|
值得注意的是，不同的背景扣除方法会略微影响峰的位置，并在一定程度上影响峰面积和后续的分峰过程。因此，选用合适的背景扣除方法对于后续的计算非常必要。其中各种背景扣除算法的比较结果见图2。首先在校正基线时需要选取合适的峰区。一般来说，对于符合高斯函数的谱图，在以峰值μ为中心，范围为3σ的区间μ±3σ内，就已经包括了99.7%的积分面积。因此，峰区的前背景和后背景一般可以通过估计峰的位置和其半峰宽(FWHM)来确定。对比图2A、B可以发现，如果选取的峰区范围不合适，会导致基线走势差异过大，对分峰结果造成很大的影响。图2C中可以看出，线性背景基本符合基线走势，但与实际基线还存在一定的差距。图2B中，采用Shirley背景算法出现了基线高于谱图的情况，这时换用图2D中所示的Shirley+Linear背景扣除算法，能够取得令人满意的效果，其中从前背景到后背景区域的直线斜率是通过更进一步的迭代计算进行优化的。从图2E中可以看出，峰区内出现明显下降的谱图在使用Shirley背景算法时，会出现基线高于谱图的情况，需要进一步的优化。而Shirley+Linear算法中，直线斜率无法拟合收敛。即便人为尝试选取相应的斜率，其基线前背景区的走势受到高结合能处的影响，起峰处上升速度过快，与实际走势也有差距。而采取图2F中Tougaard背景算法，能使基线走势与实际符合得更好。
|