基于神经网络的快速核素识别与低本底解谱算法研究
发布时间：2020-07-18 22:13
【摘要】：本课题主要针对核事故应急情形下γ探测器测得的能谱数据研究新型能谱分析算法,以达到准确提取能谱中所蕴含的核素组成、活度等信息。相比于现有的能谱分析算法,新算法具有智能化、人员干预少、特征提取稳定性高等优点。新算法是一种结合目前主流算法,如神经网络、深度学习、模糊逻辑等,依据γ能谱的特征而进行设计开发的,符合现代γ能谱分析需求的算法。在整个课题研究过程中,所取得的研究成果如下:(1)提出了基于DCT与BPNN的快速核素识别算法。该算法在满足单核素MDA的条件下,性能不受探测时间、核素活度、探测距离、核素个数、以及运动源的影响。而且算法对γ屏蔽体包裹下的放射源能谱具有较好的识别性能,其提取出来的γ能谱特征向量如同核素‘ID’一样,具有较强的提取稳定性。(2)提出了基于近似系数与DBN的能谱分析算法。该算法提取的γ能谱的近似系数,形状与原始能谱一致,但其维度为原始能谱维度的八分之一,加速了后续DBN的收敛。在满足单核素MDA的条件下,该算法可识别不同测量条件下(探测时间、核素个数、探测距离、运动源等)的γ能谱核素组成。另外,该算法可用蒙卡模拟的γ能谱进行训练,不受放射源种类的条件限制,大大增强了算法的实用性。(3)提出了基于WHT与SAE的快速核素识别算法。该算法提取的128个低频变换系数保留了能谱的主要模式特征,栈式自编码可学习128个变换系数的高阶特征,并做较为准确的核素识别。复杂环境下(不同探测时间、核素个数、探测距离、运动源等)能谱强度会发生不同程度的变化,128个变换系数归一化处理可消除这一变化的影响。(4)提出了基于R-L去卷积与模糊逻辑的低本底解谱算法。该算法增强了低分辨γ探测器的核素鉴别能力,可对重叠峰做较为准确的分解。除此之外,该算法可利用低分辨NaI(Tl)探测器能谱进行天然本底核素分析,以及可解析低活度下~(137)Cs+~(60)Co能谱,是一种可提取弱峰信息的算法。本课题结合人工智能方法研究出几种新型能谱分析算法,在快速核素识别和低本底解谱方面具有很好的效果。此类算法的应用有助于提升现有辐射探测仪器的核素识别和活度测量性能,在核应急监测中发挥更大的作用。
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TL816.2
【图文】：
图 2. 1 NaI(Tl)探测器结构示意当γ光子入射至 NaI(Tl)闪烁晶体时可产生一定数量的次级电子，该电子可使闪烁体分激发，通过闪烁体分子的退激过程产生大量光子。闪烁光子入射至 PMT 光阴极并打，光电子在强电场的作用下加速运动轰击下一打拿级，打出更多光电子，以至电子数几个数量级，最终所有电子会被阳极接收并形成电压脉冲[29]。将该脉冲输入至射极跟随接入至放大器中，经过放大成形后输入至单/多道幅度分析器，通过统计每道脉冲计数γ能谱。γ能谱即γ射线的计数随能量的分布，可通过对比核素数据库确定γ能谱的。.3 γ 能谱数据测量装置本文选用 NaI(Tl)探测器实测能谱来验证本课题所提出的能谱分析方法的性能，这里仅证，本课题所提能谱分析方法非 NaI(Tl)探测器专用。本文选用的 γ 能谱探测系统由 3 英寸 NaI(Tl)探测器（ORTEC 公司）、基于 PC 的多道幅度分析器、和 MAESTRO 7.01γ软件（ORTEC 公司）3 部分组成，其中探测器能量范围为 30 keV 至 3 MeV，能量分
图 2. 2 γ能谱探测系统2 γ 能谱数据平滑放射性核素衰变和 γ 能谱仪的固有统计涨落、γ 射线散射、电子学系统噪声等因素往实测 γ 能谱出现较大的统计涨落[29]，即每一道址的计数与理论期望值存在一定偏差，涨落将影响全能峰峰位的确定与净峰面积的计算、导致假峰出现以及掩盖弱峰等，大续能谱分析的复杂度，使γ能谱定性定量分析存在不可避免的误差[30]。为对γ能谱进析以及提取包含信息，需将γ能谱进行平滑或降噪处理[29]。γ能谱数据的维度是 2 的，由于相邻各道的计数服从相应的数学表达式，因此可利用该规律采用相应的数学方γ能谱数据进行校正，以除去γ能谱统计涨落的影响，同时保留原始能谱中的核心特已有相关研究针对γ能谱平滑处理，如重心法、高斯法、最小二乘法、移动平均值法换法，它们各有优缺点，并非对所有γ能谱都适用，需根据不同测量条件设定不同的，以达到良好的去除统计涨落的影响。本课题主要对比分析了以上 5 种平滑算法对γ降噪效果，以确定最终使用哪种平滑算法作为伽马γ能谱数据预处理步骤中的一步。.1 五种平滑算法基本原理
2. 3 不同平滑算法处理前后60Co 能谱。(a)高斯法；(b)最小二乘法；(c)重心法；(d)移均值法；(e)小波变换法表 2. 1 不同平滑算法处理后60Co 2 个特征峰峰区总计数及归一化比值特征峰 1173.2keV 1332.5keV 特征峰 1173.2keV 1332.5keV原谱726.2 710.3最小二乘法699.4684.41.022 1 1.0221重心法694.6 678.9移动平均值法678.9689.81.023 1 0.9841高斯法682.7 667.9小波变换法669.4621.81.022 1 1.0771
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TL816.2
【图文】：
图 2. 1 NaI(Tl)探测器结构示意当γ光子入射至 NaI(Tl)闪烁晶体时可产生一定数量的次级电子，该电子可使闪烁体分激发，通过闪烁体分子的退激过程产生大量光子。闪烁光子入射至 PMT 光阴极并打，光电子在强电场的作用下加速运动轰击下一打拿级，打出更多光电子，以至电子数几个数量级，最终所有电子会被阳极接收并形成电压脉冲[29]。将该脉冲输入至射极跟随接入至放大器中，经过放大成形后输入至单/多道幅度分析器，通过统计每道脉冲计数γ能谱。γ能谱即γ射线的计数随能量的分布，可通过对比核素数据库确定γ能谱的。.3 γ 能谱数据测量装置本文选用 NaI(Tl)探测器实测能谱来验证本课题所提出的能谱分析方法的性能，这里仅证，本课题所提能谱分析方法非 NaI(Tl)探测器专用。本文选用的 γ 能谱探测系统由 3 英寸 NaI(Tl)探测器（ORTEC 公司）、基于 PC 的多道幅度分析器、和 MAESTRO 7.01γ软件（ORTEC 公司）3 部分组成，其中探测器能量范围为 30 keV 至 3 MeV，能量分
图 2. 2 γ能谱探测系统2 γ 能谱数据平滑放射性核素衰变和 γ 能谱仪的固有统计涨落、γ 射线散射、电子学系统噪声等因素往实测 γ 能谱出现较大的统计涨落[29]，即每一道址的计数与理论期望值存在一定偏差，涨落将影响全能峰峰位的确定与净峰面积的计算、导致假峰出现以及掩盖弱峰等，大续能谱分析的复杂度，使γ能谱定性定量分析存在不可避免的误差[30]。为对γ能谱进析以及提取包含信息，需将γ能谱进行平滑或降噪处理[29]。γ能谱数据的维度是 2 的，由于相邻各道的计数服从相应的数学表达式，因此可利用该规律采用相应的数学方γ能谱数据进行校正，以除去γ能谱统计涨落的影响，同时保留原始能谱中的核心特已有相关研究针对γ能谱平滑处理，如重心法、高斯法、最小二乘法、移动平均值法换法，它们各有优缺点，并非对所有γ能谱都适用，需根据不同测量条件设定不同的，以达到良好的去除统计涨落的影响。本课题主要对比分析了以上 5 种平滑算法对γ降噪效果，以确定最终使用哪种平滑算法作为伽马γ能谱数据预处理步骤中的一步。.1 五种平滑算法基本原理
2. 3 不同平滑算法处理前后60Co 能谱。(a)高斯法；(b)最小二乘法；(c)重心法；(d)移均值法；(e)小波变换法表 2. 1 不同平滑算法处理后60Co 2 个特征峰峰区总计数及归一化比值特征峰 1173.2keV 1332.5keV 特征峰 1173.2keV 1332.5keV原谱726.2 710.3最小二乘法699.4684.41.022 1 1.0221重心法694.6 678.9移动平均值法678.9689.81.023 1 0.9841高斯法682.7 667.9小波变换法669.4621.81.022 1 1.0771
【相似文献】
相关期刊论文 前10条
1 张宏哲;;FFT算法的一种改进[J];长安大学学报(自然科学版);1988年01期
2 苑宝生,俞铁城;连呼汉语识别研究[J];声学学报;1989年06期
3 孙杨模;;操作系统常见的几种算法举例分析[J];湖北三峡职业技术学院学报;2010年02期
4 郜振华;吴昊;;一种改进的混合蝙蝠算法[J];南华大学学报(自然科学版);2019年01期
5 吴天行;郭键;;基于“反学习”理论的人工蜂群算法在订单分批问题中的应用[J];物流技术;2017年12期
6 全燕;陈龙;;算法传播的风险批判:公共性背离与主体扭曲[J];华中师范大学学报(人文社会科学版);2019年01期
7 肖海军;成金华;何凡;;双核因素蝙蝠算法[J];中南民族大学学报(自然科学版);2018年01期
8 张进;;一种快速双对分逻辑运算算法[J];情报学报;1992年03期
9 陈广江;用MUSIC算法处理非均匀间隔采样数据[J];系统工程与电子技术;1998年09期
10 于浩;王芳;;ROHC算法在LWIP上的仿真与实现[J];计算机仿真;2017年12期
相关会议论文 前8条
1 李孟霖;余祥;巫岱s
本文编号：2761499
本文链接：https://www.wllwen.com/projectlw/hkxlw/2761499.html
