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.

针对拉曼光谱定量分析中的难点问题—对具有强荧光背景物质的定量分析, 文章分别对具有较强荧光背景的不同浓度下的纯甲醇溶液及不同浓度比例的甲醇和乙醇混合溶液的拉曼光谱数据采用新的归一化法结合基线校准技术进行拉曼光谱定量分析； 同时, 对由数据采集时的时空差异所引起的样品数据组间的波动性进行了研究。 模拟时空变化来采集定量分析中所需的谱数据, 并使用统计学方法评价样品的组间差异, 讨论了此方法对样品组间差异的消除效果。 研究证明, 此方法具有较好的分析精度和消除不同样品组数据的组间差异的能力, 对甲醇的定量分析, 其相对误差为4.7%, 组间数据的相对标准偏差为4.2%。 从而使对具有强荧光背景干扰的溶液进行简单、 快速、 精确的定量分析成为可能.

通过对多种拉曼光谱归一化方法进行乙醇定量分析的探讨, 提出使用选取最高浓度下乙醇谱中谱强最高点作为归一化参照的乙醇浓度定量分析方法, 其线性相关系数达到0.999, 检验样的平均相对误差率仅为0.067 8, 组间数据的相对标准偏差为0.046 3, 其有效性和准确性均优于内标法和比值法, 并具有良好的抗干扰能力。 同时, 在结合基线校准处理后, 不仅能有效消除组间数据差异, 而且明显提高了乙醇定量分析的精确性。 以此法用于市场白酒样品的乙醇含量检测, 可快速简便获得准确的结果, 其相对标准偏差小于0.012, 具有良好的商业应用前景。