利用动态时间规整技术从拉曼光谱中的基底材料中自动去除背景噪声

《ACS Omega》：Automated Background Noise Removal from Substrate Materials in Raman Spectra Using Dynamic Time Warping

提出基于动态时间战平的Raman光谱背景自动去除方法，解决基质干扰和基底材料（如Si、PDMS）引起的背景信号问题。方法通过特征提取、分段对齐和优化路径实现背景抑制，实验证明在模拟和真实数据（微/纳米塑料检测）中显著降低RMSE，提升光谱分析精度。

　　在当前的科学领域中，拉曼光谱技术因其无标记、高灵敏度以及能够提供分子指纹信息等优势，被广泛应用于多个领域，如便携式诊断设备、环境监测等。然而，由于基底材料（如硅片、聚二甲基硅氧烷（PDMS）等）和矩阵干扰的存在，拉曼光谱中常包含大量的背景信号，这会严重影响光谱数据的准确性和可靠性。因此，背景去除技术在拉曼光谱分析中显得尤为重要。

本文提出了一种创新的自动化背景去除方法，旨在提升拉曼光谱数据的清晰度与分析精度。传统的背景去除方法，如简单的点对点减法，往往存在局限性，例如背景和测量信号之间可能存在强度差异、峰位偏移、峰宽不一致以及形状差异等问题，这些问题可能会影响分析结果的准确性。因此，本文引入了一种基于动态时间规整（Dynamic Time Warping, DTW）的系统化方法，以克服这些挑战。

该方法的核心在于从背景光谱中提取关键特征，并将其从测量光谱中系统性地去除。通过识别背景和测量光谱中的峰，并计算其对应的特征，该方法能够更精确地匹配和对齐这些峰，从而实现背景信号的有效消除。DTW是一种强大的时间序列算法，能够在序列长度不同或时间轴不完全对齐的情况下，计算两个序列之间的最佳匹配路径。这使得即使在背景峰与目标峰发生重叠的情况下，也能准确地保留目标峰的信息，同时去除背景干扰。

本文中，我们通过模拟数据和实际实验数据对所提出的方法进行了验证。在模拟数据中，我们生成了包含不同背景峰和目标峰的光谱数据，并通过比较所提出方法与传统背景减法的效果，发现所提出的方法在去除背景信号方面具有显著优势。在实验数据中，我们应用该方法处理了含有PDMS背景的PET微塑料光谱和含有硅片背景的PS纳米塑料光谱，结果显示该方法能够有效保留目标峰，同时消除背景信号，从而提升数据的清晰度和分析可靠性。

此外，我们还讨论了该方法中各个参数对结果的影响。例如，窗口大小（ω）和置信区间（γ）会影响峰的识别和对齐精度，而α和θ则决定了峰的识别数量和对应关系的匹配度。通过对这些参数的合理设置，我们能够在不同的实验条件下获得最佳的背景去除效果。

在实验过程中，我们发现，即使在背景峰与目标峰高度重叠的情况下，该方法也能够有效区分两者，确保目标峰的信息得以保留。例如，在处理PS纳米塑料光谱时，尽管硅片背景峰与PS特征峰在1001 cm?1附近发生重叠，该方法仍然能够成功去除背景峰，保留PS的特征信号。这表明该方法不仅适用于无重叠的情况，也适用于存在重叠的复杂光谱分析。

通过比较不同实验条件下的结果，我们发现该方法在减少背景信号对目标峰的影响方面表现优异。在无重叠的光谱中，所提出方法的均方根误差（RMSE）仅为传统方法的5.5%，而在存在重叠的情况下，该方法的RMSE仅为传统方法的23%。这一结果充分证明了该方法在处理复杂背景信号时的鲁棒性和有效性。

总的来说，本文提出的自动化背景去除方法为拉曼光谱分析提供了一种新的解决方案。它不仅能够有效消除背景信号，还能够在复杂情况下保留目标峰的信息，从而提升光谱数据的清晰度和分析精度。这一技术的引入，为拉曼光谱在生物医学、环境科学等领域的应用提供了重要的支持，有助于实现更精确的分子识别和定量分析。未来的研究将进一步探讨该方法在自动化材料识别和定量分析中的应用潜力，以期推动拉曼光谱技术在更多领域的深入发展。