3. 拉曼光谱数据预处理实战
生物医学材料（如羟基磷灰石、胶原蛋白、聚乳酸支架、细胞外基质等）的拉曼光谱往往伴随强烈的荧光背景、宇宙射线尖峰、探测器噪声和波数漂移。原始光谱直接用于峰位归属或定量分析，误差可能远大于真实信号差异。预处理的目标不是“把谱线修得好看”，而是在保留真实拉曼峰强度与峰位关系的前提下，抑制干扰、统一量纲、对齐波数。本节按“宇宙射线去除 → 波数校准 → 基线校正 → 平滑去噪 → 归一化”的推荐顺序展开，并重点讨论生物医学材料常见荧光背景的处理策略。
一、宇宙射线去除：先剔除尖峰，再谈其他
宇宙射线在CCD探测器上表现为1～3个像素宽、强度极高、随机出现的窄峰，常被误判为C–H伸缩（约2850–2950 cm⁻¹）或磷酸根峰。若先做平滑，尖峰会被“抹开”成宽峰，污染邻域；若先做基线校正，尖峰会被当作真实信号参与拟合。因此宇宙射线去除应放在最前。
常用方法有三类：导数法（一阶导数绝对值超过阈值即判为尖峰）、中值滤波比较法（原始谱与中值滤波谱之差超过阈值）、多次采集比较法（同一位置采集2～3次，取逐点最小值或中位数）。对生物样品，推荐“中值滤波比较 + 邻域插值替换”：以5点中值滤波结果为参考，若某点强度超过参考值5倍标准差，则用左右各2点的线性插值替换。示例参数：窗口5、阈值5σ、替换宽度±2像素。处理后应检查2800–3000 cm⁻¹与960 cm⁻¹附近是否仍有异常尖峰。
二、波数校准：让峰位可跨仪器比较
波数校准解决的是“同一材料在不同仪器、不同时间测得的峰位不一致”的问题。生物医学材料常用校准物包括：硅片（520.7 cm⁻¹）、聚苯乙烯（1001.4、1602.3、3054.5 cm⁻¹）、环己烷（801.3、2852.9 cm⁻¹）、对乙酰氨基酚（1324、1610 cm⁻¹）。校准流程为：采集标准物谱 → 找到理论峰位与实测峰位的偏差 → 用多项式拟合偏差随波数的变化 → 对样品谱做波数轴校正。
例如，某仪器在520.7 cm⁻¹处实测为518.9 cm⁻¹，在3054.5 cm⁻¹处实测为3051.2 cm⁻¹，则可用线性或二次多项式修正。校准后，羟基磷灰石的960 cm⁻¹磷酸根峰、胶原蛋白的1660 cm⁻¹酰胺I带才能与文献值可靠比对。建议每批次实验前用硅片做一次快速校准，偏差超过±1.5 cm⁻¹时重新校准。
三、基线校正：荧光背景是最大挑战
生物医学材料的荧光背景通常来自胶原蛋白、弹性蛋白、卟啉、黄素、脂褐素及某些高分子添加剂。其特点是宽、缓、随波数单调或缓慢变化，常把拉曼峰“抬”在高背景上。基线校正的目标是估计并扣除这条荧光背景曲线，而不是把谱线强行拉平。
常用方法包括：多项式拟合（3～6阶，适合平缓背景）、非对称最小二乘（AsLS）、自适应迭代重加权惩罚最小二乘（airPLS）、形态学滤波、小波变换。对生物样品，推荐airPLS或AsLS，因为它们能在保留峰形的同时自动追踪背景。示例参数：airPLS的λ=1×10⁵、惩罚项权重0.001、迭代20次；AsLS的平滑参数λ=1×10⁵、不对称因子p=0.001。若荧光极强，可先做一阶导数再积分，或采用“分段基线”策略：在无拉曼峰的窗口（如1800–2000 cm⁻¹、2500–2700 cm⁻¹）取点拟合背景。
四、平滑去噪：在保峰与降噪之间取平衡
平滑去噪针对的是高频随机噪声。常用方法有Savitzky–Golay（SG）平滑、小波去噪、高斯滤波。SG平滑因能保留峰高和峰宽，是拉曼光谱的首选。示例参数：窗口7～11点、多项式阶数2～3。窗口过大会压低窄峰（如960 cm⁻¹磷酸根峰），窗口过小则降噪不足。建议先用小波去噪做初步降噪，再用SG平滑做最终修饰。
判断平滑是否过度：观察峰高比（如960/1070 cm⁻¹）和半高宽是否发生明显变化；若半高宽增大超过10%，说明窗口过大。对生物医学材料，建议保留原始谱与处理后谱的叠加对比图，便于回溯。
五、归一化：让不同样品可比
归一化解决的是“不同样品、不同激光功率、不同采集时间导致强度不可比”的问题。常用策略：最大值归一化（除以全谱最大峰）、面积归一化（除以某波段积分面积）、内标归一化（如以960 cm⁻¹磷酸根峰或1450 cm⁻¹CH₂弯曲峰为内标）、矢量归一化（除以全谱平方和开方）。对生物医学材料，推荐内标归一化：骨组织以960 cm⁻¹为内标，胶原以1450 cm⁻¹为内标，高分子支架以C=O伸缩（约1720 cm⁻¹）为内标。若无明确内标，可用矢量归一化作为通用方案。
六、实操建议与结果判断
建议在Python中按以下顺序实现：scipy.signal.medfilt去尖峰 → numpy.polyfit或pybaselines做airPLS → scipy.signal.savgol_filter平滑 → 内标归一化。每步处理后，用叠加图检查：尖峰是否消失、基线是否平缓、峰位是否对齐、峰高比是否稳定。若960/1070 cm⁻¹比值在基线校正前后变化超过15%，说明基线参数过强，应减小λ或增大p。
最后，预处理后的光谱应满足三个基本判据：无残留宇宙射线尖峰、基线平坦且不出现负值、内标峰强度变异系数小于10%。满足后再进入峰位归属、峰高比计算或多元统计分析，才能保证生物医学材料结论的可靠性。