通过将自适应平滑滤波器和结合小波变换的支持向量机(Support vector machine,SVM)分类器有机组合,建立了低信噪比拉曼光谱的模式识别方法。首先,通过自适应平滑滤波器进行光谱去噪,滤波窗口宽度根据信噪比估计值进行调整,从而在保证特征峰信号强度的同时达到更好的噪声滤波效果;其次,由小波变换实现光谱数据降维,通过小波分解层数优化可以获得训练集的最佳分类准确率;最后,由SVM进行分类,通过交叉验证(Cross validation,CV)实现SVM参数寻优,并根据交叉验证与分类器之间的准确率关系,得出分类器可用参数需满足的条件。基于表面增强拉曼光谱技术,本方法实现了人体尿液中甲基苯丙胺(Methamphetamine,MAMP)和亚甲基二氧基甲基苯丙胺(3,4-Methylenedio-xymethamphetamine,MDMA)的定性微量分析。实验使用中国科学院合肥智能机械研究所研发的金纳米棒拉曼光谱增强基底,由Delta Nu公司的Inspector型便携拉曼光谱仪采集光谱,激发光波长785 nm,曝光时间为5 s,整体检测准确率高于95.0%。