第三章 光谱数据分析：光谱特征提取与匹配

光谱数据拿到手，第一件事是什么？

我个人习惯，不是急着做分类或者定量分析。而是先看看——这条光谱长什么样？它的峰在哪？有多宽？跟数据库里的标准谱像不像？

说白了，光谱分析的核心就两件事：特征提取和光谱匹配。今天咱们就把这两块掰开揉碎了讲。

3.1 峰值检测——找到光谱的“指纹”

峰值检测，听起来简单吧？不就是找最大值吗？

嗯，我在项目里踩过这个坑。有一次做拉曼光谱分析，直接取最大值，结果噪声尖峰被当成了特征峰……后来我学乖了，峰值检测必须考虑三个要素：信噪比、峰宽、局部极大值。

来看一段我常用的Python代码，用的是scipy的find_peaks函数：

import numpy as np
from scipy.signal import find_peaks

# 假设 wavelength 是波长数组，intensity 是光强数组
peaks, properties = find_peaks(
    intensity, 
    height=0.1,          # 峰高阈值
    distance=10,         # 峰间最小距离（像素）
    prominence=0.05,     # 峰显著度
    width=3              # 峰宽下限
)

print(f"检测到 {len(peaks)} 个特征峰")
for i, p in enumerate(peaks):
    print(f"峰 {i+1}: 波长 {wavelength[p]:.2f} nm, 强度 {intensity[p]:.4f}")

这里我特别想强调prominence（显著度）这个参数。它衡量的是一个峰相对于周围谷底的突出程度。我曾经处理过一组荧光光谱，背景漂移很严重，光设高度阈值根本没用。后来加了prominence限制，才把真正的荧光峰从斜坡背景里揪出来。

3.2 半高宽（FWHM）计算——峰的“胖瘦”藏着信息

峰值位置告诉你“是什么”，半高宽告诉你“状态怎么样”。

举个例子，我在做量子点荧光检测时，同一个材料的量子点，尺寸分布越均匀，半高宽就越窄。如果半高宽突然变宽了，说明样品可能发生了团聚或者降解。

半高宽的计算逻辑不复杂：

1. 找到峰顶位置和峰高
2. 计算半峰高 = 峰高 / 2
3. 在峰的两侧找到强度等于半峰高的两个点
4. 两个点对应的波长差就是半高宽

但实际做的时候，有个坑——如果峰不对称怎么办？

我建议用高斯拟合的方法。把峰附近的点用高斯函数拟合，然后从拟合曲线上读取半高宽。这样即使数据有噪声或者峰形不对称，结果也更稳定。

from scipy.optimize import curve_fit
import numpy as np

def gaussian(x, amp, cen, sigma):
    return amp * np.exp(-(x - cen)**2 / (2 * sigma**2))

# 取峰附近的数据点
x_data = wavelength[peaks[0]-5:peaks[0]+6]
y_data = intensity[peaks[0]-5:peaks[0]+6]

# 拟合
popt, _ = curve_fit(gaussian, x_data, y_data, 
                    p0=[y_data.max(), x_data.mean(), 1])

fwhm = 2 * np.sqrt(2 * np.log(2)) * abs(popt[2])
print(f"半高宽: {fwhm:.2f} nm")

3.3 光谱匹配——拿你的谱跟数据库“对对碰”

特征提取完了，接下来就是匹配。说白了，就是算一算你的光谱跟数据库里的标准谱有多像。

常用的方法有两种：欧氏距离和相关系数。它们各有各的脾气。

3.3.1 欧氏距离——简单粗暴，但有前提

欧氏距离就是逐点计算强度差的平方和再开方。数值越小，说明两条光谱越接近。

def euclidean_distance(spectrum1, spectrum2):
    return np.sqrt(np.sum((spectrum1 - spectrum2)**2))

# 假设 unknown 是待测光谱，database 是标准谱列表
distances = [euclidean_distance(unknown, db_spec) for db_spec in database]
best_match = np.argmin(distances)
print(f"最佳匹配: 数据库第 {best_match+1} 条, 距离 = {distances[best_match]:.4f}")

但这里有个大坑——欧氏距离对强度变化非常敏感。我在做荧光光谱匹配时遇到过，同样的样品，只是激发光功率不同，强度差了一倍，欧氏距离就变得很大，导致匹配失败。

怎么办？归一化。把光谱缩放到0-1之间，或者做面积归一化。这样就能消除绝对强度的影响，只比较形状。

3.3.2 相关系数——只看形状，不看强度

相关系数（Pearson相关系数）衡量的是两条光谱的线性相关程度。值越接近1，说明形状越相似。它不受强度缩放的影响，这一点在实际应用中非常实用。

from scipy.stats import pearsonr

def spectral_correlation(spectrum1, spectrum2):
    r, _ = pearsonr(spectrum1, spectrum2)
    return r

correlations = [spectral_correlation(unknown, db_spec) for db_spec in database]
best_match = np.argmax(correlations)
print(f"最佳匹配: 数据库第 {best_match+1} 条, 相关系数 = {correlations[best_match]:.4f}")

3.4 知识体系总览

下面这张图是我自己整理的，把本章的核心逻辑串起来了：

3.5 实战中的避坑指南

最后，分享几个我踩过的坑，希望能帮你少走弯路：

• 峰值检测时，别忘了基线校正。我曾经处理过一组红外光谱，基线漂移导致低波数段的峰被淹没。后来用非对称最小二乘法做了基线校正，才把隐藏的峰找出来。
• 半高宽计算，别用原始数据直接量。噪声会让半高宽偏大。先拟合再计算，结果稳定得多。
• 光谱匹配前，一定要对齐波长轴。不同仪器采集的光谱，波长间隔可能不一样。我习惯用线性插值把待测谱和数据库谱统一到相同的波长网格上。
• 相关系数不是万能的。如果两条光谱形状完全一样但强度相反（比如吸收谱和透射谱），相关系数会是-1。这时候要结合物理意义判断，别被数字骗了。

好了，光谱特征提取和匹配这块就讲到这里。记住，工具是死的，数据是活的。多动手试试不同的参数组合，慢慢你就能找到感觉。