陷阱一：误将仪器噪声当作真实信号

做光谱分析这么多年，我见过太多新手栽在这个坑里。

仪器一开机，屏幕上出现几个小峰，心里一激动——"发现新物质了！"

结果呢？关了灯，峰还在。关了样品，峰还在。甚至把样品拿出来，峰还在。

说白了，你看到的根本不是样品信号，是仪器自己的"自言自语"。

1.1 暗电流是什么？

暗电流，就是探测器在没有光照时产生的电信号。它来自热噪声、电路漏电、暗计数等。

你想想看，探测器本身就像个"漏水的桶"，即使没水进来，桶底也在慢慢渗水。这个"渗水"就是暗电流。

我刚开始做拉曼时，有一次测一个低浓度样品，峰高只有几十个计数。我反复调参数，峰就是不消失。后来老工程师过来看了一眼，说："你把暗电流扣了吗？"

嗯，从那以后，我每次开机第一件事就是采集暗电流谱。

1.2 基线漂移：另一个隐形杀手

基线漂移比暗电流更隐蔽。它随时间缓慢变化，像温度、光源稳定性、探测器老化都会引起。

我记得有一次做红外光谱，连续测了8个小时。前2小时基线很平，到第6小时，基线整体抬高了0.05个吸光度单位。

0.05不大吧？但你要测的是微量成分，峰高才0.02。那基线漂移直接就把信号淹没了。

漂移来源	典型幅度	影响
温度变化（1°C）	0.01-0.03 AU	基线缓慢上升/下降
光源老化（100小时）	0.02-0.05 AU	整体基线偏移
探测器暗电流	10-100 counts	恒定偏置

1.3 如何正确扣除暗电流？

方法其实不复杂，但很多人做错。

正确的做法是：

1. 采集暗电流谱：在完全相同的条件下（温度、积分时间、光路），但不打开光源或放置样品。
2. 采集样品谱：正常测量。
3. 相减：样品谱 - 暗电流谱 = 真实信号。

我见过有人图省事，只扣一次暗电流，然后连续测几十个样品。这不对。暗电流会随时间变化，最好每测3-5个样品就重新采集一次暗电流。

1.4 基线校正的几种方法

基线校正不是"一键搞定"的事。不同场景要用不同方法。

• 多项式拟合：适合基线缓慢弯曲的情况。我常用3-5阶多项式。
• 分段线性校正：适合基线有多个拐点。比如红外光谱中水汽吸收区。
• 小波变换：适合噪声大、基线复杂的情况。但参数调起来比较麻烦。

我曾经处理过一个拉曼光谱，样品是聚合物薄膜。基线像座山一样拱起来，峰全埋在下面。用5阶多项式拟合基线，扣掉后，峰就清清楚楚了。

1.5 实战代码示例

下面是我常用的Python代码片段，用于暗电流扣除和基线校正：

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# 1. 读取数据
dark_current = np.loadtxt('dark_current.txt')  # 暗电流谱
sample_raw = np.loadtxt('sample_raw.txt')      # 原始样品谱

# 2. 扣除暗电流
sample_corrected = sample_raw - dark_current

# 3. 基线校正（使用多项式拟合）
x = np.arange(len(sample_corrected))
# 选择基线区域（比如没有峰的区间）
baseline_mask = (x < 200) | (x > 800)
coeffs = np.polyfit(x[baseline_mask], sample_corrected[baseline_mask], 5)
baseline = np.polyval(coeffs, x)

# 4. 最终信号
final_signal = sample_corrected - baseline

# 5. 可视化
plt.figure(figsize=(10, 6))
plt.plot(x, sample_raw, label='原始信号', alpha=0.5)
plt.plot(x, dark_current, label='暗电流', linestyle='--')
plt.plot(x, final_signal, label='校正后信号', linewidth=2)
plt.legend()
plt.show()

1.6 避坑指南

我总结了几条经验，你直接拿去用：

• 每次开机先测暗电流。别偷懒，这是基本功。
• 暗电流和样品谱的积分时间必须一致。积分时间不同，暗电流量也不同。
• 基线校正前先看原始数据。别上来就套算法，先肉眼判断基线形状。
• 保留原始数据。校正后的数据可以删，原始数据必须留。万一校正错了还能重来。

1.7 本章知识体系

下面这张图帮你理清思路：

这张图把本章的核心逻辑串起来了。你记住：噪声和信号的区别，就在于你有没有做暗电流扣除和基线校正。

好了，这一章就到这里。下一章我们聊聊"样品制备中的常见陷阱"——那个坑更大。

---

公众号:蓝海资料掘金营，微信deep3321