Advanced

ROBUST DETECTION AND SPECTRAL ANALYSIS OF SIGNALS WITH APPLICATIONS IN SPECTROSCOPY

Butt, Naveed LU (2011)
Abstract (Swedish)
Popular Abstract in Swedish

De senaste 150 åren har erbjudit en dramatisk utveckling av vår förmåga att sprida både njutningar och smärta, både i form av upptäckter av ämnen såsom TNT och dynamit och framställningen av heroin och Viagra. Denna utveckling har följts av teknologiska framsteg som tillåter studier av dessa kemikalier genom deras interaktion med till exempel radiosignaler eller laser. Den observerade interaktionen mäts sedan med hjälp av elektrisk eller optisk utrustning. Information om strukturer och andra karakteristiska indikatorer kan sedan extraheras ur denna mät-information med hjälp av matematiska operationer. Som följd pågår det en ständig kamp om att hitta nya matematiska tekniker för att extrahera så... (More)
Popular Abstract in Swedish

De senaste 150 åren har erbjudit en dramatisk utveckling av vår förmåga att sprida både njutningar och smärta, både i form av upptäckter av ämnen såsom TNT och dynamit och framställningen av heroin och Viagra. Denna utveckling har följts av teknologiska framsteg som tillåter studier av dessa kemikalier genom deras interaktion med till exempel radiosignaler eller laser. Den observerade interaktionen mäts sedan med hjälp av elektrisk eller optisk utrustning. Information om strukturer och andra karakteristiska indikatorer kan sedan extraheras ur denna mät-information med hjälp av matematiska operationer. Som följd pågår det en ständig kamp om att hitta nya matematiska tekniker för att extrahera så mycket av den användbara informationen som möjligt, så snabbt och så tillförlitligt som möjligt. Att kunna särskilja två olika kemikalier är uppenbarligen en sådan frågeställning av intresse. Det är av vikt t.ex. för att kunna särskilja explosiva ämnen från ofarliga eller för att bedöma om ett medicinskt preparat är äkta eller inte. Dessa frågeställningar är av stort globalt intresse och indikerar hur väsentligt framsteg inom detta område är. Som exempel bedöms det i världen finnas omkring 110 miljoner utplacerade landminor, minor som dödar eller lemlästar runt 70 personer dagligen. Med nuvarande teknik så kommer det att ta 500 år, till en kostnad av runt 33 miljarder USD, att rensa de existerande minorna - givet att inga fler minor placeras. Ett annat exempel är inom förfalskade mediciner; världshälsoorganisationen (WHO) bedömer att 10% av all handel med mediciner i världen är med förfalskade preparat. Denna siffra stiger dramatiskt till 30% i utvecklingsländerna, och bedöms vara nästan 60% för mediciner som handlas över nätet. Förfalskningarna involverar alla typer av mediciner såsom, t.ex., potensmedicinen Viagra, smärtstillande medel och anti-malaria preparat. Två lovande tekniska lösningar som kan användas för att bekämpa denna utveckling är kärnmagnetisk resonans (Eng. Nuclear Quadrupole Resonance, NQR) och Raman spektroskopi. NQR används för att fånga radiofrekvens "fingeravtryck" av en stor mängd sprängämnen, narkotika och mediciner. Raman spektroskopi å sin sida utnyttjar laserstrålar för att göra motsvarande med ljus. För att kunna möjliggöra tillförlitliga NQR- och Raman-baserade sensorer är det centralt att utveckla de matematiska operationer som utgör "hjärnan" i dessa sensorer. Denna avhandling fokuserar på detta problem, med syftet att göra dessa sensorer smartare och tillförlitligare. (Less)
Abstract
Modern spectroscopic techniques, such as nuclear quadrupole resonance (NQR), nuclear magnetic resonance (NMR), and Raman spectroscopy, rely heavily on statistical signal processing systems for decision making and information extraction. The first part of this thesis introduces novel robust algorithms for detection, estimation, and classification of signals obtained through these spectroscopic techniques. More specifically, the problem of NQR-based detection of illicit materials is considered in detail. Several single- and multi-sensor algorithms are introduced that posses many features of practical importance, including: (a) robustness to uncertainties in the assumed spectral amplitudes, (b) exploitation of the polymorphous nature of... (More)
Modern spectroscopic techniques, such as nuclear quadrupole resonance (NQR), nuclear magnetic resonance (NMR), and Raman spectroscopy, rely heavily on statistical signal processing systems for decision making and information extraction. The first part of this thesis introduces novel robust algorithms for detection, estimation, and classification of signals obtained through these spectroscopic techniques. More specifically, the problem of NQR-based detection of illicit materials is considered in detail. Several single- and multi-sensor algorithms are introduced that posses many features of practical importance, including: (a) robustness to uncertainties in the assumed spectral amplitudes, (b) exploitation of the polymorphous nature of relevant compounds to improve detection, (c) ability to quantify mixtures, and (d) efficient estimation and cancellation of background noise and radio frequency interference (RFI). For the case of NMR spectroscopy, a subspace-based parameter estimation algorithm is proposed that allows for inclusion of partly uncertain prior knowledge about the spacing between spectral lines, thereby aiding the process of automating the estimation procedure. The final topic in the first part concerns the standoff detection of explosives using Raman spectroscopy. In this regard, a computationally efficient classification scheme is introduced, that can, at a distance of 30 meters, or more, successfully classify measured Raman spectra from several explosive substances, including Nitromethane, TNT, DNT, Hydrogen Peroxide, TATP, and Ammonium Nitrate.



The second part of the thesis addresses the more fundamental problem of estimating high-resolution spectra from non-uniformly sampled sequences with sparse spectra. Estimators are developed for both the power spectral density (PSD) and the magnitude squared coherence (MSC) spectrum. A nonparametric Capon-based MSC estimator is proposed that allows for unevenly sampled data as well as for sequences with arbitrarily missing samples. A high-resolution PSD estimator is also introduced that handles unevenly sampled multidimensional data. Finally, we introduce robust Capon- and APES-based MSC spectral estimators that provide substantially higher resolution as compared to the earlier MSC estimators. The proposed estimators are formulated to allow for an uncertainty in the assumed sampling vector, which can be viewed as a corresponding uncertainty in the sample correlation matrix estimate, and can thus instead, or as well, allow for a poorly conditioned, or even rank-deficient, matrix estimate. (Less)
Please use this url to cite or link to this publication:
author
supervisor
opponent
  • Professor Händel, Peter, KTH, Stockholm.
organization
publishing date
type
Thesis
publication status
published
subject
keywords
Detection, NQR, NMR, Raman Spectroscopy, Spectral Analysis.
pages
220 pages
publisher
Lund University
defense location
Lecture Hall MH:B, Centre for Mathematical Sciences, Sölvegatan 18, Lund University, Faculty of Engineering, Sweden
defense date
2011-04-15 10:00
external identifiers
  • other:LUTFMS-1039-2011
ISSN
1404-0034
ISBN
978-91-7473-107-1
language
English
LU publication?
yes
id
25e29b36-a89f-4289-8583-e742f5965530 (old id 1857053)
date added to LUP
2011-03-21 13:48:39
date last changed
2016-09-19 08:44:50
@phdthesis{25e29b36-a89f-4289-8583-e742f5965530,
  abstract     = {Modern spectroscopic techniques, such as nuclear quadrupole resonance (NQR), nuclear magnetic resonance (NMR), and Raman spectroscopy, rely heavily on statistical signal processing systems for decision making and information extraction. The first part of this thesis introduces novel robust algorithms for detection, estimation, and classification of signals obtained through these spectroscopic techniques. More specifically, the problem of NQR-based detection of illicit materials is considered in detail. Several single- and multi-sensor algorithms are introduced that posses many features of practical importance, including: (a) robustness to uncertainties in the assumed spectral amplitudes, (b) exploitation of the polymorphous nature of relevant compounds to improve detection, (c) ability to quantify mixtures, and (d) efficient estimation and cancellation of background noise and radio frequency interference (RFI). For the case of NMR spectroscopy, a subspace-based parameter estimation algorithm is proposed that allows for inclusion of partly uncertain prior knowledge about the spacing between spectral lines, thereby aiding the process of automating the estimation procedure. The final topic in the first part concerns the standoff detection of explosives using Raman spectroscopy. In this regard, a computationally efficient classification scheme is introduced, that can, at a distance of 30 meters, or more, successfully classify measured Raman spectra from several explosive substances, including Nitromethane, TNT, DNT, Hydrogen Peroxide, TATP, and Ammonium Nitrate. <br/><br>
<br/><br>
The second part of the thesis addresses the more fundamental problem of estimating high-resolution spectra from non-uniformly sampled sequences with sparse spectra. Estimators are developed for both the power spectral density (PSD) and the magnitude squared coherence (MSC) spectrum. A nonparametric Capon-based MSC estimator is proposed that allows for unevenly sampled data as well as for sequences with arbitrarily missing samples. A high-resolution PSD estimator is also introduced that handles unevenly sampled multidimensional data. Finally, we introduce robust Capon- and APES-based MSC spectral estimators that provide substantially higher resolution as compared to the earlier MSC estimators. The proposed estimators are formulated to allow for an uncertainty in the assumed sampling vector, which can be viewed as a corresponding uncertainty in the sample correlation matrix estimate, and can thus instead, or as well, allow for a poorly conditioned, or even rank-deficient, matrix estimate.},
  author       = {Butt, Naveed},
  isbn         = {978-91-7473-107-1},
  issn         = {1404-0034},
  keyword      = {Detection,NQR,NMR,Raman Spectroscopy,Spectral Analysis.},
  language     = {eng},
  pages        = {220},
  publisher    = {Lund University},
  school       = {Lund University},
  title        = {ROBUST DETECTION AND SPECTRAL ANALYSIS OF SIGNALS WITH APPLICATIONS IN SPECTROSCOPY},
  year         = {2011},
}