4. 峰识别前的数据预处理

色谱原始信号在进入峰识别与积分算法之前，几乎不可能直接使用。检测器输出的是一条叠加了高频噪声、缓慢漂移和偶发尖刺的采样序列，而峰识别算法（一阶导数寻峰、拐点检测、阈值判定）对噪声极为敏感：噪声会让导数曲线剧烈抖动，产生大量虚假极值点，导致误识别出根本不存在的"峰"。因此预处理的目标不是把图"画得好看"，而是在抑制干扰与保留峰形真实信息之间取得平衡。这个平衡点一旦越过，弱峰就会被抹平、峰高被压低、峰宽被展宽，积分结果随之系统性失真。

一、平滑与去噪：移动平均、Savitzky-Golay 与中值滤波

最直观的平滑是移动平均：对每个采样点取前后共 N 点的算术平均。它实现简单、计算量小，但本质是低通滤波，会同时削弱噪声和高频的峰形细节。窗口越宽，噪声压得越狠，峰顶也被削得越平，峰高偏低、峰宽偏大，对窄峰尤其不利。实践中移动平均多用于观察趋势，很少作为定量前的最终处理。

Savitzky-Golay（S-G）平滑是色谱数据处理中最常用的方法。它在滑动窗口内用低阶多项式做最小二乘拟合，取拟合多项式在中心点的值作为平滑结果。与移动平均的关键区别在于：S-G 平滑在压制噪声的同时能较好地保持峰高和峰宽，因为多项式拟合保留了信号的局部曲率信息。其行为由两个参数决定——窗口点数和多项式阶数。经验上窗口取峰半高宽的 0.5～1 倍较为稳妥，阶数取 2 或 3；窗口过大或阶数过低都会明显展宽峰形。S-G 平滑还有一个附带能力：对拟合多项式求导，可直接得到平滑后的一阶导数，供导数寻峰使用，避免"先平滑再差分"带来的二次噪声放大。

中值滤波针对的是另一类干扰——脉冲尖刺，例如气泡、电火花或检测器瞬时饱和造成的单点或几点异常跳变。它取窗口内数据的中位数替代中心点，对孤立尖刺有很强的剔除能力，且对阶跃边缘的保持优于均值类方法。但中值滤波对连续噪声无效，也不适合处理宽峰，通常作为尖刺剔除的前置步骤，再配合 S-G 平滑使用。

二、基线校正：漂移与阶梯基线的处理

基线漂移来自流动相梯度变化、柱温波动、检测器灯能量衰减或流通池污染，表现为一条缓慢弯曲的"背景曲线"。若不扣除，峰面积会被叠加一个随保留时间变化的偏置，早出峰与晚出峰的定量结果偏差方向甚至相反。常用方法有三类：

• 多项式拟合基线：在峰间空白区选取锚点，拟合 2～4 阶多项式作为基线。适合缓慢、平滑的漂移，但阶数过高会在峰区"追着峰走"，把峰的一部分当作基线扣掉。
• 分段线性基线：在相邻峰之间的谷底或空白区取点，用折线连接。实现简单、可控性强，是积分软件中最常见的手动基线方式，适合阶梯状漂移和梯度洗脱引起的基线抬升。
• 形态学与迭代拟合方法：通过滚动最小值、开运算或迭代多项式逼近，自动估计基线。适合大批量样品的自动化处理，但需要设置结构元素宽度或迭代停止条件，参数不当会侵蚀宽峰底部。

基线校正的核心风险是锚点落在峰上。一旦锚点误取在峰尾或肩峰处，基线会被抬高，峰面积被系统性低估。因此自动基线之后必须人工复核锚点位置，尤其是弱峰密集区和梯度变化剧烈的区段。

三、过度处理如何导致弱峰丢失

弱峰（信噪比约 3～10）是预处理中最容易被牺牲的对象。平滑窗口过宽时，弱峰的峰顶被邻点平均拉低，峰高可能下降 20%～40%，而噪声底并未同比例下降，信噪比反而恶化；基线校正过度时，弱峰底部被"削平"，峰面积大幅缩水；若再叠加阈值化的尖刺剔除，幅度本就不大的弱峰可能被误判为异常点直接删除。更隐蔽的问题是峰形展宽：过度平滑使峰宽增大，分离度下降，原本勉强分开的两个弱峰在平滑后合并成一个，峰识别算法只报出一个峰，另一个彻底消失。

判断是否处理过度的实用做法是对照检查：保留一份仅做最小处理的原始信号，将处理后的曲线与原始曲线叠加，重点观察弱峰区域的峰高、峰宽和峰位是否发生可见变化；同时比较处理前后信噪比，若信噪比没有改善甚至下降，说明参数已越过合理区间。对于定量分析，还应以标准品验证：同一浓度标准溶液在处理前后峰面积相对偏差宜控制在 2% 以内。

四、可执行的参数设置与复核流程

把上述方法落到实际操作，可按以下顺序执行，并以示例参数说明（示例参数需根据仪器采样率和峰宽实测调整，不作为通用固定值）：

1. 确认采样率与峰宽：先量出目标峰半高宽对应的采样点数。若采样率 20 Hz、半高宽 1.5 s，则半高宽约 30 点。
2. 剔除尖刺：3 点或 5 点中值滤波，仅对孤立跳变生效。
3. S-G 平滑：窗口取 15～31 点（约半高宽的 0.5～1 倍），多项式阶数 2～3，窗口必须为奇数。
4. 基线校正：在峰间空白区取锚点，优先分段线性；梯度洗脱段可改用 2～3 阶多项式。
5. 对照复核：叠加原始曲线，检查弱峰峰高变化是否超过 5%、峰位是否偏移、信噪比是否改善；用标准品核对峰面积偏差是否在 2% 以内。

示例（伪代码，参数仅为演示）：
sg_window   = 21      # 奇数，约半高宽 0.7 倍
sg_order    = 3
median_win  = 3       # 先剔除单点尖刺
baseline    = 分段线性，锚点取自峰间谷底
复核指标    = 弱峰峰高变化 ≤ 5%，峰面积偏差 ≤ 2%

需要强调的是，预处理没有"一套参数打天下"的方案。不同色谱柱、不同检测器、不同采集频率下，噪声频谱和峰宽差异很大。稳妥的做法是把上述参数固化为方法文件的一部分，随方法一起验证和存档，并在每次更换色谱柱或检测器后重新做一次对照复核。只有当处理后的曲线在弱峰区域仍与原始信号保持一致的峰位和可接受的峰高偏差时，才能认为预处理没有损害后续峰识别与积分的可靠性。