一种稀疏半盲源识别方法及其在拉曼光谱爆炸物检测中的应用

快速可靠地检测和识别未知化学物质对国土安全至关重要。从大量爆炸物中识别化学成分具有挑战性。这涉及两个关键步骤：一是用于数据采集的无损且信息丰富的光谱技术；二是相关的参考特征库以及用于库内或库外特征匹配和有意义检测的计算方法。最近开发了几种基于拉曼散射的实验技术，用于对爆炸物进行 standoff 检测和识别，并在某些理想条件下证明了其成功。然而，数据分析局限于假设完全知晓化学成分的标准最小二乘法。在本文中，我们开发了一种新的迭代方法，从拉曼光谱的混合样品中识别未知物质。第一步，约束最小二乘法将数据分解为已知成分的线性组合之和与非负残差。第二步，稀疏凸盲源分离方法从残差中几何提取成分。基于库模板或专家知识的验证有助于确认这些成分。如有必要，将确认的有意义成分反馈至第一步以细化残差，然后第二步提取可能更多的隐藏成分。这两个步骤可以迭代直到无法识别更多成分。我们通过令人满意地从混合样品中盲提取先验未知的化学爆炸物，说明了所提出的方法在处理一组所谓的扫频波长光学共振拉曼光谱实验数据中的应用。