同步辐射光束线上的扩展X射线吸收精细结构数据，承载着材料局域原子环境的丰富信息，但从吸收谱中提取的振荡信号往往信噪比有限，而且不同原子壳层的贡献在波数域中相互重叠。传统的傅里叶变换虽能给出径向分布的大致轮廓，却受限于固定的频率分辨率——当2个原子壳层距离接近时，傅里叶变换的峰在实空间严重展宽，难以区分。如何在不丢失物理细节的前提下，将一维振荡谱转换为可解释的二维图谱，成为实验人员日常面对的实际问题。

问题来源：傅里叶变换的局限和替代思路

扩展X射线吸收精细结构信号χ(k)由光电子波与周围配位原子散射波干涉产生，不同壳层的散射路径对应不同的振荡频率和振幅衰减。傅里叶变换能够将k空间的振荡转换到R空间，给出类似径向分布函数的峰，但这种变换的窗口函数是固定的，导致R空间分辨率和k空间分辨率之间存在固有矛盾——如果想区分邻近壳层，需要更宽的k范围，但是实际测量中k范围受限于吸收边位置和数据质量。对于配位环境复杂的体系（例如无序合金或含水矿物），傅里叶变换图谱上的重叠峰常常无法指认，此时需要一种能在局部范围内自适应调节分辨率的时频分析方法。

连续小波变换正是为这种需求设计的，与傅里叶变换不同，小波变换采用可伸缩和平移的基函数，在低频段（对应高R）具有较好的频率分辨率，在高频段（对应低R）保持较好的空间分辨率。对于扩展X射线吸收精细结构信号，选择合适的小波母函数尤为关键。柯西小波因其解析形式简单且与振荡信号的物理特征匹配良好，在相关文献中已被验证有效。它的核心思想并不复杂：将χ(k)与一系列经过尺度伸缩的柯西小波做内积，尺度参数与R空间的径向距离相关联，从而在每个k区间内提取出对应的R贡献。

操作层面的考量：参数选择和稳定性

在实际计算中，有几个因素会显著影响最终图谱的质量。首先是k区间的选取，通常剔除靠近吸收边的低能区域（那里多重散射效应复杂）和信噪比急剧下降的高能尾端，代码中常见的3~11 Å⁻¹区间是经验上比较稳妥的选择。其次是插值处理，原始数据步长不均匀，必须重采样为等间隔k网格，插值点数太少会丢失振荡细节，太多则引入数值噪音，256点左右在实际应用中较为平衡。再者是小波阶数n，阶数越高，小波的频率选择性越强，但会削弱空间分辨率，n取200左右是文献推荐的折中值。

另一个容易忽视的问题是边界效应和零填充，由于数据长度有限，在k空间两端做傅里叶变换时会产生截断效应，适当增加零填充倍数可以有效平滑频谱，但过大的填充会引入虚假的低频分量。这些参数并不是固定不变，对于不同元素的吸收边和不同样品的信号衰减速率，需要做少量调整。比如对于信号快速衰减的轻元素体系，应适当缩短有效k范围并降低小波阶数，以避免过度放大高频噪声。

图谱解读的物理对应

二维小波变换图谱横轴为k，纵轴为R，颜色代表变换幅值。亮点或带状区域的出现位置直接对应特定原子壳层的贡献。与傅里叶变换的单峰不同，小波图谱上每个壳层表现为沿k方向有一定展宽的“斑块”，斑块的中心R值对应键长，而斑块在k方向的延伸范围反映了该壳层的散射强度随能量的变化特征。通过观察不同k区间的幅值分布，可以定性地分辨出轻元素和重元素配位的差异——重元素后向散射在较宽的k范围都有响应，而轻元素的信号则集中在低k区域且衰减迅速。这种定性识别对于复杂体系中未知相的初步筛查非常实用，往往能在拟合之前就给出关键的配位信息。

实践中的收益和局限

将连续柯西小波变换作为常规分析工具的一个额外好处是，它能够辅助判断数据质量和背景扣除的合理性。如果图谱中出现沿k方向贯穿的虚假条纹，往往意味着背景拟合不当或归一化存在问题；如果某壳层对应的斑块在低k区域突然中断，可能暗示该壳层的配位数极低或无序度较大。这些线索为后续的定量拟合（如EXAFS曲线拟合）提供了独立的验证视角。

当然，小波变换本身是一种定性或半定量方法，它不能直接给出精确的配位数和德拜-沃勒因子，但其计算速度快、可视化直观，非常适合作为数据探索的第一步。在实际光束线用户实验中，快速生成一幅小波图谱可以帮助实验人员当场调整测量参数（如延长高能段扫描时间或调整能量步长），从而有效提高数据质量。将这种变换策略整合到常规处理流程中，并不显著增加计算负担，却能为扩展X射线吸收精细结构数据的诠释多开辟一条基于信号内在结构的观察渠道。

参考文章：

让信号结构引导变换：连续柯西小波在扩展X射线吸收精细结构数据分析中的应用（Python）

如果你对信号滤波/降噪，机器学习/深度学习，时间序列预分析/预测，设备故障诊断/缺陷检测/异常检测有疑问，或者需要论文思路上的建议（kang20224），欢迎学术咨询

工学博士，《MSSP》《中国电机工程学报》《宇航学报》《控制与决策》等期刊审稿专家，擅长领域：信号滤波/降噪，机器学习/深度学习，时间序列预分析/预测，设备故障诊断/缺陷检测/异常检测