一种混合机器学习驱动的拉曼光谱非线性生成方法

本发明涉及拉曼光谱领域，公开了一种混合机器学习驱动的拉曼光谱非线性生成方法，用于满足现代拉曼光谱分析技术对覆盖面广、种类齐全、质量可靠的混合物光谱数据的需求。包括基于浓度比例对各纯组分光谱进行加权线性组合生成初步混合物光谱；增强数据多样性；生成预测光谱；通过判别器的多层次特征对比与对抗训练优化生成器参数；匹配删除虚假峰，重建物理合理特征峰；动态调整特征峰强度，输出高保真光谱数据。本发明通过融合物理约束与深度学习，显著提升了生成光谱的峰位精度、强度一致性及噪声鲁棒性，支持复杂混合物在宽浓度范围内的定量分析，为拉曼光谱数据库构建及化学检测提供了高效解决方案。