基于局部对称重加权惩罚最小二乘的拉曼基线校正

拉曼光谱分析技术具有快速响应、非接触、检测限制小、灵敏度高的优点,广泛应用于生产生活的众多领域。然而实际测得的原始拉曼光谱总会有不同程度的基线漂移,严重影响光谱分析的有效性和准确性。针对现有基线校正方法容易造成估计基线偏低、校正后光谱抬升的问题,提出了一种基于局部对称重加权惩罚最小二乘(LSRPLS)的基线校正算法,该算法在非对称惩罚最小二乘的基础上,使用softsign函数引入局部对称加权的思想,对光谱中无谱峰的基线区域赋予相近的权重,并通过迭代调整估计基线的权重。在模拟和实际拉曼光谱上分别进行了验证。实验结果表明:LSRPLS基线校正算法不仅能对不同类型的光谱基线进行校正,而且与现有的基线校正方法相比,具有更高的准确度和稳定性。基线校正后的光谱在主成分空间上的聚集度得到提升,模型的分类准确性明显提高,说明LSRPLS算法在去除基线的同时,能够保留光谱的有效信息,为拉曼光谱的进一步分析提供了依据。