테라헤르츠 스펙트럼에서 기저선 드리프트가 고유 흡수 피크를 가리고 혼합물의 정량 예측 정확도를 저하시키는 문제를 해결하기 위해 적응형 동적 창 반복 기반 기저선 보정 알고리즘을 제안하였다. 이 방법은 먼저 Savitzky-Golay 평활화를 사용하여 고주파 잡음을 억제하고, 이후 기울기 통계 특성을 활용하여 피크 시작점을 위치시킨다. 2차 다항식 다중 앵커 점 근사, 반복적 작은 값 교체 및 기울기 변화율 판정을 결합하여 복잡한 배경 하에서 기저선의 적응적 추정을 구현하였다. 글루타민, 히스티딘, 트레오닌 및 2진 혼합물을 대상으로 투과형 테라헤르츠 시간영역 분광 시스템을 이용해 흡수 스펙트럼을 수집하였으며, 보정된 스펙트럼을 기반으로 부분 최소 제곱 회귀(PLS), 합성곱 신경망(CNN), 역전파 신경망(BPNN) 및 최소 제곱 서포트 벡터 머신(LSSVM) 모델을 구축하여 정량 분석을 수행하였다. 결과는 LSSVM 모델이 R² 0.9960, RMSEP 0.5431%, RPD 15.72, MAE 0.4271%로 가장 우수한 성능을 보였음을 나타낸다. 본 실험 체계 및 평가 지표 하에서 제안한 방법은 ModPoly, AsLS 및 airPLS보다 우수하여 흡수 피크 특성 유지 및 테라헤르츠 스펙트럼 정량 분석 성능 향상에 일정한 응용 가능성을 지닌 알고리즘임을 시사한다.

테라헤르츠 스펙트럼;기저선 보정;동적 창;브리지 맞춤법;정량 분석