拉曼散射是一种基于激光的光谱技术, 由印度物理学家拉曼(Raman)于1928年首先发现。作为一种鉴定分子结构的重要手段，拉曼光谱可提供有关分子振动的定量信息。同时，拉曼光谱又具备无损伤、无需标记等优点，在毒品毒物检测以及各种疾病诊断等多个领域得到广泛应用。

然而在利用拉曼光谱仪测试中，不可避免的受到荧光背景干扰，出现基线漂移现象，严重影响拉曼光谱的分析应用能力。因此减少基线漂移，提高拉曼光谱信号的信噪比，变得至关重要。基线漂移是拉曼光谱仪器测量过程中经常出现的问题，会对光谱的定性分析产生不利影响。基线校正是利用数学算法对光谱数据进行预处理的过程，以便于后续的化学计量学方法的光谱定性。依据算法原理，常见的基线校正算法包括导数法、迭代多项式拟合法、分段拟合的算法、移动窗口平滑算法、小波变换算法、基于惩罚最小二乘的算法、鲁棒基线估计法。这些算法可在很大程度上消除基线漂移给定性分析带来的不利影响，但各有特点和不足。近年来，针对上述基线校正算法的不足，研究者相继开发了一些改进算法和新型的光谱基线校正算法。改进的算法有自适应最大和最小多项式拟合荧光背景扣除算法、基于子空间向量夹角判定的区间线性拟合算法、动态移动最小二乘多项式平滑算法、确定最优小波分解尺度的能量分布法、自适应迭代重加权惩罚最小二乘算法等；新型的算法包括基于荧光褪色效应原理的荧光褪色差分法、基于图像处理中形态学算子的基线校正方法、基于稀疏表示的同时拟合纯光谱和基线的方法等。这些改进的和新型的基线校正算法进一步改善了光谱质量，提高了光谱定量和定性分析的准确性和稳健性。

近年来，稀疏/简约概念在信号处理领域备受关注。因有用信号自身是稀疏的，或者允许稀疏表示，将稀疏/简约概念引入到化学信号处理中使有用信号的表示成为可能。基于此理论，研究者开发出了许多新颖的光谱基线校正方法。另一种方法是建立联合样品纯光谱和基线拟合的稀疏贝叶斯学习框架，其拟合性能在高噪声水平下的表现尤为突出。一种基于匹配追踪的信号重构的算法(用于信号稀疏逼近的贪婪迭代算法)，能较好地逼近掩盖在噪声中的拉曼光谱信号，并在信号重构的过程中完成了基线扣除，不需要单独进行基线校正处理。

最近，盲源信号处理方法用于拉曼光谱背景校正中，通过独立成分分析方法将拉曼信号与复杂背景信号分离,结合混合熵准则识别出拉曼信号，最后将识别出的信号重构获得校正光谱。一种基于机器学习的基线校正算法，可以快捷、有效地去除拉曼光谱的强荧光背景。这两种方法分别是多元分析方法和统计学习方法在光谱基线校正领域应用的体现，有望成为未来基线校正方法。

文章来源：中国知网

文章链接：表面增强拉曼光谱基线校正的新思路

文字报道：李伟