基于FFT去除拉曼光谱中类Sinc旋转峰的方法优化问询

需求概述 #

我有一组拉曼光谱数据，需针对性处理其中特征：

• 需保留的主振动峰（标注为蓝色）
• 需通过滤波器去除的伴随旋转峰（标注为红色）
• 需保留旋转峰区域内可能出现的其他振动峰（标注为绿色）

已尝试方案 #

利用旋转峰类Sinc函数的规则频率特性，采用FFT+IFFT的滤波方法，步骤如下：

1. 对指定裁剪区域减去最小值，简化滤波流程
2. 对原光谱的FFT结果使用低通滤波器（LPF）去除类高斯形状，得到滤波后的FFT结果
3. 对滤波后的FFT执行IFFT，提取出仅包含旋转峰的光谱，将其从原光谱中扣除得到最终滤波结果

该方案已实现初步效果，能较好分离旋转峰与振动峰，使目标峰更突出。

问题与观察 #

当前方案存在以下问题：

• LPF无法完美拟合类高斯形状（因担心调参降低通用性未做微调），导致旋转峰未完全去除
• 滤波后光谱在滤波区域出现轻微正弦波失真
• 左侧滤波区域的整体强度低于原光谱

代码与数据 #

实现该滤波器的代码片段：

import numpy as np
from scipy.fft import fft, fftshift, ifft, ifftshift

# Make a copy of the spectrum
spectrum_filtered = np.copy(spectrum_avg)
# Manually define some regions to be cropped and filtered
crop_regions = [[379, 479], [620, 791]]
for crop_region in crop_regions:
    # Crop the spectrum
    crop_left, crop_right = crop_region
    crop = np.copy(spectrum_avg[crop_left:crop_right])
    
    # Subtract the minimum value
    min_val = np.min(crop)
    crop -= min_val
    
    # FFT
    crop_fft = np.abs(fftshift(fft(crop)))
    
    # Fit the baseline using a low-pass filter
    fit = butter_filter(crop_fft, cutoff=3, fs=crop_fft.size, order=5, btype='lowpass')
    
    # Remove the baseline, then perform an IFFT (this holds the rotational peaks)
    crop_fft_fit = crop_fft - fit
    crop_ifft = np.abs(ifftshift(ifft(crop_fft_fit)))
    
    # Subtract the rotational peaks
    crop_filtered = crop - crop_ifft

    # Replace the cropped region with the filtered spectrum (re-adding the minimum value)
    spectrum_filtered[crop_left:crop_right] = crop_filtered + min_val

示例光谱数据为文本格式，可直接导入进行测试。

现寻求针对该方法的改进建议、反馈与批评。

内容的提问来源于stack exchange，提问作者AlexP