在生物体拉曼光谱快速采集或低功率采集过程中, 往往会获得低信噪比拉曼光谱。 针对低信噪比光谱数据, 提出应用补充总体经验模态方法(CEEMD)分解拉曼光谱, 并且依据特征模态分量的归一化排列熵值(NPE)按比例扣除噪声成分的方法, 称为局部补充总体均值经验模分解方法(LCEEMD)。 LCEEMD方法不仅解决了经验模态(EMD)分解中高频信号与噪声的模态混叠问题, 还有效降低了总体经验模态分解法(EEMD)中的残留噪声。 仿真数据实验显示, LCEEMD方法在处理10db信噪比模拟光谱时获得了39.615 0 db信噪比, 0.001 17标准差和0.999 9相关系数。 在人体皮肤拉曼光谱试验中, LCEEMD方法滤波后数据准确呈现出角质层脂质酰胺I带激发拉曼强谱峰以及甘油三酸酯中(CO)酯微弱谱峰。 在水稻叶片可溶性糖定量预测模型中, LCEEMD方法取得了0.871 7预测相关系数和0.912 0预测标准误差, 优于EMD和EEMD软阈值去噪(0.511 4, 1.647 8和0.638 2, 1.508 8)。 LCEEMD方法实施过程中, 根据去噪性能指标反馈调整归一化排列熵阈值, 直至获得最佳去噪效果, 滤波过程无需参数设置, 可以自适应实现。