拉曼光谱和红外光谱一样同属于分子振动光谱，可以反映分子的特征结构。但是拉曼散射效应是个非常弱的过程，一般其光强仅约为入射光强的 10^-10。所以拉曼信号都很弱，要对表面吸附物种进行拉曼光谱研究几乎都要利用某种增强效应。

拉曼光谱

1928年,C. V. Raman发现了拉曼散射现象。60年代激光器大幅提高了激发效率,成为拉曼光谱的理想光源,拉曼散射的研究进入全新时期。后期单色仪、检测器、光学显微镜、微弱信号检测技术与计算机技术的发展,使拉曼光谱技术在化学、物理和生物等许多领域取得很大的进展。近年来,随着仪器技术的进步和非线性光学的发展,各种拉曼光谱新技术纷纷出现,比如共聚焦显微拉曼光谱(Confocal Raman Spectroscopy, CRS)、激光光镊拉曼光谱(Laser Tweezers RamanSpectroscopy, LTRS)、相干反斯托克斯拉曼光谱(Coherent Anti-stokes RamanSpectroscopy, CARS)、受激拉曼光谱(Stimulated Raman Spectroscopy, SRS)、针尖表面增强拉曼光谱(Tip Enhanced Raman Spectroscopy, TERS)等。目前,拉曼光谱技术己被广泛应用于材料、化工、石油、高分子、生物、环保、地质等领域。

表面增强拉曼光谱

拉曼散射效应非常弱,其散射光强度约为入射光强度的10-6~10-9，极大地限制了拉曼光谱的应用和发展。1974年Fleischmann等人发现吸附在粗糙金银表面的tt旋分子的拉曼信号强度得到很大程度的提高,同时信号强度随着电极所加电位的变化而变化。1977 年,Jeanmaire 与 Van Duyne, Albrecht 与 Creighton等人经过系统的实验研究和理论计算,将这种与银、金、铜等粗糙表面相关的增强效应称为表面增强拉曼散射(Surface enhanced Raman Scattering, SERS)效应,对应的光谱称为表面增强拉曼光谱。随后,人们在其它粗糙表面也观察到SERS现象。SERS技术迅速发展,在分析科学、表面科学以及生物科学等领域得到广泛应用,成长为一种非常强大的分析工具。

关于增强机理的本质,学术界目前仍未达成共识,大多数学者认为SERS增强主要由物理增强和化学增强两个方面构成,并认为前者占主导地位,而后者在增强效应中只贡献1~2个数量级。物理增强对吸附到基底附近分子的增强没有选择性。大量实验研究表明,单纯的物理或化学增强机理都不足以解释所有的SERS现象,增强过程的影响因素十分复杂,在很多体系中,认为这两种因素可能同时起作用,它们的相对贡献在不同的体系中有所不同。

拉曼光谱分析包括定性分析和定量分析,SERS光谱处理与识别包含光谱预处理、特征提取、特征分类(定性分析)、数学建模(定量分析)。由于痕量检测中拉曼光谱信噪比低、微弱信号被荧光背景淹没、复杂体系中其它未知组分的干扰等因素的影响,SERS信号自动识别存在很大的挑战。另外,由于拉曼增强效应的稳定性影响,利用SERS进行定量分析具有很大的挑战性,然而,借助于化学计量学方法,SERS用于定量分析和模式识别己有较多的报道。

光谱预处理

光谱仪所采集的拉曼光谱包含荧光背景、检测器噪声、激光器功率波动等干扰信息,这些干扰信息不能完全依赖设备的改进而消除,因此在利用光谱数据进行定性定量分析之前,还要完成有效的预处理过程。针对于SERS光谱的预处理,包括平滑去噪和基线校正。

特征提取

在进行模式分类实现定性分析之前,往往需要对光谱进行特征提取。对于特定的体系,有效拉曼特征区通常在较短的波段范围内,因此,可以通过选择充分反映被测物质特性的波段,达到数据降维的目的。最简单的波段选择方法是人工截取,但是它依赖于先验知识和现有谱库。此外,所提出的自动选择方法包括间隔最小二乘法(Iterative Partial Least Squares, iPLS)、相关系数法、逐步回归法、无信息变量消除法(Uninformative Variable Elimination, UVE)[32]、蒙特卡洛无信息变量消除法(Monte Carlo based UVE, MC-UVE）、谱峰识别、遗传算法（GeneticAlgorithms,GA)、连续投影算法、竞争自适应重采样方法(Competitive AdaptiveRewei动ited Sampling,CARS)等。

此外,已提出的降维模型,可分为无监督降维方法、有监督降维方法以及半监督降维方法。

定性分析——分类方法

目前常用的光谱分类方法有K-近邻法(K-Nearest Neighbor Method, KNN)、PCA类中心最小距离法、光谱相似度匹配、簇类的独立软模式法(SIMCA)、支持向量机(Support Vector Machine, SVM).线性判别分析(LDA)、贝叶斯判别法、有监督人工神经网络、偏最小二乘判别分析(Partial Least Squares Discriminant Analysis,PLS-DA)、高斯混合判别分析(Gaussian Mixture Discriminant Analysis, ]VIDA)、基于分类回归树(Classification And Regression Tree, CART)的随机森林(RandomForests, RF)方法等。为了得到最佳分类效果,不同的检测体系往往需要不同的分类器。

定量分析——数学建模

光谱定量分析是通过分析己知光谱信息与待测属性间的内在联系,建立适当的校正模型,从而预测待测样品的相关属性,因此,定量分析过程包含校正和预测两部分,核心是校正模型的建立,通常借助于多元校正技术。

银纳米棒制备的表面增强拉曼光谱的底物被用于检测低丰度的生物分子的存在，因此可以检测体液中的蛋白质。该技术已用于检测尿素和游离在人血清中的血浆标签，并且可以成为癌症检测和筛选下一代技术。表面增强拉曼光谱具有的分析纳米尺度混合物的组成的能力，使其应用于环境分析、药学、材料科学、艺术和考古研究、法医学、药物和爆炸物检测、食品质量分析和单藻类细胞的检测。表面增强拉曼光谱与等离子体传感结合，可用于生物分子相互作用的高灵敏度的定量检测。

继发现 SERS 之后 ,又发现其它的表面增强光学效应(如表面增强红外、表面增强二次谐波和表面增强合频) 。所以表面增强光学效应实际上是一个家族 ,它们既有各自的特征 ,又有相似之处 ,这些技术之间的联合研究和系统分析无疑将促进表面增强光学效应的理论和应用的发展。总之 ,随着实验和理论方法的进一步创新和发展 ,SERS最终将成为固体表面物理化学、表面科学和纳米科学的一个有力工具。