[发明专利]用于光谱分析的高级模式识别系统

说明书

技术领域

本发明主要涉及用于检测和识别包括化学物质、生物物质、放射性物质、核物质以及爆炸物在内的危险目标物质的系统和方法，并且更特别地涉及一种通过分析化学物质、生物物质、放射性物质、核物质以及爆炸物的复杂光谱，或者通过利用光谱进行任何其它类型的目标搜索(例如通过信号-能量、信号-波长等方式)以用于检测和识别目标物质的系统和方法。

背景技术

现有的分析化学物质、生物物质、放射性物质、核物质以及爆炸物复杂光谱或者使用光谱(例如通过信号-能量、信号-波长等方式)进行任何其它类型的目标搜索的方法不能快速、高精度地检测、识别和/或量化诸如国家安全和生物测试的多种应用中所需的微量物质。尽管多种模式识别系统能在实验室环境下识别出给定的足量和改良过的数据，但在多种光谱干扰的复杂环境下进行识别仍是难题。例如当前的难题是检测、识别和验证存在于货物中的放射性物质，以及能够区分存在的正常出现的放射性物质(NORM)(包括货物清单上的货物以及危险或非法的放射性货物)。另一个例子是能够检测和识别生物威胁，在这种情况下微量的生物威胁即可致命。

因此，需要克服以上所描述的现有技术的问题。

发明内容

为了实现快速、高精度地分析光谱数据，在此提供用于模式识别的线性扫描(LINSCAN)方法和高级的峰值检测方法。根据本发明的可选实施例，模式识别方法中的一种或两种方法都用于一个系统中，从而有助于检测和识别其中有可能存在的化学物质、生物物质、放射性物质、核物质和爆炸物。这些不同的目标(对于化学或生物目标而言红外线最为常见)的光谱非常不同，并且放射性目标的伽马射线非常不同。本发明的可选实施例采用这些方法中的一种或多种来分析任何光谱，比如超声光谱。

根据本发明的一个实施例，相对于仅采用其中一种方法而言，两种光谱分析方法结合起来进行双重验证则更为精确，从而减少误报和漏报。

使用这些模式识别方法也提出利用光谱的自相关和互相关。所用光谱将表现出目标物质和期望的背景(白色和彩色)。在LINSCAN方法中，那些光谱本身(优选包括期望的白色和彩色噪声光谱)只不过是多维空间中的非负数矢量(对于每个被测光谱范围为1)。那些矢量可方便地正规化。简而言之，用于每种物质的光谱范围和两种背景的新伪谱(具有真实阳性或阴性)值可被预先计算出来，其与全部其它伽马射线光谱的期望光谱互相关为0。所测光谱与伪谱相关将产生一个数字，该数字与存在的目标物质的量成正比。高级峰值检测方法(APD)提供一种用于光谱分析的分离方法，该方法可用于验证LINSCAN方法的结果。

在另一个实施例中，所用的第一种方法关注于减少漏报结果，而所用的第二种方法更进一步地减少误报结果，从而大大降低整体误报和漏报响应。

在某些应用中，用于检测、识别和/或量化化学物质、生物物质、放射性物质、核物质和爆炸物的光谱源自于目标物质(视为感兴趣物质列表中的物质成分)、未明原因的背景噪声以及未列在感兴趣物质列表中的其他物质的复杂组合。

此外，在某些诸如同位素(放射性)检测和识别的情况下，诸如机箱或卡车之类的物理对象可吸收已检测出的背景辐射，使得那些对象未被显示出来。作为使用本发明模式识别方法的例子，不考虑存在未知物质以及上述提及的背景问题，根据零屏蔽的假定，检测和识别伽马射线光谱，确定是否存在任何目标物质并得出那些物质的大概数量。当然，因为屏蔽的性质和数量通常是未知的，因此可能存在比这些方法(或任何其它方法)所指出的更多的放射性物质。

根据本发明的另一个实施例，检测是否存在间接物质以用于识别目标物质。第二次识别的例子如下。对于通过红外线搜索炭疽而言，在存在已知可用于形成炭疽武器的微量化学物质的情况下，一种炭疽时即可辨别出危险物质。另一个例子是如果当通过伽马射线光谱无法分析出物质属性时，检测阿尔法辐射和中子辐射以进行额外的辨别。

本发明的另一个实施例实现了采用计算机、专用集成电路、数字信号处理器等来极快速地检测和识别目标物质。

本发明的另一个实施例提供在误报比率和漏报比率之间进行权衡的用户控制。

附图说明

图1提供用于同位素检测和识别的复杂光谱的示意图。

图2提供一流程框图，以分析同位素光谱为例，描述采用LINSCAN模式识别方法的一组方法。

图3提供一流程框图，以同位素光谱为例，示出采用LINSCAN模式识别方法中的学习过程。

图4提供一流程框图，以同位素光谱为例，示出用于LINSCAN模式识别方法中的方法实例。