[发明专利]一种拉曼光谱预处理方法

权利要求书

1.一种拉曼光谱预处理方法，其特征在于，具体步骤如下：

1）获取拉曼原始光谱信息；

2）采用基于小波变换的自适应阈值去噪算法实现拉曼原始光谱信息的高频噪声滤波；

3）对步骤2）处理后的光谱信息，采用基于非对称最小二乘的基线校正算法，去除荧光背景对光谱分析的干扰；

4）对步骤3）处理后的拉曼谱图数据，进行标准归一化处理，消除噪声和数据量纲对光谱分析的影响；

5）对步骤4）处理后的拉曼谱图数据，进行基于三次平滑样条拉曼光谱数据似合。

2.如权利要求1所述的一种拉曼光谱预处理方法，其特征在于，步骤2）中所述基于小波变换的自适应阈值去噪算法的具体步骤如下：

采用基于种群的遗传算法，以小波函数、分解尺度、阈值和阈值函数作为输入，以去噪综合性能指标为适应度函数，对基本小波阈值去噪算法的参数进行优化；选取优化后的小波函数、分解尺度、阈值和阈值函数，对拉曼原始光谱进行基本小波阈值去噪，实现高频噪声滤波；

所述基本小波阈值去噪算法的具体步骤如下：

2-1）选择小波函数并确定原始光谱信号的分解尺度；

2-2）根据步骤2-1）的参数，对原始光谱信号进行小波多分辨率分解，分解出信号高频小波系数和信号低频小波系数；

2-3）采用阈值函数对小波分解的高频小波系数分区间阈值量化处理；

2-4）根据步骤2-3）处理得到的高频小波系数，结合低频系数进行光谱信号重构；

2-5）根据重构后的光谱信号和分解前的光谱信号，计算去噪综合性能指标；

2-6）步骤2-6）中所述去噪综合性能指标，若符合要求，则以步骤2-4）中重构的光谱信号为去除高频噪声后的输出，若不符合要求，则转向步骤2-1）。

3.如权利要求1所述的一种拉曼光谱预处理方法，其特征在于，步骤3）中所述基于非对称最小二乘的基线校正算法，具体步骤如下：

3-1）估计初始基线

非对称最小二乘算法优化目标函数为：

argminz[||W(y-z)||2+λ1||D1(y-z)||2+λ||Dz||2]]]>

其中，D₁是一阶微分矩阵，D是二阶微分矩阵，W是一个对角权重矩阵，是由向量w组成的对角阵，即W=diag(w)，y和z分别为经过步骤2）处理后的拉曼信号和估计的基线信号，λ和λ₁是正则化参数，式中权重系数w_i根据非对称的方式选择；

将最小化目标函数转化为迭代求解线性方程

(WTW+λ1D1TD1+λDTD)z=(WTW+λ1D1TD1)y]]>

估算出原始光谱y的基线初始估计值z⁽⁰⁾；

3-2）采用迭代算法求出新的基线

利用步骤3-1）中求得的基线初始估计值z⁽⁰⁾，确定校正光谱y-z⁽⁰⁾为负值的位置，构造矩阵W对负值部分进行规整化，当y_i>z_i时，w_i=p，而y_i≤z_i时，w_i=1-p，i和p分别为拉曼像素点数和规整化参数，优化选取p，最小化校正后光谱y-z的负值部分的能量，将规整化的新的构造矩阵W代入下式，求解出新的基线

W(k)=(1-p)*diag(y-z(k-1)<0)zk=(W(k)TW(k)+λ1D1TD1+λDTD)-1(W(k)TW(k)+λ1D1TD1)y]]>

3-3）用多项似合算法，计算校正光谱y-z⁽ⁱ⁾的背景值，迭代计算直到背景值变化在预设范围之内，算法终止，得到基线校正后的拉曼谱图数据。