轉自 海洋光學 資訊中心 推薦文章
如今的拉曼儀器百花齊放，從簡單的手持設備到復雜的臺式系統，種類繁多。拉曼數據處理方法更是復雜多樣。那么如何處理這么多錯綜復雜的拉曼數據呢？如何有效優化拉曼數據呢？
拉曼數據分析淺談
雖然拉曼光譜是一種*的光譜技術，但它本身并沒有那么復雜，令人棘手的是測試樣品的拉曼峰與其他拉曼峰以及噪音混合在一起。例如，在傳統的光譜測量中，你可以分析一個透射吸光度圖（比如比色皿中的染料）或一個材料反射率圖，并很容易地挑選出寬闊的背景光譜峰和明顯的吸收或者反射峰并解釋它們。但在拉曼光譜中，你所關心的待測物拉曼峰可能混雜在眾多拉曼峰與噪音之中。
如圖所示，使用表面增強拉曼光譜(SERS)測量四氫dA 麻酚。在1100cm-1附近出現了5個拉曼峰；而在1500cm-1處明顯的拉曼峰，并非來自樣品，根據我們的實驗經驗，這個拉曼峰來自溶劑或檸檬酸鹽(用于SERS基質)。
事實上，大多數用戶已經發現拉曼光譜中充滿了大量的峰和鋸齒狀的噪音。那么這些信號來自哪里呢？殘留的樣本、像素之間的響應等等皆有可能。如果從這個角度入手去去除無效信號，那無疑是一個非常大的工作量。
那么有什么方法可以化繁為簡，能夠讓我們在無效信號存在的情況下，更好的分離出拉曼信號呢？
基線校正
基線校正即是從整體數據中統一扣除一個背景噪聲，這意味著某些波數強度將降為零從而將整個數據拉回基線附近。這將糾正由焦點、功率等問題引起的垂直偏移，但不會影響拉曼峰之間的相對關系。
在光譜測量過程中，做峰值分析之前執行基線校正是非常重要的。因為峰值或一般的任何值，都可能受到某些環境影響而發生強度的偏移，但這種偏移可以通過已知的獨立于變化參數區域以外的數據進行校正-基線校正。拉曼光譜也可以做同樣的事情，如果想要量化數據，基線校正是至關重要的。
基線校正后，原始BPE拉曼光譜中都被固定在x軸上
標準正態變量
SNV是一種常用的拉曼預處理技術，需要在拉曼范圍內選擇一些窗口來進行處理。通常，在拉曼應用中使用350-3000cm-1這個范圍，但這個范圍會根據圖譜的表現方式而變化。事實上，基于系統反應、分析物活動等因素，這個范圍是相當主觀的。
所以，SNV代表著全譜的平均值減去范圍平均值，然后除以范圍-標準差。通過這個預處理過程之后，可以將多次測量的數據放在同一范圍內進行比對。
在本例中，SERS被用來測量THC。注意原始光譜和標準化(SNV)光譜的區別。
清潔峰
當采集拉曼光譜時，可以在海洋光學的軟件中找到一個數據處理方式叫做“清潔峰"，有時也被稱為“橡皮筋校正"。這是一個內置的算法，可以應用于原始拉曼光譜來去除基線和任何熒光。
“清潔峰"功能將把大部分的噪音和無效信號都去除，除了它認為具有統計學意義的峰值（例如一個3σ閾值）。這是非常有用的數據處理方式，可以生成一個非常清晰干凈的拉曼光圖。
但需要注意的是它不在來自光譜儀的原始數據，而是通過算法處理之后的數據！
利用清潔峰功能，將偏移應用于原始拉曼光譜，獲得更清晰的可視化效果。 光譜總體上也更平滑。
在使用“清潔峰"功能時，算法可能會消除軟件閾值附近的拉曼特征峰。因此，我們建議在對所測樣品的拉曼光譜信息足夠了解之后再使用這個工具進一步處理數據。
總結
在處理拉曼數據時，多數情況都會嘗試SNV、基線校準等多種數據處理方式之后，選取處理結果更優的方式。所以拉曼數據處理有一大部分時間是在嘗試不同的數據處理方法和模式。
對于已知條件下采集的較大數據集，拉曼光譜數據可以作為訓練數據做PCA相關性分析或者更復雜的統計分析。分析較大數據集的另一種選擇是使用機器學習，但這通常也需要對數據進行一些預處理，以使輸入與輸出的數據有意義。
海洋光學提供了所有這些光譜數據分析技術以及機器學習方面的專業知識，并提供將光譜數據轉化為有意義信息的處理工具。
森泉為您的科研事業添磚加瓦：
1）激光控制：激光電流源、激光器溫控器、激光器控制、伺服設備與系統等等
2）探測器：光電探測器、單光子計數器、單光子探測器、CCD、光譜分析系統等等
3）定位與加工：納米定位系統、微納運動系統、多維位移臺、旋轉臺、微型操作器等等
4）光源：半導體激光器、固體激光器、單頻激光器、單縱模激光器、窄線寬激光器、光通訊波段激光器、CO2激光器、中紅外激光器、染料激光器、飛秒超快激光器等等
5）光機械件：用于光路系統搭建的高品質無應力光機械件，如光學調整架、鏡架、支撐桿、固定底座等等
6）光學平臺：主動隔振平臺、氣浮隔振臺、實驗桌、剛性工作臺、面包板、隔振、隔磁、隔聲綜合解決方案等等
7）光學元件：各類晶體、光纖、偏轉鏡、反射鏡、透射鏡、半透半反鏡、濾光片、衰減片、玻片等等
8）染料：激光染料、熒光染料、光致變色染料、光致發光染料、吸收染料等等
