和提取的特征维数,并且得到了相应的结论。针对分类算法的性能影响分类正确率的问题,本文将多维标度法提取得到的特征使用多种分类算法进行分类,实验结果证明支持向量机的分类效果较其他分类算法好。接着,本文将多维标度法与拉普拉斯变换、局部线性嵌入、主成分分析、t SNE这四种方法进行对比,实验结果显示,多维标度法对液体危险品的特征提取效果略胜一筹。最后,针对多维标度法对多种类液体危险品无法提取可区分特征的局限性,本文提出了一种改进方法,成功实现多种类液体危险品分类。(3)本文除了采用传统的模式识别思路进行研究,还尝试使用热门的深度学习技术对液体危险品的太赫兹时域信号进行特征提取与分类。本文首先分析了受限玻尔兹曼机的内部结构,研究了受限玻尔兹曼机的计算过程。接着,本文分析了深度信念网络的原理,提出了使用基于深度信念网络的液体危险品太赫兹时域信号分类方法。最后,本文研究了深度信念网络的网络参数设置对液体危险品的太赫兹时域信号分类的影响。实验结果表明,在选择了合适的网络参数情况下,深度信念网络可以实现多种类液体危险品太赫兹时域信号分类,而且分类正确率可以达到95%。本文在液体危险品太赫兹时域信号预处理、特征提取和分类两个方面进行探索,提高了液体危险品太赫兹时域信号分类正确率,在安检应用方面具有实践意义与良好的商用前景。但是未来还需要进行补充大量的实验证明本文提出的方法在实践上切实可行。