テラヘルツスペクトルにおけるベースラインドリフトが固有の吸収ピークを覆い、混合物の定量予測精度を低下させる問題に対して、適応的動的ウィンドウ反復に基づくベースライン補正アルゴリズムを提案した。本手法はまずSavitzky-Golay平滑化を用いて高周波ノイズを抑制し、その後勾配の統計的特徴を利用してピーク開始点を特定する。さらに2次多項式の多点アンカーフィッティング、反復的な小値置換、および傾き変化率判定を組み合わせて、複雑なバックグラウンド下でベースラインの適応的推定を実現した。グルタミン、ヒスチジン、スレオニンおよび2成分混合物を対象に、透過型テラヘルツ時間領域分光システムで吸収スペクトルを収集し、補正後のスペクトルに基づいて偏最小二乗回帰（PLS）、畳み込みニューラルネットワーク（CNN）、逆伝播ニューラルネットワーク（BPNN）、および最小二乗サポートベクターマシン（LSSVM）モデルを構築し定量分析を行った。結果として、LSSVMモデルが最良の性能を示し、R²は0.9960、RMSEPは0.5431％、RPDは15.72、MAEは0.4271％であった。本論文の実験体系と評価指標において、本手法はModPoly、AsLSおよびairPLSを上回り、本アルゴリズムが吸収ピークの特徴保持およびテラヘルツスペクトルの定量分析性能向上に一定の応用可能性を有することを示唆している。

テラヘルツスペクトル;ベースライン補正;動的ウィンドウ;ブリッジフィッティング;定量分析