在利用表面增强拉曼光谱(SERS)对毛发中痕量物质进行分析时, 该SERS信号中毛发特征峰与增强基底背景峰会相互耦合。 在耦合情况下, 背景峰会被误识别为毛发特征峰, 导致待测物的识别错误, 此外具有高峰强特性的背景峰对毛发中微弱特征峰产生掩盖干扰。 因此, 背景峰的扣除是解决上述问题的重要途径, 但常规的扣峰方法会导致周围邻峰的严重失真。 针对上述问题提出了高斯混合模型, 该模型在表征SERS信号的同时又使得各特征峰相互独立, 在扣峰过程中对周围邻峰不产生干扰, 既实现干扰峰的扣除又保证了邻峰的微失真。 高斯混合模型的核心问题在于模型参数的求解, 文中提出了小波变换与共轭梯度法, 分别解决模型的初始参数问题及最优解问题。 小波变换通过映射放大SERS信号的细节信息, 充分提取该信号的细微特征信息, 将该特征信息作为模型的初始参数。 其中共轭梯度法是迭代优化方法, 将模型参数进行循环迭代优化, 最终收敛结果即为模型参数的最优解。 综上两种方法可准确建立高斯混合模型, 模型中单高斯函数为SERS信号的特征峰, 且两者的峰形保持一致。 在扣除SERS信号的背景峰时应遵循以下过程, 包括有效数据的提取、 模型建立和峰的扣除。 其中有效数据的提取是对空白与滴样的增强基底进行同位置检测, 由此得到一组SERS信号。 模型建立是通过高斯混合模型对滴样SERS信号进行表征, 该信号可由多个高斯函数表现。 最后利用空白增强基底的特征峰对滴样的SERS信号进行指认, 其中峰形相似且峰位相同的特征峰可扣除。 实验结果表明, 方差值比最小时, 高斯混合模型的峰位、 峰宽、 峰强等特征与毛发SERS信号基本相同, 此时高斯混合模型可准确表征毛发SERS信号的特征信息。 在对7组毛发进行扣峰实验时, 毛发SERS信号中背景峰扣除率达到50%～100%, 同时毛发的特征峰也得到有效提取。 在对真实毛发样本进行快速分析时, 该模型识别出了毒品曲马多。

在全球范围内频繁发生芬太尼类物质滥用与致死案件, 人体中芬太尼类物质的检测与识别愈发重要。 芬太尼类物质在经过人体一段时间后, 仍有一部分原体随着尿液排出, 因此可通过检测尿液中芬太尼类物质反映其毒品滥用史。 表面增强拉曼光谱(SERS)具有快速、 高灵敏、 易操作等特点, 适合尿液中芬太尼类物质的现场检测与分析。 但尿液中尿素等物质的背景峰与芬太尼类物质SERS特征峰高度重合, 芬太尼类物质特征峰被尿液背景峰所掩盖, 这对尿液中芬太尼类的光谱识别造成了很大的干扰。 结合Voigt线型建立谱峰解析模型, 对尿液与芬太尼类物质重叠部分进行谱峰分析。 针对SERS光谱噪声与荧光等因素对谱峰解析模型的干扰, 采用无约束Nelder-Mead算法对模型进行优化与计算, 利用该算法对迭代参数初始值不敏感的特点, 提高谱峰解析模型的准确度。 根据SERS光谱半峰宽的特征对解析峰集合进行筛选, 对SERS光谱的尿液背景峰进行扣除, 以还原芬太尼类SERS光谱1 000与1 030 cm-1处谱峰特征。 实验结果与现象表明, 利用Voigt线型建立的谱峰解析模型对尿液中芬太尼类SERS光谱拟合度均达到99%以上, 能够通过解峰集合的筛选还原尿液中芬太尼类SERS光谱特征, 还原光谱与芬太尼类特征峰的半峰宽与峰比例等特点均高度一致。 在空白尿液SERS光谱进行解析时, 其解析峰集合中不含有芬太尼类物质的特征谱峰, 可以有效区分空白尿液与含芬太尼类物质尿液。 利用相似系数(HQI)对还原光谱片段(935~1 100 cm-1)进行识别, 能有效区分尿液中奥芬太尼、 呋喃芬太尼、 乙酰芬太尼三种芬太尼, 并提升光谱之间的区分度。 该解析模型有望为尿液中芬太尼类的识别与判断提供解决实际问题的途径。

利用酸辅助一锅法合成了形貌均一的三氧化钨方形纳米片。通过扫描电子显微镜(SEM)、透射电子显微镜(TEM)和紫外漫反射吸收光谱(UV-DRS)对材料的形貌结构和均一性进行表征。由X射线光电子能谱分析(XPS)与X射线衍射(XRD)对材料中的元素和价态表征可知, 成功制备了三氧化钨纳米片, 并发现其表面具有一定的氧缺陷。将该材料作为表面增强拉曼散射(Surface-enhanced Raman scattering, SERS)基底, 对不同浓度结晶紫(CV)进行了检测, 并经统计计算得到了917 cm-1处特征峰的相对标准偏差(RSD)值为16.13 %, 表明该基底具有较高的重复性。