CN103649777A - 放射性核素检测与识别 - Google Patents

Abstract

本文中描述的是处理从目标获得的伽马射线谱的方法。该方法包括使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定目标的伽马射线谱是否属于多个类别中的第一类别，其中第一类别包括一个或多个所关心的放射性核素源的参考伽马射线谱，最优加载系数已使用Fisher线性判别分析获得，以及取决于确定目标的伽马射线谱是否属于第一类别的步骤生成输出信号。

Description

放射性核素检测与识别

技术领域

本发明涉及检测和识别放射性物质，具体涉及为此目的处理伽马射线谱。

优先权要求

本申请要求第2011902731号澳大利亚临时申请的优先权，其全部内容通过交叉引用并入本文。

背景技术

许多应用需要检测目标物体或区域中放射性物质的存在（如果可能的话并进行识别）。一个这种应用为防止某些这种材料未授权地通过边界进入禁止这种材料的国家或区域。这种边界监测应用的一种合适的方法为能够在车辆通过检测区域时（优选地车辆在该区域中不停止）执行检测/识别，以不过度地阻碍交通。因此该方法优选能够快速地检测禁止材料的存在，例如在约10秒或更少的时间内。该方法应优选具有高灵敏度（即低水平的假阴性（没能检测禁止材料的存在））和高特定性（即低假阳性（当没有禁止的材料存在时发信号表示检测到））。

检测禁止的放射性核素较为复杂，因为类似于禁止放射性核素，非禁止的放射性核素可发射某一水平的电离辐射，例如由于存在较高浓度的天然放射性物质（NORM）、或合法的放射性药物产品等。使用简单的塑料闪烁检测器的一些现有系统仅测量由目标发射的伽马射线形式的辐射的总水平。如果辐射检测的阈值水平设置过低，则这种系统易于导致高干扰警报率，或如果辐射检测的阈值水平设置过高，则这种系统易于导致高假阴性率。此外，这种系统不能将包括较高浓度的NORM的合法贸易的商品与包括禁止的放射性物质的非法或疏忽的且未经许可的商品进行区分。

被称为分光镜入口监测器（SPM）的基于NaI和HPGe检测器的第二代系统设法获得目标的伽马射线谱。这种系统包括进行处理以比较获得的伽马射线谱与所关心的放射性核素的谱。谱处理方法已包括但不限于，基于峰检测与匹配、人工神经网络、响应函数拟合、模板匹配、以及小波的谱处理方法。

SPM中这种类型的高分辨率分光镜设备非常昂贵，并由于挑战性的操作条件在现场部署方面具有较差的可靠性。较低分辨率的分光镜设备价格比较低廉并且更耐用，但是导致较差性能的放射性核素检测，即更高的假阳性率和假阴性率。

发明内容

本发明的目的是基本克服或至少改善现有装置的一个或多个缺点。

根据本发明的第一方面，提供了处理从目标获得的伽马射线谱的方法，其包括：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及取决于确定所述目标的伽马射线谱是否属于多个类别中的第一类别的步骤生成输出信号。在这种背景下，“类别”指的是具有公共特性的一组伽马射线谱，如一个或多个所关心的放射性核素源的伽马射线谱。所关心的源包括本文中称作背景的无效源。参考伽马射线谱为属于之前获得的谱的组或库的伽马射线谱。类别可包括参考伽马射线谱及其他伽马射线谱，如从目标获得的伽马射线谱。在这种背景下，多个类别指的是两个或更多类别，例如两个，三个，四个……

以下选择可以个别地或以任何合适的组合结合第一方面使用。

最优加载系数可使用Fisher线性判别分析获得，包括：计算用于每个所述类别中的所述参考伽马射线谱的类别间散布矩阵和类别内散布矩阵；以及根据与所述类别间散布矩阵和所述类别内散布矩阵的最大广义本征值相对应的广义本征向量，计算所述最优加载系数。

最优加载系数可替代地可使用Fisher线性判别分析获得，包括：在至少两个类别之间分配来自培训数据库的参考伽马射线谱，以使得与所述一个或多个所关心的放射性核素源相对应的参考伽马射线谱分配至第一类别；计算用于每个所述类别中的所述参考伽马射线谱的类别间散布矩阵和类别内散布矩阵；以及根据与所述类别间散布矩阵和所述类别内散布矩阵的最大广义本征值相对应的广义本征向量，计算所述最优加载系数。

确定所述目标的所述伽马射线谱是否属于第一类别的步骤可在属于所述第一类别的所述参考伽马射线谱的所关心区域中执行。

确定所述目标的所述伽马射线谱是否属于第一类别的步骤可包括计算所述目标的通过所述最优加载系数投影的所述伽马射线谱与包括另外的放射性核素源的通过所述最优加载系数投影的另外的伽马射线谱的第二类别之间的距离；以及使用计算的所述距离，确定所述目标的所述伽马射线谱是否属于所述第一类别。

确定所述目标的所述伽马射线谱是否属于第一类别的步骤可包括确定计算的所述距离是否超出阈值距离。

计算的所述距离可以是Mahalanobis距离。计算的所述距离可以是Euclidean距离。

根据第一方面的方法还可包括使用以下步骤确定所述阈值距离：确定所述第二类别中的平均总计数；使用与所述平均总计数的幂次定律关系，估计所述第二类别的标准偏差；以及确定所述阈值距离为所述第二类别的预定数目的标准偏差。

根据第一方面的方法还包括：如果所述目标的所述伽马射线谱确定为属于所述第一类别，则基于计算的所述距离，估计所述目标中所述一个或多个所关心的放射性核素源的强度。

根据第一方面的方法还可包括：在确定所述目标的所述伽马射线谱是否属于所述第一类别之前，预处理所述目标的所述伽马射线谱。预处理所述目标的所述伽马射线谱的步骤包括一个或多个以下步骤：强度归一化；以及谱标准化。

根据第一方面的方法还可包括：在计算所述类别间散布矩阵和所述类别内散布矩阵之前，预处理每个所述类别中的所述参考伽马射线谱。预处理每个所述类别中的所述参考伽马射线谱的步骤包括一个或多个以下步骤：强度归一化；以及谱标准化。

生成输出信号的步骤可包括：如果所述目标的所述伽马射线谱确定为属于所述第一类别，则生成所述输出信号。

所述第一类别中的所述参考伽马射线谱可以是仅一个所关心的放射性核素源的参考谱。所述第二类别中的所述参考伽马射线谱可以仅是除所述一个所关心的放射性核素源之外的所关心的放射性核素源的参考谱。

该方法还包括：为一组所关心的放射性核素源中的每个，重复确定所述目标的所述伽马射线谱是否属于第一类别的步骤和生成输出信号的步骤。

所述多个类别可由用户定义。一个用户定义的类别可包括至少一个人造伽马射线谱。

所述多个类别的数目可大于二。每个所述类别中的所述参考伽马射线谱可以是仅一个唯一的所关心的放射性核素源的参考谱。

根据第一方面的方法还可包括：响应于生成的所述输出信号，激活警报。

根据第一方面的方法还可包括：当所述目标通过检测区域时，获得所述目标的所述伽马射线谱。获得所述目标的所述伽马射线谱的步骤可在所述目标不在所述检测区域中停止的情况下执行。所述目标的所述伽马射线谱可在小于约10秒的时间内获得。所述目标的所述伽马射线谱可通过便携式伽马射线检测器获得。

在一实施方式中，提供了处理从目标获得的伽马射线谱的方法，其包括：使用Fisher线性判别分析，获得与所述一个或多个所关心的放射性核素源相关联的最优加载系数；使用最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱；以及取决于确定所述目标的伽马射线谱是否属于多个类别中的第一类别的步骤，生成输出信号。在该实施方式中，获得与所述一个或多个所关心的放射性核素源相关联的最优加载系数的步骤包括以下步骤：计算用于每个所述类别中的所述参考伽马射线谱的类别间散布矩阵和类别内散布矩阵；以及根据与所述类别间散布矩阵和所述类别内散布矩阵的最大广义本征值相对应的广义本征向量，计算所述最优加载系数，其中确定所述目标的所述伽马射线谱是否属于第一类别的步骤包括计算所述目标的通过所述最优加载系数投影的所述伽马射线谱与包括另外的放射性核素源的通过所述最优加载系数投影的另外的伽马射线谱的第二类别之间的距离；以及使用计算的所述距离，确定所述目标的所述伽马射线谱是否属于所述第一类别，确定所述目标的所述伽马射线谱是否属于所述第一类别的步骤包括确定计算的所述距离是否超出阈值距离，其中所述阈值距离通过以下步骤确定：确定所述第二类别中的平均总计数；使用与所述平均总计数的幂次定律关系，估计所述第二类别的标准偏差；以及确定所述阈值距离作为所述第二类别的预定数目的标准偏差。

根据本发明的第二方面，提供了一种装置，其包括：伽马射线检测器，配置成从目标获得伽马射线信号；多通道分析器，配置成将放大的所述伽马射线信号分成能量组，从而生成伽马射线谱；存储器，配置成存储生成的所述伽马射线谱；以及处理器，配置成执行计算机程序代码，以致使所述处理器执行处理所述目标的所述伽马射线谱的方法，所述计算机程序代码包括：用于执行以下步骤的代码：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及用于以下步骤的代码：取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤，生成输出信号。

该装置可适于或适用于执行根据第一方面的方法。根据第一方面的方法可使用根据第二方面的装置实施。

根据本发明第三方面，提供了计算机程序代码，所述计算机程序代码能够通过计算机装置执行，以致使所述计算机装置执行处理从目标获得的伽马射线谱的方法，所述代码包括：用于执行以下步骤的代码：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及用于以下步骤的代码：取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤，生成输出信号。

该计算机程序代码可适于使用在根据第一方面的方法中。其可适用于使用在根据第二方面的装置中。

根据本发明第四方面，提供了计算机可读存储媒介，所述计算机可读存储媒介上记录有计算机程序，所述计算机程序能够通过计算机装置执行，以致使所述计算机装置执行处理从目标获得的伽马射线谱的方法，所述代码包括：用于执行以下步骤的代码：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及用于以下步骤的代码：取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤，生成输出信号。

该计算机可读存储媒介可以是根据第二方面的装置的存储器。其上记录的计算机程序可以是根据第二方面的装置的计算机代码。其上记录的计算机程序可以是根据第三方面的计算机代码。

附图说明

参照附图，本发明的一个或多个实施方式将仅通过示例的方式进行描述，在附图中：

图1是可实现本发明实施方式的装置的框图；

图1a是可实现本发明实施方式的可替代性装置的框图；

图2a是示出根据本发明一实施方式的在图1的装置内处理参考谱的训练数据库的方法的流程图；

图2b是示出根据本发明一实施方式的在图1的装置内处理目标谱的方法的流程图；以及

图3a和图3b形成在图1或图1a的装置中可用作计算系统的通用计算机系统的示意性框图。

具体实施方式

本公开涉及本申请人的名为“放射性特征的异常检测（Anomalydetection of radiological signatures）”的较早的PCT申请PCT/AU2010/001509，其全部内容通过引用并入本文。

当前公开的放射性核素检测和识别的方法为获得放射性核素源的参考伽马射线谱并将获得的目标的伽马射线谱（目标谱）与参考谱进行比较。如果目标谱被确定为属于包括所关心的放射性核素源的参考伽马射线谱的第一类别，则目标被认为包括所关心的放射性核素源。该公开的方法使用Fisher线性判别分析（FLDA）确定目标谱是否属于包括所关心的放射性核素源的参考伽马射线谱的第一类别。此外，该方法允许快速地进行确定，例如在目标通过检查点时。这样允许做出关于目标是否是可接受的以及例如其是否应被准许通过检查点的快速决定。使用主成分分析（PCA）的方法产生按照数据的最高变化排序的加载系数。虽然前几个加载系数可解释数据的大部分变化，但是其不能表示类别之间的优化的分离。FLDA技术的益处为其允许确定优化的加载系数，这样可以使类别之间的分离最大化。

该公开的方法的一个特征为可通过操作谱的功能预处理每个目标谱，以改进分类性能。这些功能可包括但不限于，强度归一化和谱标准化。

该公开的方法可包括校准用于获得伽马射线谱的设备。谱的光峰可随时间漂移，而校准修复光峰正确的能量值。可对目标伽马射线谱和/或参考伽马射线谱应用校准。目标伽马射线谱或参考伽马射线谱中任一或这两者的校准可以是为了使用于获得伽马射线谱的设备标准化。可定期地实施校准，例如每次获得谱时、或每5个谱、或每10个谱、每15个谱、每20个谱、每25个谱、每30个谱、每35个谱、每40个谱、每45个谱或每50个谱。可替代地，可以每隔一定时间间隔实施校准，例如每小时、或每2个、每3个小时、每4个小时、每5个小时、每6个小时、每12个小时、每24个或每48个小时。

可通过伽马射线检测器获得伽马射线谱。例如可以是基于铊掺杂的碘化钠（NaI（Tl））的伽马射线检测器。可替代地，伽马射线检测器可基于其他材料如高纯度锗（HPGe）、碲化镉（CdTe）、镉锌碲化物（CZT）以及溴化镧（LaBr）。基于NaI（Tl）的检测器可用于边界监测应用中的基于铊掺杂碘化钠的分光镜辐射入口监测器（radiation portal monitor，RPM）。基于NaI（TI）的检测器可用于公开的放射性核素检测系统的手持配置、背包式配置或一些其他便携式配置中。（目标样本的或参考样本的）原始的获得的伽马射线信号可传输至用于放大信号的信号放大器。（目标样本的或参考样本的）（放大的）伽马射线信号可传输至多通道分析器，其将信号分成多组（或能量范围）。组值集体被称为谱。这些组表示伽马射线谱能量范围的最小增加，其导致了计数。通常多通道分析器在约1024个数据组中生成值，但是取决于分析器，可以有比该数字更多或更少的数据组，例如128组至16384组、128组至512组、512组至2048组、2048组至8192组、8192组至16384组、512组至4096组、或256组至8192组。组的数目有利地等于二的整数幂。通常，这些组覆盖40keV至3000keV的能量值，但是取决于分析器，这些端点可以更大或更小，例如分别为30keV和2700keV。范围可以是30keV至2700keV、35keV至2700keV、40keV至2700keV、30keV至3000keV、35keV至3000keV、40keV至3000keV、30keV至4000keV、35keV至4000keV以及40keV至4000keV之一。

可减小谱中值的数目，即可将谱重分组。重分组可提高计算速度。通常，获得的谱中每个间隔或每个组具有相同的宽度。将谱重分组可包括一致地增加每个能量组的宽度，从而在整个能量范围上减小组的总数并增加新定义的组内计数的数目。然而，重分组不必须限于线性函数。重分组的谱可包括不一致的组宽度，例如上述宽度可与能量平方或能量的一些其他合适函数成比例。较高能量处的能量组可大于较低能量组，以保证较高能量组具有足够的计数。重分组的谱还可包括用户定义的组宽度，其可在能量范围上变化。重分组谱的能量组的数目为每个谱中变量的数目。谱中变量的数目越大，处理方法的计算时间就越大。谱可根据不同的功能而被重分组。这样可允许来自不同检测器（相同类型，例如基于NaI）的谱被组合。参考谱与目标谱的重分组可使得所有谱使用相同能量组。

如上所述，可预处理（重分组的）目标谱。预处理可包括强度归一化和谱标准化中任一或两者全部。

对于强度归一化，目标谱通过具有最高数目计数的能量组中的值而被归一化。强度归一化除去例如在边界监测应用中可发生在入口港处的检测器获得时间的大范围的效果、和目标通过边界监测应用中的RPM的检测区域的速度变化的效果。

对于谱标准化，目标谱被变换并缩放成在所有能量组上具有零平均值和单位方差。

培训数据库包括从已知的所关心的放射性核素源的样本获得的参考伽马射线谱。这些源可以是天然放射性物质（NORM）、或已知是无害的（可接受的）人造放射性核素，或表示威胁（不可接受的）。参考谱还可包括这些放射性核素的混合物、屏蔽或遮掩放射性核素、及表示威胁的这些放射性核素的组合。

培训数据库中的参考伽马射线谱可以以与目标谱类似的方式进行预处理。这样可提供与目标谱的更有意义的比较。

该公开的方法允许相对较快地确定目标是否包括具体的放射性核素。在边界监测应用中，目标可以是人、卡车、轿车、火车车厢或一些其他车辆或其部分，或者可通过人、卡车、轿车、火车车厢或一些其他车辆或其部分运输。因此如果该公开的方法确定目标包括具体的放射性核素，则可生成输出信号。如果放射性核素是异常的（关注的），则可激活警报。在一些情况中，可以有用的是在方法确定目标不包括具体的放射性核素的事件中生成指示目标不包括具体的放射性核素的输出信号。在一些情况下，所生成的输出可指示放射性核素组中的哪个存在于目标中。可响应于所关心的具体放射性核素的存在儿激活合适的警报，例如听觉警报（例如喇叭、汽笛或类似装置）、视觉警报（例如光，可选地闪光），激活障碍（例如降低闸门、升高道钉、关闭门）以防止目标通过，激活目标的驱动器的指令（例如STOP符号发光、激活上述驱动器的听觉指令）或一些其他类型的警报。所生成的信号还可以是为了识别该信号并响应而提供至另一系统的逻辑状态。可激活多个这些类型的警报。上述警报可同时激活。上述警报可在不同时候激活。上述警报可顺序地激活。因此该公开的装置可包括听觉警报设备、视觉警报设备和物理警报设备（如可激活障碍）中的一个或多个。当目标被识别为异常放射性核素时，该公开的方法可相应地包括激活可激活的障碍。

可替代性操作模式为仅当目标不包括异常放射性核素时生成信号（即仅用于正常或可接受的放射性核素）。在这种情况下，可响应于该信号除去或收回可激活的障碍，从而允许没有运载异常材料的车辆通过。

图1是在其中可实现本发明实施方式的装置1的框图。检测器10为分光镜入口检测器（例如基于NaI（TI）的检测器），其被部署以从目标（例如通过检测区域30的车辆20）获得伽马射线谱。装置1还可包括用于获得参考谱的参考检测器40，但在一些实施方式中可省略。在这种实施方式中，主检测器（检测器10）能够获得参考谱和目标谱。例如当检测区域30内没有目标时，可获得“背景”参考。如果使用参考检测器40，则其可远离入口检测器10。可屏蔽参考检测器40（如果存在的话）免受检测区域30影响。

检测器10上联接有放大器50，其用于放大来自检测器10以及参考检测器40（如果存在）的数据。放大器50接着联接至多通道分析器60，其用于提供来自放大器50的被放大数据的最初分组。多通道分析器60联接至计算机系统80的存储器70，以使得来自分析器60的谱可存储在存储器70中。存储器70还包括参考谱的培训数据库。存储器70联接至处理器90，处理器90也是计算机系统80的一部分并用于处理存储在存储器70中的数据，以确定目标是否包括给定的放射性核素源。如果目标20确定为包括一种或多种异常放射性核素，则生成输出信号100。输出信号100为提供至另一系统（未示出）的逻辑状态，其中上述另一系统配置成识别输出信号100并采取适当的行动（如激活警报）。警报可采用一个或多个以下形式，并且同时或顺序地：视觉输出，（例如光，可选地闪光，或STOP符号的发光）；听觉输出，（例如喇叭、汽笛或相似装置，或对驱动器的口头指示）。

图1a是在其中可实现本发明实施方式的可替代性装置1a的框图。装置1a与图1的装置1类似，但是增加了可激活障碍110，其在目标确定为包括一种或多种异常放射性核素的事件中能够防止车辆20通过。可激活障碍110处于正常开放状态（即，允许车辆20通过的状态）中，而激活该障碍110将关闭障碍110以阻碍或防止车辆20通过。在装置1a中，输出信号100致使障碍110被激活，以防止车辆20通过检测区域30。激活障碍110可采取一个或多个以下形式：降低闸门；升高道钉；关闭门。

在操作中，车辆20通过检测区域30。这通常不包括车辆20停止前进运动，并且通常需要约5秒至约80秒。检测器10在这期间从车辆20获得伽马射线光子并生成结果信号，该结果信号传输至放大信号的放大器50。然后被放大的信号传输至多通道分析器60，多通道分析器60执行被放大目标信号的初始分组并将被分组的目标谱传输至用于存储的存储器70。检测器10还可用于获得参考谱，其中该参考谱用于创建培训数据库。在任何情况下，为了目标谱，如上所述地对参考谱进行预处理，然后存储在存储器70中。

如下所述，存储在存储器70中被预处理的谱通过处理器90进行处理，以获得决策准则。然后处理器90根据该决策准则确定目标是否包括异常放射性核素，如果包括，则生成输出信号100。然后响应于输出信号100可采取适当的行动，例如可将车辆20转移以进行进一步的调查，可激活警报，或在图1a图装置1a中，可使可激活的障碍110激活以防止车辆20通过。

如上所述，装置1或装置1a的可替代性操作模式为仅当目标被确定为不包括异常放射性核素时生成输出信号100。在该操作模式中，可激活障碍110通常处于关闭状态（即处于防止或阻碍车辆20通过的状态）中，而激活该障碍110将打开障碍110以允许或便于车辆20通过。障碍110将响应于输出信号100而被激活，从而允许没有运载异常放射性核素的车辆20通过。因此装置1a的操作可包括生成用于障碍110的输出信号100，该障碍110在车辆20被识别为包括异常放射性核素时防止或阻碍车辆20通过并当车辆20识别为不包括异常放射性核素时允许车辆20通过。

装置1还可包括照相机或类似的摄影记录设备（未示出）。这种设备可用于记录通过检测区域的所有车辆的图像，或用于仅当检测到异常放射性核素源时记录通过检测区域的车辆的图像。该照相机可用于向操作机构发送通过检测区域检测所有车辆的图像，或用于仅当检测到异常源时向该操作机构发送通过检测区域的车辆的图像。在这种情况下，来自照相机的信号可发送至用于向操作机构显示图像的视频显示器。所公开的方法可包括检测、和记录和/或发送车辆或部分（例如其车牌）的图像，其中该图像用于通过检测区域的每个车辆或用于通过检测区域的识别为异常源或识别为包括异常源的每个车辆。

在获得目标伽马射线谱中，车辆20通过检测区域30，检测器10能够在检测区域30获得伽马射线谱。车辆20可以以下平均速度通过检测区域30，该平均速度为约1至约12km/h、或约1至8km/h、1至5km/h、5至10km/h、1至3km/h、3至5km/h或2至4km/h，例如约1km/h、1.5km/h、2km/h、2.5km/h、3km/h、3.5km/h、4km/h、4.5km/h、5km/h、6km/h、7km/h、8km/h、9km/h、10km/h、11km/h或12km/h。车辆20通过检测区域30的时间可以为约5至约80秒，或约5至50秒，5至20秒，5至15秒，10至80秒，50至80秒，20至50秒或5秒，5至15秒，15至20秒，5至10秒，10至15秒或7至12秒，例如约5秒，6秒，7秒，8秒，9秒，10秒，11秒，12秒，13秒，14秒，15秒，20秒，25秒，30秒，35秒，40秒，45秒，50秒，55秒，60秒，65秒，70秒，75秒或80秒。检测区域可以为约5至约25米长，或约5至20米、5至15米、5至10米、10至25米、15至25米或10至10米，例如约5米、10米、15米、20米至25米。车辆20可以是卡车或轿车或火车车厢或一些其他车辆或其一部分。

由计算系统80的处理器90执行的处理方法利用Fisher线性判别分析（FLDA）。对于一组N观测数据（x₁，x₂,…x_N），每个观测数据为长度为n的向量，以及对于一个两类别问题，其中每个观测数据属于两个类别c₀和c₁之一，FLDA用公式表示如下。

这两个类别的平均值被标记为μ₀和μ₁，而类别的协方差标记为Σ₀和Σ₁。类别内散布矩阵SW被定义为

$S_W=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}\underset{x_k\∈c_i}{\mathrm{\Σ}}(x_k-{\mathrm{\μ}}_i){(x_k-{\mathrm{\μ}}_i)}^T$     等式1

而类别间散布矩阵S_B被定义为

$S_B=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{N}_i({\mathrm{\μ}}_i-\mathrm{\μ}){({\mathrm{\μ}}_i-\mathrm{\μ})}^T$     等式2

其中N_i为类别c_i中观测数据的数目，μ为所有N个观测数据的平均值。

每个观测数据x使用具有“加载系数”的n乘1的投影向量w的投影使这两个类别的平均值变换成标量w^Tμ₀和w^Tμ₁。类别内散布矩阵S_W和类别间散布矩阵S_B分别变换成标量w^TS_Ww和w^TS_Bw。

作为投影向量w的函数、两个被投影的类别之间的“分离”J被定义为被投影的类别间散布矩阵与被投影的类别内散布矩阵之比：

$J\left(w\right)=\frac{w^T{S}_{B}w}{w^T{S}_{W}w}$     等式3

根据FLDA，“最优”的投影向量w_opt为使两个被投影类别之间的分离J最大化的投影向量。可表明,最优投影向量w_opt为S_B和S_W的对应于其最大（非无穷的）广义本征值λ的广义本征向量。假定S_W是非奇异的，这相当于发现对应于的最大（非无穷）本征值λ的本征向量：

$S_W^{-1}{S}_B{w}_{\mathrm{opt}}=\mathrm{\λ}{w}_{\mathrm{opt}}$     等式4

在一实施中，以下放射性核素源是所关心的：²⁴¹Am、¹³³Ba、⁵⁷Co、⁶⁰Co、¹³⁷Cs、高浓缩铀（HEU）、²³⁷Np、武器级钚（WGPu）、²³²Th、⁴⁰K、²²⁶Ra、以及贫铀（DU）、以及“背景”。其他实施包括更多所关心的源，或可包括更少所关心的源。每个所关心的源已知是无害或者异常的。培训数据库包括每个所关心的源的多个参考谱。参考谱是通过伽马射线检测器获得的。如上所述，每个参考谱在存储在培训数据库之前被预处理。

在一实施中，表示在培训数据库中的一组所关心的源中每个依次作为当前源。培训数据库中的参考谱在两个类别之间进行分配，以使得对应于当前源的参考谱分配至第一类别（类别0），而对应于其他源的参考谱分配至第二类别（类别1）。每个类别的平均值μ_i和协方差Σ_i被确定，如类别内散布矩阵和类别间散布矩阵那样。然后使用等式4确定使两个被投影类别之间分离J最大化的最优投影向量w_opt。然后被确定的最优投影向量w_opt与当前源相关联地存储。

为了确定目标谱是否属于类别0（所关心的当前源）或类别1（非所关心的当前源），被预处理的目标谱x通过与所关心的当前源相关联的最优投影向量w_opt进行投影，以获得被投影的目标谱w^T _optx。然后计算被投影的目标谱与被投影的类别1之间的距离。如果该距离大于阈值距离，则目标谱确定为属于类别0，而目标被认为包括所关心的当前源的样本。否则，目标谱确定为属于类别1。

在已考虑了所有的所关心的源之后，取决于目标是否被认为包括至少一个所关心的异常源而生成输出信号100。

图2a是示出根据本发明一实施方式的处理参考谱的培训数据库的方法200的流程图。如下所述，在一实施中，方法200在处理任何获得的目标谱之前被执行一次，并在其执行中通过计算系统80的处理器90以及存储器70被控制。

方法200从步骤210开始，其中处理器90预处理培训数据库中的被重分组成440个组的每个参考谱，如上文所述的那样。在接下来的步骤215中，处理器90从所关心的源的组中选择还没有被选作当前源的源。假设地构造两个类别，一个仅包括对应于当前源的参考谱（类别0），一个包括对应于所有其他源的参考谱（类别1）。在接下来的步骤220中，处理器90计算每个类别的平均值μ_i和协方差Σ_i，以及类别内散布矩阵S_W和类别间散布矩阵S_B。接下来是步骤225，其中处理器90使用等式4确定使两个类别之间的分离最大化的最优投影向量（本文中还被称为最优加载系数）w_opt。然后方法200进行至步骤230，其中处理器90存储与当前源相关联的类别1的协方差E1、平均值μ₁、以及被确定的最优加载系数w_opt。方法200继续至步骤235，其中处理器90确定所关心的源的组中是否存在还没有被选择的源。如果是这样的话（“Y”），方法200返回步骤215。如果不是这样（“N”），方法200在步骤240结束。

在方法200的变型中，处理器90并不对每个参考谱的整体执行步骤220和步骤225的计算，而对每个参考谱的被称为“所关心区域”的某一部分执行步骤220和步骤225的计算。在一实施中，所关心区域为谱的围绕当前源的谱的主峰的部分。例如，对于主峰位于662keV的放射性核素，所关心区域为620keV至700keV的范围。在其他实施中，所关心区域包括每个谱的多个分离部分。在该变型的步骤230中，处理器90存储所关心区域的端点以及用于当前源的其他参数。

图2b是示出根据本发明一实施方式的处理目标谱的方法250的流程图。如下所述，方法250在其执行中通过计算系统80的处理器90以及存储器70被控制。

方法250从步骤260开始，其中处理器90预处理被重分组成440个组的目标谱，如上文所述的那样。在接下来的步骤265中，处理器90从所关心的源的组中选择还没有被选作当前源的源。在接下来的步骤270中，处理器90加载在方法200的步骤230中被存储的、与当前源相关联的类别1的协方差Σ₁、平均值μ₁、以及最优加载系数w_opt。接下来是步骤275，其中处理器90使用最优加载系数w_opt确定目标谱是否属于类别0（所关心的当前源）或类别1（非所关心的当前源）。如果目标谱确定为属于类别0，则目标被认为包括当前源的样本。

步骤275的一个实施为，处理器90使用在方法200的步骤230中与当前源相关联地存储的类别1的协方差Σ₁和平均值μ₁，计算被投影的目标谱w^T _optx与被投影的类别1之间的Mahalanobis距离D：

$D^2={(w_{\mathrm{opt}}^{T}x-w_{\mathrm{opt}}^T{\mathrm{\μ}}_1)}^T{\left(w_{\mathrm{opt}}^T{\mathrm{\Σ}}_1{w}_{\mathrm{opt}}\right)}^{-1}(w_{\mathrm{opt}}^{T}x-w_{\mathrm{opt}}^T{\mathrm{\μ}}_1)$     等式5

然后，如果Mahalanobis距离D大于来自被投影的类别1的阈值距离，则目标谱x确定为属于类别0。

在步骤275的可替代性实施中，处理器90使用类别1的平均值μ₁计算被投影的目标谱w^T _optx与被投影的类别1之间的Euclidean距离d：

$d^2={(w_{\mathrm{opt}}^{T}x-w_{\mathrm{opt}}^T{\mathrm{\μ}}_1)}^T(w_{\mathrm{opt}}^{T}x-w_{\mathrm{opt}}^T{\mathrm{\μ}}_1)$     等式6

然后，如果Euclidean距离d大于来自被投影的类别1的阈值距离，目标谱x确定为属于类别0。

使用在步骤275中的阈值距离可从来自类别1的参考谱的单独组或培训数据库获得。在步骤275的一实施中，阈值距离是通过与类别1中平均总计数（即，类别1中所有参考谱的所有分组的所有计数总和的平均值）的幂次定律关系定义的。例如，类别的标准偏差y通过下面的等式可与平均总计数g相关：

y=Ag^-B    等式7

在等式7中，A为正数而B是0到1之间的数。对于类别0，B通常为约0.5。对于类别1，B通常在0.4至0.9之间。在该实施中，阈值距离设在类别1的多个（通常在一与十之间，例如五）标准偏差处。在步骤275的另一实施中，阈值距离为用户定义的值。

方法250继续至步骤280，处理器90确定所关心的源的组中是否存在还没有被选择的源。如果是这样的话（“Y”），则方法250返回步骤265。如果不是这样（“N”），则处理器90在步骤285取决于目标的被确定的内容生成输出信号100，如上所述。然后方法250结束。方法250可分类为“识别”方法。

如果方法200的变型用于处理参考谱，则方法250的辅助变型在步骤270加载与当前源相关联的所关心区域的端点、以及与当前源相关联的最优加载系数及其他参数，并在“所关心区域”内执行步骤275的计算。

如果所关心的源之一为“背景”，并且方法250不导致目标包括任何所关心的源的指示，则该结果可作为目标包括目前不处于培训数据库中的放射性核素源的指示。

在可替代性实施方式中，用于FLDA目的的两个类别由用户预先限定。在一示例中，第一类别包括对应于具体的核材料（分裂性放射性核素）的参考谱，第二类别包括对应于NORM的参考谱。为了根据可替代性实施方式处理培训数据库，可使用方法200，除了两个类别根据用户限定形成在步骤215。步骤220、步骤225、以及步骤230仅执行一次，并且不需要步骤235。为了根据可替代性实施方式处理目标谱，可使用方法250，除了步骤270和步骤275仅执行一次，并且不需要步骤265和步骤280。在该示例中，根据可替代性实施方式处理的目标谱的结果为指示目标谱是否是具体核材料或NORM的信号。该可替代性实施方式可分类为“分类”方法或“异常检测”方法。

该可替代性实施方式的第二示例与第一示例相似，除了第一类别（对应于威胁）包括至少一个“人造”伽马射线谱。在一实施中人造谱为具有加性高斯噪声分量的定值。在另一实施中，人造谱为具有加性高斯噪声分量的准线性谱。第二类别包括对应于NORM的参考谱。第二示例优于第一示例在于，不需要威胁（或非NORM）谱的现有知识来在各种条件下（如不同强度或屏蔽材料）推断目标包括威胁。

如上文用公式表示的Fisher线性判别分析可容易地从两类别问题推广到多类别问题。在可替代性实施方式的另一示例中，每个类别限定为仅包括对应于唯一放射性核素的参考谱。因此类别的数目可与表示在培训数据库中的放射性核素的数目一样多。然后步骤275返回目标谱确定为所属于的类别的号码。

如果目标被认为包括所关心的当前源的样本，则在方法250的步骤275中计算的目标谱距被投影类别1的距离示出目标内所关心的当前源的强度的关系，该关系在强度的小数值上大体为线性，并在强度的更大数值上趋于对数性。因此目标谱距类别1的计算的距离可用于方法250中的可选处理步骤，以估计目标内所关心的当前源的强度。使用等式7根据类别1中平均总计数计算的标准偏差y可用于提供用于目标内所关心的当前源的估计的强度的误差估计。

图3a和图3b集体形成通用计算机系统300的示意性框图，该通用计算机系统300可用作图1的装置1或图1a的装置1a中的计算系统80，以实现图2a和图2b的处理方法200和处理方法250。

如图3a所示，计算机系统300由计算机模块301、输入设备如键盘302、鼠标指针设备303、扫描仪326、照相机327、麦克风380、以及包括打印机315、显示设备314和扬声器317的输出设备形成。可通过计算机模块301使用外部调制器-解调器（调制解调器）收发器设备316，以通过连接321从通信网络320和向通信网络320通信。网络320可以是广域网（WAN），如因特网或私人WAN。当连接321是电话线时，调制解调器316可以是传统的“拨号”调制解调器。可替代地，在连接321是大容量（例如线缆）连接的情况下，调制解调器316可以是宽带调制解调器。无线调制解调器也可用于网络320的无线连接。

计算机模块301通常包括至少一个处理器单元305、以及存储器单元306，其中存储器单元306例如由半导体随机存取存储器（RAM）和半导体只读存储器（ROM）形成。存储器单元306可等同于计算机系统80的存储器70，而处理器单元305可等同于计算机系统80的处理器90。

模块301还包括多个输入/输出（I/O）接口，该多个输入/输出（I/O）接口包括联接至视频显示器314、扬声器317和麦克风380的视听接口307、用于键盘302、鼠标303、扫描仪326、照相机327以及可选的控制杆（未示出）的I/O接口313、以及用于外部调制解调器316和打印机315的接口308。在一些实施中，调制解调器316可合并在计算机模块301内，例如位于接口308内。计算机模块301还具有局部网络接口311，其通过连接323准许计算机系统300联接至被称为局域网（LAN）的局部计算机网络322。如图所示，局部网络322还可通过连接324联接至广域网320，其通常包括所谓的“防火墙”设备或具有类似功能的设备。接口311可由EthernetTM电路卡、BluetoothTM无线装置或IEEE802.11无线装置形成。

接口308和接口313可提供串行连接性或并行连接性或两者全部，前者通常根据通用串行总线（USB）标准实施并具有对应的USB连接件（未示出）。设有存储设备309，其通常包括硬盘驱动器（HDD）310。还可使用其他存储设备如软盘驱动器和磁带驱动器（未示出）。通常设有光盘驱动器312，以作为非易失性数据源。然后便携式存储器设备如光盘（例如CD-ROM，DVD）、USB-RAM、以及软盘可用作系统300的适当的数据源。

计算机模块301的部件305至313通常通过互连总线304并以导致本领域技术人员公知的计算机系统300的传统操作模式的方式进行通信。可实现的上述装置上的计算机的示例包括IBM-PC及兼容机、Sun Sparc工作站、Apple MacTM或从其中演变的相似的计算机系统。

上述的方法200和方法250可实施为能够在计算机系统300内执行的一个或多个软件应用程序333。具体地，方法200和方法250的步骤通过在计算机系统300内执行的软件333中的指令331实现。软件指令331可形成为一个或多个代码模块，其中每个模块用于执行一个或多个具体任务。软件还可被分成两个分离的部分，其中第一部分及对应的代码模块执行方法200和方法250，而第二部分及对应的代码模块管理器第一部分与用户之间的用户界面。

软件333通常从计算机可读媒介加载至计算机系统300中，然后通常存储在HDD310中（如图3a所示），或存储器306中，在此之后软件333可通过计算机系统300而被执行。在一些情况下，应用程序333可以编码在一个或多个CD-ROM325上的形式提供给用户，并在存储在存储器310或存储器306中之前通过对应的驱动器312而被读取。可替代地，软件333可通过计算机系统300从网络320或网络322读取，或从其他计算机可读媒介加载至计算机系统300中。另外或可替换地，数据（例如培训数据库或用于准备培训数据库的参考谱）可存储在存储器310或存储器306中，或从CD或其他计算机可读媒介装置加载至上述存储器中，或存储在因特网上或通过一些其他装置存储。计算机可读存储媒介指的是参与向用于执行和/或处理的计算机系统300提供指令和/或数据的任何存储媒介。无论这种设备位于计算机模块301的内部或外部，这种存储媒介的示例包括软盘、磁带、CD-ROM、硬盘驱动器、ROM或集成电路、USB存储器、磁光盘、半导体存储器、或计算机可读的卡如PCMCIA卡等。也可参与向计算机模块301提供软件、应用程序、指令和/或数据的计算机可读传输媒介的示例包括无线电或红外线传输通道及与另一计算机或网络设备的网络连接，以及包括电子邮件发送和记录在网点上的信息的内部网或因特网等。

如上所述，应用程序333的第二部分及对应的代码模块可被执行，以实施将提供或相反表示在显示器314上的一个或多个图形用户界面（GUI）。通常通过键盘302和鼠标303的操作，应用和计算机系统300的用户可以功能上能够适应的方式操纵界面，以向与GUI相关联的应用提供控制命令和/或输入。功能上能够适应的用户界面的其他形式还可实施为如利用通过扬声器317输出的语音提示和通过麦克风380输入的用户声音命令的音频界面。

图3b是处理器305和“存储器”334的详细的示意性框图。存储器334表示可通过图3a中的计算机模块301访问的所有存储器设备（包括HDD310和半导体存储器306）的逻辑集合。

当计算机模块301最初被供能时，供能自测（POST）程序350执行。POST程序350通常存储在半导体存储器306的ROM349中。永久地存储在硬件设备如ROM349中的程序有时被称为固件。POST程序350检验位于计算机模块301内的硬件，以保证适当地起作用，并且通常检查处理器305、存储器（309，306）、以及基本输入输出系统软件（BIOS）模块351（通常也存储在ROM349中），以保证正确的操作。一旦POST程序350已成功地运行，则BIOS351激活硬盘驱动器310。硬盘驱动器310的激活致使存在于硬盘驱动器310上的自举加载程序352通过处理器305执行。这样将操作系统353加载至RAM存储器306，然后操作系统353开始操作。操作系统353为系统级应用，其能够通过处理器305执行，以实现各种高级功能，包括处理器管理、存储器管理、设备管理、存储管理、软件应用界面，和通用用户界面。

操作系统353管理存储器（309，306），以保证在计算机模块301运行的每个进程或应用具有足够的存储器，以使每个进程或应用在其中与分配给另一进程的存储器不相冲突地执行。此外，系统300中可用的不同类型的存储器必须适当地使用，以使得每个过程可有效地运行。因此，集合的存储器334不旨在示出存储器的具体部分如何分配（除非另有说明），而是旨在提供能够由计算机系统300访问的存储器的概貌以及这种存储器如何使用。

处理器305包括多个功能模块，其中包括控制单元339、算术逻辑单元（ALU）340、以及本地或内部存储器348（有时被称为高速缓冲存储器）。高速缓冲存储器348通常包括寄存器部分中的多个存储寄存器344-346。一个或多个内部总线341将这些功能模块功能地互连。处理器305通常还具有用于使用连接318通过系统总线304与外部设备通信的一个或多个接口342。

应用程序333包括指令序列331，其可包括条件分支和循环指令。程序333还可包括用于程序333的执行的数据332。指令331和数据332分别存储在存储器位置328-330和存储器位置335-337中。取决于存储器位置328-330和指令331的相对大小，具体的指令可存储在一个存储器位置中，如通过示出为位于存储器位置330中的指令所示。可替代地，指令可分段成多个部分，其中每个部分存储在单独的存储器位置中，如通过示为位于存储器位置328-329中的指令段所示。

通常，处理器305被给予一组指令，这些指令在处理器305中被执行。然后处理器305等待随后的输入，处理器305通过执行另一组指令而做出反应。每个输入可从多个源中的一个或多个提供，包括通过输入设备302、303中的一个或多个生成的数据、从网络320、322之一上的外部源接收的数据、从存储设备306、存储设备309之一检索到的数据或从插在对应的读取器312中的存储媒介325检索到的数据。在一些情况下指令组的执行可导致数据输出。执行还可包括储存数据或变量至存储器334。

所公开的装置使用在存储器334中存储在对应的存储器位置355-357的输入变量354。这些装置产生在存储器334中存储在对应的存储器位置362-364中的输出变量361。中间变量358可存储在存储器位置359，存储器位置360，存储器位置366及存储器位置367中。

处理器305的控制单元339、算术逻辑单元（ALU）340、以及寄存器部分344-346一起工作，以执行微操作的序列，其中该微操作的序列为执行用于构成程序333的指令组中的每个指令的“提取、解码、与执行”循环所需。每个提取、解码、与执行循环包括：

（a）提取操作，从存储器位置328提取或读取指令331；

（b）解码操作，其中控制单元339确定已提出了哪个指令；以及

（c）执行操作，其中控制单元339和/或运算部件340执行指令。

其后，可执行用于下一指令的另一提取、解码、与执行循环。相似地，存储循环可被执行，通过存储循环控制单元339将值存储至或写入存储器位置332。

图2的过程中的每个步骤或中间步骤与程序333的一个或多个分段相关联，并通过处理器305中一起工作的控制单元339、ALU340、以及寄存器部分344-347执行，以执行用于指令组中每个指令的读取、解码、与执行循环，其中该指令组用于上述的程序333的分段。

方法200和方法250可以可替代地实施在专用硬件如执行方法的功能或子功能的一个或多个集成电路中。这种专用硬件可包括图形处理器、数字信号处理器、现场可编程门阵列（FPGA）或一个或多个微处理器和相关存储器。

上文仅描述了本发明的一些实施方式，在不背离本发明的范围和精神的情况下可作出多种修改和/或改变，并且这些实施方式应认为是说明性的而非限制性的。

在本说明书的上下文中，用于“包括（comprising）”意思是“主要地而非必要单独地包括”或“具有（having）”或“包括（including）”，而不是“仅由……组成（consisting only of）”。用于“包括（comprising）”的变型，如“包括（comprise）”和“包括（comprises）”相应地也具有改变的意思。

Claims (26)

1.处理从目标获得的伽马射线谱的方法，包括：

a.使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及

b.取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤生成输出信号。

2.根据权利要求1所述的方法，还包括使用Fisher线性判别分析获得所述最优加载系数，其中使用Fisher线性判别分析获得所述最优加载系数的步骤包括：

a.计算用于每个类别中的所述参考伽马射线谱的类别间散布矩阵和类别内散布矩阵；以及

b.根据与所述类别间散布矩阵和所述类别内散布矩阵的最大广义本征值相对应的广义本征向量，计算所述最优加载系数。

3.根据权利要求1所述的方法，其中确定所述目标的伽马射线谱是否属于第一类别的步骤是在属于所述第一类别的所述参考伽马射线谱的所关心区域中执行的。

4.根据权利要求1至3中任一项所述的方法，其中确定所述目标的伽马射线谱是否属于第一类别的步骤包括：

a.计算所述目标的通过所述最优加载系数投影的伽马射线谱与第二类别之间的距离，其中所述第二类别包括另外的放射性核素源的通过所述最优加载系数投影的另外的伽马射线谱；以及

b.使用计算的所述距离，确定所述目标的所述伽马射线谱是否属于所述第一类别。

5.根据权利要求4所述的方法，其中确定所述目标的所述伽马射线谱是否属于第一类别的步骤包括确定计算的所述距离是否超出阈值距离。

6.根据权利要求4或5所述的方法，其中计算的所述距离为Mahalanobis距离。

7.根据权利要求4或5所述的方法，其中计算的所述距离为Euclidean距离。

8.根据权利要求5至7中任一项所述的方法，还包括使用以下步骤确定所述阈值距离：

a.确定所述第二类别中的平均总计数；

b.使用与所述平均总计数的幂次定律关系，估计所述第二类别的标准偏差；以及

c.将所述阈值距离确定为所述第二类别的预定数目的标准偏差。

9.根据权利要求4至8中任一项所述的方法，还包括：如果所述目标的所述伽马射线谱确定为属于所述第一类别，则基于计算的所述距离，估计所述目标中所述一个或多个所关心的放射性核素源的强度。

10.根据权利要求1至9中任一项所述的方法，还包括在确定所述目标的所述伽马射线谱是否属于所述第一类别之前预处理所述目标的所述伽马射线谱，其中预处理所述目标的所述伽马射线谱的步骤包括以下步骤中的一个或多个：

a.强度归一化；以及

b.谱标准化。

11.根据权利要求2所述的方法，还包括在计算所述类别间散布矩阵和所述类别内散布矩阵之前预处理每个所述类别中的所述参考伽马射线谱，其中预处理每个类别中的所述参考伽马射线谱的步骤包括以下步骤中的一个或多个：

a.强度归一化；以及

b.谱标准化。

12.根据权利要求1至11中任一项所述的方法，其中生成输出信号的步骤包括：如果所述目标的所述伽马射线谱确定为属于所述第一类别，则生成所述输出信号。

13.根据权利要求1至12中任一项所述的方法，其中，

所述第一类别中的所述参考伽马射线谱为仅一个所关心的放射性核素源的参考谱，第二类别中的所述参考伽马射线谱为除所述一个所关心的放射性核素源之外仅所关心的放射性核素源的参考伽马射线谱。

14.根据权利要求13所述的方法，还包括：为一组所关心的放射性核素源中的每个，重复确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤和生成输出信号的步骤。

15.根据权利要求1至12中任一项所述的方法，其中所述多个类别由用户定义。

16.根据权利要求15所述的方法，其中一个用户定义类别包括至少一个人造伽马射线谱。

17.根据权利要求1至12和权利要求15至16中任一项所述的方法，其中所述多个类别的数目大于二。

18.根据权利要求1至12和权利要求15至17中任一项所述的方法，其中每个类别中的所述参考伽马射线谱为仅一个唯一的所关心的放射性核素源的参考伽马射线谱。

19.根据权利要求1至18中任一项所述的方法，还包括：响应于生成的所述输出信号，激活警报。

20.根据权利要求1至19中任一项所述的方法，还包括：当所述目标通过检测区域时，获得所述目标的所述伽马射线谱。

21.根据权利要求20所述的方法，其中获得所述目标的所述伽马射线谱的步骤是在所述目标不在所述检测区域中停止的情况下执行的。

22.根据权利要求20所述的方法，其中所述目标的所述伽马射线谱是在小于约10秒的时间内获得的。

23.根据权利要求20所述的方法，其中所述目标的所述伽马射线谱是通过便携式伽马射线检测器获得的。

24.装置，包括：

a.伽马射线检测器，配置成从目标获得伽马射线信号；

b.放大器，配置成放大通过所述检测器获得的所述伽马射线信号；

c.多通道分析器，配置成将放大的所述伽马射线信号分成能量组，从而生成伽马射线谱；

d.存储器，配置成存储生成的所述伽马射线谱；以及

e.处理器，配置成执行计算机程序代码，以致使所述处理器执行处理所述目标的所述伽马射线谱的方法，所述计算机程序代码包括：

i.用于以下步骤的代码：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及

ii.用于以下步骤的代码：取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤生成输出信号。

25.计算机程序代码，所述计算机程序代码能够通过计算机装置执行，以致使所述计算机装置执行处理从目标获得的伽马射线谱的方法，所述计算机程序代码包括：

a.用于执行以下步骤的代码：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及

b.用于以下步骤的代码：取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤，生成输出信号。

26.计算机可读存储媒介，所述计算机可读存储媒介上记录有计算机程序，所述计算机程序能够通过计算机装置执行，以致使所述计算机装置执行处理从目标获得的伽马射线谱的方法，所述代码包括：

a.用于执行以下步骤的代码：使用与一个或多个所关心的放射性核素源相关联的最优加载系数，确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别，其中所述第一类别包括所述一个或多个所关心的放射性核素源的参考伽马射线谱，所述最优加载系数已使用Fisher线性判别分析获得；以及

b.用于以下步骤的代码：取决于确定所述目标的所述伽马射线谱是否属于多个类别中的第一类别的步骤，生成输出信号。

Images