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。

去噪算法是极其重要的光谱预处理步骤,能够显著提高后续光谱分析算法的准确性.然而,大多数去噪算法都需要通过反复试验的方式来人为设置初始参数,不能自动完成光谱去噪.为了能够对光谱进行自动且可靠的平滑去噪,提出了一种自适应多尺度窗口平均平滑(AMWA)去噪算法.该算法针对光谱中不同位置采用不同宽度的平滑窗口,这些窗口的宽度将直接影响到平滑效果.当窗口宽度选择不合适时,可能出现去噪过度,使得峰畸变或者丢失;也有可能导致去噪不足,使得光谱的较平坦区域仍包含大量的噪声.因此判断每个窗口宽度是否合适,是光谱平滑的关键.该算法通过迭代的方法不断优化各个窗口的宽度,并以统计学中的Z检验来判断窗口宽度是否为最佳.另外,为了提高假设检验的可靠性,用不同信噪比的模拟数据对假设检验中使用的阈值进行比较,发现当阈值设为1.1时可使去噪效果最佳.用模拟光谱和实际光谱对该算法进行了测试,该算法能够自动适应不同的光谱形状和噪声强度.还将AMWA去噪算法与SG算法及移动窗口平均平滑算法进行了全面的比较,AMWA算法都明显优于其他两种算法.结果表明AMWA算法不仅去噪效果更好,而且准确性及保真性也更高,对模拟光谱和实际光谱都具有极好的平滑效果.

基线校准是极其重要的光谱预处理步骤,能够显著提高后续光谱分析算法的准确性.目前基线校准算法大多数都是手动或半自动的,手动基线校准算法完全依赖于用户的经验,个人主观因素会严重影响基线校准的准确性,半自动基线校准需要针对不同的拉曼光谱设置不同的优化参数,使用不便.提出了一种局域动态移动平均(LDMA)全自动基线校准算法,并且详细阐明了该算法的基本思想和具体算法步骤.该算法采用了改进移动平均算法(MMA)实现拉曼光谱峰的逐渐剥离,通过自动识别原始拉曼光谱的基线子区间来将整个拉曼光谱区间自动分割为多个拉曼峰子区间,从而实现了在每个拉曼峰子区间中动态改变MMA窗口半宽度和控制平滑迭代次数,最大程度地避免了基线校准过度和基线欠校准现象.无论对于凸形基线、指数形基线、反曲线形基线模拟拉曼光谱,还是真实物质的拉曼光谱,LDMA全自动基线校准算法都取得了很好的基线校准效果.

利用傅里叶变换红外光谱仪对绿洲盐渍化土壤进行野外测量, 采用光谱平滑迭代法对温度和发射率进行分离, 得到了盐渍化土壤的热红外发射率数据。 通过对盐渍化土壤发射率光谱的特征分析, 得出8～13 μm土壤发射率随盐分含量的增加而减小, 发射率光谱对盐分因子的响应在8～9.5 μm较敏感。 分析了原始发射率光谱、 一阶导数、 二阶导数和标准化比值与含盐量之间的相关性, 表明土壤发射率与含盐量呈负相关关系, 发射率一阶导数与含盐量的相关性最高, 相关系数最大为0.724 2, 对应波段为8.370 745～8.390 880 μm。 建立了土壤发射率一阶导数与盐分含量的二次函数回归模型, 模型拟合的决定系数为0.741 4, 验证结果的均方根误差为0.235 5, 说明利用热红外发射率光谱反演土壤盐分含量的方法可行。