基线漂移是目前光谱仪收集拉曼光谱时难以避免的现象。在应用拉曼光谱进行定性、定量分析过程中, 基线漂移会给光谱分析带来不利影响, 为增强分析结果的准确性和稳定性, 需要对拉曼光谱进行基线校正预处理。为了校正基线漂移, 提出一种动态移动最小二乘多项式平滑(DMSG)的方法拟合背景基线, 自动识别原始光谱的谱峰区域和非谱峰区域的子区间, 从而在每个拉曼光谱子区间中自动控制平滑迭代次数与窗口宽度, 逐渐将拉曼谱峰数值逐渐拉低到与基线同等量级, 最终得到整个光谱的基线估计。将该算法应用于模拟和实际拉曼光谱进行基线校正, 结果表明该算法无论对模拟的拉曼光谱还是真实拉曼光谱, 都有较好的基线校正效果, 为进一步分析光谱数据提供更准确的信息, 是一种可行的基线校正方法。

为了快速、准确地测定强化生物除磷(EBPR) 过程中污泥胞内糖原的含量,采用 4种预处理方法分别对污泥近红外光谱进行预处理,并结合联合区间偏最小二乘(siPLS) 进行变量优选,建立光谱吸光度数据与糖原含量的定量分析模型。结果表明,将一阶 S-G(Savitzky-Golay) 平滑处理后的光谱等分为 20个子区间,联合子区间[10 13 16 19]建立的 siPLS模型预测效果最优,预测集的均方根误差(RMSEP) 和相关系数(rp) 分别达到 0.0048、0.9105,且该模型的交互验证和外部验证相对分析误差(RPD) 均大于 3.0。一阶平滑处理后的光谱 siPLS模型预测精度高、建模变量少,可实现糖原含量的快速测定。

原始近红外光谱数据含有大量的噪声信号和较大的数据量，所以在进行光谱数据分析之前对光谱数据进行预处理是非常必要的。近红外光谱数据的预处理主要有两个任务，一是降噪，提高模型的稳健性和预测结果的准确性；二是数据压缩，以便于数据的存储，提高建模速度。传统的近红外光谱数据预处理方法各有局限，很难在这两方面都得到令人满意的效果。将小波分析用于苹果近红外光谱数据的预处理，并选取峰值信噪比(Peak Signal to Noise Ratio, PSNR)和归一化相关系数(Normalized Correlation, NC)作为评价指标。与常用的Savitzky-Golay平滑滤波和多元散射校正相比，小波方法不仅能有效地实现数据压缩，而且在噪声去除和光谱细节保持等方面都具有优势。