2. 光谱数据预处理工程

原始光谱从仪器输出到可用于定量或定性判读，中间必须经过一条预处理链。这条链不是“随便调几个参数”，而是由四个功能明确、顺序敏感的环节组成：基线校正消除荧光背景与暗电流漂移，平滑去噪压制随机噪声，归一化消除光强与采集条件差异，峰位校准修正波数/波长轴的偏移。四者处理的对象不同，顺序错了会互相破坏——例如先归一化再基线校正，会把基线形状一起缩放，导致校正失真。

基线校正：先判断背景形态，再选算法

基线校正的核心是估计一条“不含样品信号”的背景曲线并从原始谱中减去。工程上先看背景形态：若背景是缓慢单调漂移（如近红外漫反射的散射背景），用低阶多项式拟合即可，阶数取2~3，拟合区间必须选在没有吸收峰的波段；若背景是荧光引起的宽鼓包（如拉曼光谱），多项式会强行穿过峰区，应改用airPLS或非对称最小二乘。airPLS通过迭代重加权，让拟合曲线从下方逼近原始谱，对峰区施加小权重、对基线区施加大权重，从而“绕过”峰而不是“穿过”峰。

实操中，airPLS的关键参数是平滑因子 λ 和迭代次数。λ 越大，拟合基线越平滑、越不容易削峰，但可能欠拟合陡峭背景；λ 过小则基线会跟随噪声和弱峰起伏。以一段 200~3200 cm⁻¹ 的拉曼谱为例，若荧光背景在 1200 cm⁻¹ 附近抬升约 3000 counts，可先设 λ=1×10⁵、迭代 10 次，观察扣除后 1000~1800 cm⁻¹ 区域是否出现负值——出现负值说明基线被抬得过高，应减小 λ 或降低迭代次数。判断基线是否合格的直接标准是：扣除后无峰区应落在零线附近，且峰区不出现负凹陷。

平滑去噪：窗口宽度不能超过半峰宽

平滑去噪最常用的是 Savitzky-Golay（SG）卷积。它用局部多项式拟合代替简单移动平均，能在压噪的同时保留峰高和峰宽。SG 有两个参数：窗口点数 m 和多项式阶数 p。工程经验是 m 取 7~11 点、p 取 2~3 阶，且窗口宽度必须小于最窄峰的半峰宽，否则峰会被展宽、峰高被压低。例如某光谱仪分辨率约 4 cm⁻¹，最窄峰半峰宽约 8 cm⁻¹，若横轴步长为 1 cm⁻¹，则窗口最多取 9 点；取 15 点就会明显削峰。

判断平滑是否过度，可以对比平滑前后峰高比：若主峰峰高下降超过 5%，或半峰宽增大约 10%，说明窗口偏大。另一个实用检查是看二阶导数谱——过度平滑会把原本可分辨的双峰合并成一个宽峰，二阶导数中的极小值数量减少。

归一化：按后续判读目标选参考量

归一化不改变峰位和峰形，只改变纵轴尺度，目的是让不同时间、不同样品、不同仪器采集的谱可以横向比较。常见方式有三类：最大值归一化（除以全谱最大强度，适合只看相对峰高比的场景）、面积归一化（除以全谱积分面积，适合总量守恒的比较）、内标峰归一化（除以某个已知浓度内标峰的面积或峰高，适合定量分析）。

选择依据是后续判读目标。若要做峰强比（如 D 峰与 G 峰比值），用最大值归一化即可；若要做浓度定量，必须用内标峰归一化，因为最大值归一化会随激光功率、聚焦条件波动。实操中，内标峰应选在无重叠、强度适中、不随样品变化的峰位，例如拉曼中常用 520.7 cm⁻¹ 的硅峰或 960 cm⁻¹ 的磷酸根峰。

峰位校准：用标准峰建立偏移模型

峰位校准解决横轴偏移。仪器长期使用后，光栅转角、探测器像元位置可能发生微小变化，导致同一标准峰在不同时间落在不同波数。校准方法是：采集一个已知标准样品（如聚苯乙烯、硅片、氖灯），识别其标准峰位，计算实测峰位与标准峰位的差值，再用多项式拟合“偏移量—波数”关系，最后把该关系应用到待测谱的横轴上。

以聚苯乙烯为例，其标准峰位包括 1001.4、1601.4、2851.5、3054.3 cm⁻¹ 等。若实测得到 1002.1、1602.0、2852.3、3055.0 cm⁻¹，则偏移量分别为 +0.7、+0.6、+0.8、+0.7 cm⁻¹，近似常数偏移，用一阶多项式即可修正；若偏移量随波数增大而增大，则需二阶多项式。校准后应重新检查标准峰位残差，残差应小于仪器分辨率的一半，例如分辨率 4 cm⁻¹ 时残差应小于 2 cm⁻¹。

预处理链的每一步都会改变数据，因此每一步都应保留中间结果，便于回溯。工程上建议把原始谱、基线、扣除后谱、平滑后谱、归一化后谱分别存为独立列，并在报告中注明所用算法、参数和软件版本。这样当后续判读出现异常时，可以快速定位是哪一个环节引入了偏差，而不是在一条已经“面目全非”的曲线上反复猜测。