光谱混合分析(SMA)已被广泛用于解决高光谱遥感图像定量分析中的混合像素问题。 最近,非负矩阵分解(NMF)已成功地用于同时执行端成员提取(EE)和丰度估计(AE)。 在本文中,我们通过迭代执行EE和AE来制定NMF的解决方案。 基于我们先前基于Hopfield神经网络(HNN)的AE算法,还针对EE构建了HNN,以解决SMA的NMF乘法更新问题。 结果,SMA以无人监督的方式进行,我们的算法能够提取虚拟端成员,而无需假设高光谱场景中存在光谱纯成分。 我们进一步扩展了这种策略,以解决SMA的约束NMF(cNMF)模型,其中施加了额外的约束以更好地建模混合像素问题。 在合成和真实高光谱图像上的实验结果证明了我们提出的基于HNN的无监督SMA算法的有效性。