此篇，我们来介绍对SERS拉曼光谱的拟合。
一、多峰拟合
1）准备数据。
如下图所示，我们找来了一个细胞的拉曼光谱，并截取了其中的一部分（图中数据表格与实际所使用的不符，实际中，我们已将660-1400 nm之外的数据删掉，而不是在作图时只显示660-1400 nm部分的波形，否则最后拟合的时候会出错）。
2）选择多峰拟合。
3）选择高斯拟合。
如下图所示，在弹出的多峰拟合面板中，Input默认输入将会是当前的Graph1图，无需改变，而Peak Function峰值拟合需要选择为Gauss高斯拟合。
4）选择需要拟合的峰。
接着，在图中有峰的位置双击鼠标左键，选择需要拟合的峰。如下图所示，在三个峰值处双击即可。选择完成后，点击Get Points获取点面板中的Fit即可。
5）拟合完成。
此时，拟合完成之后，图中会出现四条新的曲线，分别是三个峰单独的峰和他们所累积起来的一条总的峰。由于四条曲线叠加在一起，所以看的不是很明显，只有总峰在最上层，因而清晰可见。同时，会有一个Reminder Message提示消息框出现，问我们是否要转向拟合报表。是或否都可以选，此时，我们选择Yes，可以去看看报表。
6）报表中的高斯参数。
此时查看拟合报表，可以发现每个峰都有一些相同的参数，其中y0代表峰的纵向偏移量，xc表示峰的横坐标，w表示尺度参数，A表示峰的面积，FWHM表示半峰宽，Height表示峰的高度。另外，y0+Height=峰值。
高斯分布其实也就是我们学过的正态分布。那么，观察图中表格内的Equation公式：y=y0 + (A/(w*sqrt(PI/2)))*exp(-2*((x-xc)/w)^2)，对比下图中的正太分布，我们发现这两者几乎是一致的。而区别在于一个设计到了A，即峰的面积。因而，我们在这里解释的w为尺度参数σ可能是不对的，但他们之间肯定是有关系的。
7）重新作图。
按照惯例，对数据进行分析后，一般会产生新的数据，因此，可以使用新的数据重新绘图。此时，将报表切换到nlfitpeaksCurve1拟合峰曲线分页，然后选择A和E列绘制折线图，即可完成拉曼光谱的曲线拟合分析及绘图。
如下图所示，为将横纵坐标的名称和单位等修改后的结果（之前可能没有提到过，在已经制图之后，仍可以在表格中修改所有参数，包括数值和名称，修改之后图中相应部分会自动变更）。
二、手动拟合
1）原图重新绘制。
如下图所示，回到原始数据，并重新绘图。
2）打开峰值分析面板。
和上一篇一样，打开峰值分析面板。
3）选择拟合峰。
跟之前不同的是，此时需要选择拟合峰。
4）选择基线模式。
这里与上一篇不同的地方是，上一篇我们选择了用户自定义的形式拉平了基线（当然，此时也可以选择用户自定义基线模式），而此时，为了方便抑或是突出拟合的重点，我们选择常数的模式，即选择一个值作为基线所在的位置。如下图所示，一般我们可以选择最小值或是中值。注意这里，均值和中值产生的效果是不一样的，大家可自行尝试。
5）基线处理。
到了基线处理这一步，可以勾选上Auto Subtract Baseline自动减去基线和Auto Rescale自动调值选项，并进行下一步。
6）取消自动找峰。
如下图所示，在Find Peaks找峰这一步，取消Enable Auto Find自动找峰的选项，并点击Find开始手动寻峰。
7）双击选峰。
这一步和前面一样，双击可选择峰，点击Done完成选峰。
选择完后，图中会显示所选峰的位置。
8） 拟合控制。
到了Fit Peaks (Pro)拟合峰这一步时，会自动发生一次拟合效果，如下图所示。
多次点击1 Iteration单次拟合实现多次拟合迭代之后，可以看到图中的曲线逐渐偏向原始数据的线条趋势。
点击1 Iteration右侧的Fit until converged拟合直到完全聚合，可自动完成多次的拟合迭代过程，直接完成拟合。如下图所示，图中的拟合曲线已经非常贴合原始数据线条了。
9）拟合报表。
如下图所示，拟合报表与前面的报表风格不同，但内容大致相同。
10）重新绘图。
同样，切换表格分页到FitPeakCurve1，这里与上一种方法得到的数据形式不太相同，对于每个峰都有自己的X横坐标。因此，如果要绘制整体的累加拟合曲线，则需选择Cumulative Fit Peak累积拟合峰和其自己的Independent Variable自变量，然后做折线图。
接着，改变相关名称之后的绘图结果如下所示。
三、总结
回顾，此篇我们用到的功能有：多峰拟合、高斯拟合、查看拟合报表并理解高斯拟合参数、根据拟合数据重新绘图、峰值分析中的拟合峰、常量基线模式、拟合控制、单次拟合、完全拟合。
