一种基于U-Net架构的循环生成对抗网络的拉曼光谱降噪算法

本发明公开了一种基于U‑Net架构的循环生成对抗网络(CycleGAN)的拉曼光谱降噪算法(UC‑GAN)。该算法通过引入U‑Net架构，并与CycleGAN相结合，能够有效去除拉曼光谱中的噪声，同时保留光谱主要特征。首先，通过Box‑Cox变换归一化预处理光谱、U‑Net编码器提取特征、解码器重建去噪光谱，并利用跳跃连接保留细节。此外，在判别器中引入自注意力机制，提升局部特征判别能力。最后，采用对抗损失、循环一致性损失和L1损失联合优化。实验表明，相较于传统算法，如小波变换和傅里叶变换，UC‑GAN在高分辨率和复杂噪声场景下具有显著的去噪效果。该算法具有重要的应用价值，广泛适用于材料科学、化学分析和生物医学等领域。