CN101983332A

CN101983332A - 筛选方法和装置

Info

Publication number: CN101983332A
Application number: CN200980111982.9A
Authority: CN
Inventors: P·A·B·斯考拉尔; R·J·伊文斯; C·C·麦克莱恩
Original assignee: Southern Innovation International Pty Ltd
Current assignee: Southern Innovation International Pty Ltd
Priority date: 2008-03-31
Filing date: 2009-03-31
Publication date: 2011-03-02
Also published as: WO2009121130A1; AU2009230874A1; US8954300B2; JP5916684B2; EP2260296A1; JP2011516838A; AU2009230874B2; US20110035197A1; EP2260296A4; JP2014041147A

Abstract

一种筛选方法和装置，该方法包括：用激发辐射照射要筛选的对象；收集来自位于所述对象附近的辐射检测器的检测器输出数据；以及通过(i)确定所述数据中存在的信号的信号形式，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少从所述信号形式和所述参数估计确定所述信号中的每个信号的能量，来分解检测器输出数据中的各个信号。筛选时间更短，停留时间更短，提高了分辨率和/或增加了吞吐量。

Description

筛选方法和装置

相关申请

本申请基于并且主张2008年3月31日提交的美国申请号61/041,163和2008年12月18日提交的美国申请号61/138,879的优先权，通过引用将上述申请按照提交的内容完整结合在此。

技术领域

本发明一般涉及筛选方法和装置，并且具体但绝不排他地，涉及在监控货物和其它商品、车辆和船舶、爆炸物和可疑对象中的应用。

背景技术

近来，用于主要为了安全的原因检查货物和行李的筛选技术的数目已经增加。例如，在EP 1579202中公开了一种最近提出的技术，并且该技术包括：密封管或类似发生器，用于产生经由D-T或D-D反应产生的大体单能的快速中子；用于穿透对象的X射线或伽马射线的源；远离用于发射扇形辐射束的缝的围绕中子和伽马射线源的校准块；以及检测器阵列。

一种现有系统采用脉冲中子元素分析检测器，并且在大约10分钟的数据收集时段之后允许样本或对象的筛选，诸如该样本或对象是否包含或含有爆炸物。尽管这对于筛选小数目的物品可能是可接受的，但是其变得不容许用于大量货物。

可以采用这样的技术来筛选货车，并且在这样的情况下，以其中停放货车的筛选入口的形式提供这样的技术。《国际港口技术》(由Maritime信息服务有限公司出版)在2006年9月发表了货物筛选的成本效益分析，其论证了假设固定地点货物筛选站以20集装箱/小时运行，则筛选的设备相关成本是每集装箱23.49美元。

发明内容

因此，根据本发明的第一方面，提供一种筛选方法，包括：

用激发辐射照射要筛选的对象；

收集来自位于所述对象附近的辐射检测器的检测器输出数据；以及

通过(i)确定所述数据中存在的信号的信号形式(或脉冲响应)，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少从所述信号形式和所述参数估计，确定所述信号中的每个信号的能量，分解检测器输出数据中的各个信号；

从而筛选时间更短，停留时间(即照射和/或数据收集时间)更短，提高了分辨率和/或增加了吞吐量。

因此，本方法努力表征尽可能多的数据，但是将意识到可能不能充分地表征一些数据(该数据因此称为“破坏的数据”)，如下所述。将理解的是术语“信号”在该上下文中可与“脉冲”相互交换，因为其是指对应于各个检测衰变的输出，而不是包括各个信号的总和的整体输出信号。还将意识到可以以各种方式测量或表示信号的时间位置(或时序)，诸如根据信号的最大值的时间(或时间轴上的位置)或信号的前沿。典型地，这描述为到达时间(“到达的时间”)或检测时间。

还将理解的是，术语“检测器数据”指已经源自检测器的数据，不管随后由检测器内的还是检测器外部的相关或其它电子装置进行处理。

该方法可以包括从参数估计构造数据的模型，并且基于检测器输出和模型之间的比较确定参数估计的精确度。

在某些实施例中，各个信号的分解包括：

获得所述检测器输出数据作为以数字时间序列的形式的数字化检测器输出数据；以及

基于数字时间序列形成数学模型，并且作为至少信号形式、信号的时间位置和信号的幅度的函数；

其中确定所述信号中的每个信号的能量包括基于所述数学模型确定所述信号的幅度，所述幅度指示辐射事件(radiation event)。

信号形式(或脉冲响应)可以通过校准处理确定，所述校准处理包括测量对一个或多个单个衰变检测的检测器的时间域响应，以便从该数据得到信号形式或脉冲响应。然后可以通过将该数据用合适的函数诸如多项式、指数或样条函数进行内插(或者拟合该数据)，获得该信号形式的函数形式。然后可以从该检测器信号形式构造滤波器(诸如逆滤波器)。可以通过以滤波器对来自检测器的输出数据卷积进行信号参数的初始估计。特别感兴趣的信号参数包括信号的数目和每个信号的时间位置(或到达的时间)。

然后可以进一步改善感兴趣的特定信号参数。首先，应用峰检测和阈值改善信号的数目和到达时间的估计。其次，与检测器脉冲响应(并且由此得到的信号形式)结合的对信号的数目和它们的到达时间的了解使得可能求解信号的能量参数。

通过比较(从信号参数和对检测器脉冲响应的了解构造的)检测器数据流的模型(实际上，一种估计)与实际检测器输出，可以确定或“验证”参数估计的精确度。如果该验证过程确定一些参数不够精确，则丢弃这些参数。在使用该方法的光谱分析中，被视为足够精确的能量参数可以表示为直方图。

所述方法可以包括根据信号形式(即，用于生成信号的检测器的脉冲响应)进行信号参数的估计。所述方法可以包括通过校准过程确定信号形式，所述校准过程包括测量检测器对一个或多个信号检测的响应，以便得到信号形式的基于数据的模型。特别地，所述方法可以包括通过将数据与函数内插获得模型的函数形式，以便生成预期的信号形式。函数可以是多项式、指数或样条函数。

所述方法可以包括基于由辐射检测器产生的个别信号的预定形式设计滤波器。例如，滤波器可以是匹配滤波器或逆滤波器形式。

在一个实施例中，所述方法包括使用检测器输出与滤波器的卷积，以便进行信号参数的初始估计。所述方法可以包括改善信号参数的估计。所述方法可以包括用峰检测过程改善信号数目的估计。所述方法可以包括通过应用峰检测过程进行或改善信号时间位置的估计。所述方法可以包括通过由矩阵反演或由迭代技术来求解线性等式系统，改善信号能量的估计。

在本发明的实施例中，所述方法包括使用信号参数结合检测器脉冲响应创建检测器输出的模型。所述方法可以包括，例如，诸如通过使用数据和模型之间差的最小平方或一些其它措施将实际的检测器输出数据与检测器输出的模型进行比较，来执行误差检测。

所述方法可以包括丢弃被视为没有足够精确估计的参数。

在一个实施例中，所述方法包括以直方图展示所有足够精确的能量参数。

数据可以包括不同形式的信号。在此情况下，该方法可以包括确定其中每个信号的可能的信号形式。

在一个实施例中，所述方法包括逐渐地从数据减去可接受地符合多个信号形式的连续信号形式的那些信号，并且拒绝没有可接受地符合多个信号形式的任何的那些信号。

所述方法可能特征在于，75kHz或更大的感兴趣的所述伽马射线的辐射检测器上的入射通量。

所述方法可能特征在于，80kHz或更大的所述伽马射线的辐射检测器上的入射通量。

所述方法可能特征在于，对于50kHz的输入计数率的大于90％的数据吞吐量。

所述方法可能特征在于，对于25kHz和250kHz之间的输入计数率的大于90％的数据吞吐量。

所述方法可能特征在于，对于25kHz的输入计数率的大于95％的数据吞吐量。

所述方法可能特征在于，对于25kHz和100kHz之间的输入计数率的大于95％的数据吞吐量。

所述方法可能特征在于，对于250kHz的输入计数率的大于80％的数据吞吐量。

所述方法可能特征在于，对于250kHz和2500kHz之间的输入计数率的大于50％的数据吞吐量。

在第二方面，本发明提供一种筛选装置，包括：

辐射源，用于照射要筛选的对象；

辐射检测器，用于检测由所述对象发射的辐射，并且用于响应于辐射输出检测器数据；以及

处理器，用于以数字化形式接收检测器数据，并且所述处理器被编程为确定数据中存在的每个信号的信号形式，进行信号的一个或多个参数的参数估计，并且至少从信号形式和参数估计确定每个信号的能量，其中一个或多个参数至少包括信号时间位置；

从而筛选时间更短，停留时间更短，提高了分辨率和/或增加了吞吐量。

所述处理器可以被编程为以数字时间序列的形式获得所述检测器输出数据，并且基于数字时间序列形成数学模型，并且作为信号形式、信号的时间位置和信号的幅度的函数；其中确定所述信号中的每个信号的能量包括基于所述数学模型确定所述信号的幅度，所述幅度指示辐射事件。

辐射源和辐射检测器可以相邻地设置，使得辐射检测器检测从对象反射或后向散射的辐射。

在一个实施例中，辐射源和辐射检测器是分离的或可分离的，使得辐射检测器检测从对象传输或前向散射的辐射。

在一个实施例中，装置包括货物筛选装置。在另一实施例中，所述装置包括爆炸物检测装置。在另一实施例中，所述装置包括集装箱筛选装置或筛选入口。

所述装置可能特征在于，75kHz或更大的感兴趣的所述伽马射线的辐射检测器上的入射通量。

所述装置可能特征在于，对于50kHz的输入计数率的大于90％的数据吞吐量。

所述装置可能特征在于，对于25kHz和250kHz之间的输入计数率的大于90％的数据吞吐量。

所述装置可能特征在于，对于25kHz的输入计数率的大于95％的数据吞吐量。

所述装置可能特征在于，对于25kHz和100kHz之间的输入计数率的大于95％的数据吞吐量。

所述装置可能特征在于，对于250kHz的输入计数率的大于80％的数据吞吐量。

所述装置可能特征在于，对于250kHz和2500kHz之间的输入计数率的大于50％的数据吞吐量。

在第三方面，本发明提供一种用于筛选一个物体或多个物体中的化学元素的方法，包括：

收集来自筛选装置的辐射检测器的检测器输出数据；

通过(i)确定所述数据中存在的信号的信号形式，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少从所述信号形式和所述参数估计确定所述信号中的每个信号的能量，分解检测器输出数据中的各个信号；以及

至少从源自该一个物体或多个物体中元素的实例的那些信号确定元素的量；

各个信号的分解可以包括：

其中确定所述信号中的每个信号的能量包括基于所述数学模型确定所述信号的幅度，所述幅度指示辐射事件。

在第四方面，本发明提供一种筛选方法，包括：

用激发辐射照射要筛选的对象；

通过(i)获得或表示检测器输出数据作为数字序列，(ii)获得或确定数据中存在的信号的信号形式，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(vi)根据模型建模函数输出，(vii)基于模型确定函数输出的至少一个参数，以及(viii)从函数输出的至少一个确定的参数确定信号的参数，分解检测器输出数据中的各个信号；

在第五方面，本发明提供一种筛选装置，包括：

辐射源，用于照射要筛选的对象；

处理器，用于接收作为数字序列的检测器数据，并且所述处理器被编程为(i)获得或确定数据中存在的信号的信号形式，(ii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iii)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(iv)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(v)根据模型对函数输出进行建模，(vi)基于该模型确定该函数输出的至少一个参数，以及(vii)从该函数输出的至少一个确定的参数确定信号的参数；

在第六方面，本发明提供一种用于筛选一个物体或多个物体中的化学元素的方法，包括：

收集来自筛选装置的辐射检测器的检测器输出数据；

通过(i)获得或表示检测器输出数据作为数字序列，(ii)获得或确定数据中存在的信号的信号形式，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(vi)根据模型对函数输出进行建模，(vii)基于该模型确定该函数输出的至少一个参数，以及(viii)从该函数输出的至少一个确定的参数确定信号的参数，分解检测器输出数据中的各个信号；

至少从源自一个物体或多个物体中元素的实例的那些信号确定元素的量；

应该注意到，在适合并且被本发明的任何其它方面所希望的情况下，可以采用本发明的每个方面的各种可选特征。

附图说明

为了可以更清楚地确定本发明，现在将参照附图仅通过示例的方式描述优选实施例，附图中：

图1是根据本发明实施例的爆炸物检测装置的示意图；

图2是图1的装置的闪烁伽马射线检测器的视图；

图3a、图3b和图3c是图示脉冲堆积的曲线图；

图4是图示由图1的装置中体现的信号处理方法使用的辐射检测的数学建模的图；

图5是详述由图1的装置中体现的信号处理方法使用的辐射检测的数学模型的图；

图6是图1的数据捕获模块的功能元件的示意图；

图7a、图7b和图7c是分别在1000μs、100μs和10μs的时间范围上从图2的检测器的输出直接收集的未处理数字化数据的图示；

图8是信号处理方法的示意性表示，所述信号处理方法用于由根据本发明的该实施例的用于分析光谱数据的图1的装置采用的脉冲堆积恢复；

图9是信号处理方法的示意性流程图，所述信号处理方法用于由根据本发明的该实施例的用于分析光谱数据的图1的装置采用的脉冲堆积恢复；

图10a、图10b和图10c是在图9的信号处理方法的不同阶段的结果的图示；

图11是用图9的方法处理的各种输入计数率的137Cs源的伽马射线光谱的图示；

图12是使用由数字核脉冲发生器产生的模拟数据组准备的、图9的信号处理方法的计算机模拟的结果的图示；

图13是在一个计数率范围上图12的模拟对于伽马射线源的性能的图示；

图14a、图14b、图14c和图14d描绘将图9的信号处理方法应用到76mm×76mm NaI(TI)伽马射线检测器的输出的结果；

图15a、图15b、图15c和图15d描绘将图9的信号处理方法应用到采用HPGe检测器收集的数据的结果；

图16a、图16b、图16c和图16d描绘将图9的信号处理方法应用到氙气比例检测器的输出的结果；

图17是来自根据图1的实施例的示例性检测装置的数字化输出的代表部分，所述示例性检测装置包括SAIC(商标)PELAN形式的检测器；

图18包括图示数据处理的不同阶段的图，该图示示出了以下部分：(i)来自图1的装置的AFE的输出、(ii)图1的装置的脉冲定位阶段的输出、(iii)图1的装置的脉冲识别阶段的输出、以及(iv)图1的装置的验证阶段的输出；

图19到图21是用图1的装置在中子源开和关时收集的组合伽马射线能量光谱；

图22和图23是用图1的装置在中子脉冲期间收集的光谱；

图24和图25是用图1的装置在中子脉冲之间收集的光谱；

图26包括图示数据处理的不同阶段的图示，该图示示出了：(i)在示例F期间从图1的装置的检测器接收的输入数据流、(ii)脉冲定位输出、(iii)脉冲识别输出、以及(iv)验证误差信号；

图27是在要筛选运送负载的货车的情况下、根据本发明的另一实施例的货物筛选装置的示意图；

图28是在要筛选的物品以手提箱的形式的情况下、根据本发明的另一实施例的包裹筛选系统的示意图；

图29a和图29b是假设3μs的死时间、作为为图28的筛选系统计算的输入计数率的函数的百分比吞吐量的图示，以及用于本发明的实施例的脉冲堆积恢复的信号处理方法的计算出的性能的图示；

图30是假设3μs的死时间、作为为图28的筛选系统计算的输入计数率的函数的吞吐量计数率的图示，以及用于本发明的实施例的脉冲堆积恢复的信号处理方法的计算出的性能的图示；以及

图31是在要筛选运送负载的货车的情况下、根据本发明的另一实施例的货物筛选装置的示意图；

图32是假设5μs的死时间、作为为图31的货物筛选系统计算的输入计数率的函数的百分比吞吐量的图示，以及用于本发明的实施例的脉冲堆积恢复的信号处理方法的计算出的性能的图示。

具体实施方式

图1是根据本发明第一实施例的爆炸物检测装置10的示意图，其中物品12要被筛选。装置10包括脉冲中子元素分析检测器14，该脉冲中子元素分析检测器14包括可以发射热中子和脉冲中子的中子发生器，以及用于生成伽马射线能量的光谱的BGO闪烁检测器(可以从脉冲中子元素分析检测器14确定物品12的化学成分)。

装置10还包括脉冲整形放大器16、脉冲处理模块18和数据存储膝上型计算机20、以及将脉冲中子元素分析检测器14的输出连接到脉冲整形放大器16的同轴电缆22a、将脉冲整形放大器16的输出连接到脉冲处理模块18的模拟前端的数据电缆22b、以及将脉冲处理模块18的输出连接到计算机20的数据电缆22c。

脉冲处理模块18包括信号处理单元，该信号处理单元包括两个部分：1)产生对应于检测器单元的模拟输出的数字输出的模拟到数字转换器，以及2)实现根据本发明的下述数字信号处理(DSP)例程的处理单元。

装置10典型地用于通过根据用装置10收集的伽马射线光谱确定物品12的化学成分来检测爆炸物。在没有过高的脉冲堆积的情况下，装置10的测试(下面描述的)建议可以采用当前在可比较系统中可接受的两倍高的原始计数率，并且因此可以实现更快的筛选。因此，希望如果在筛选入口配置装置10(或者根据本发明的可比较装置)，则集装箱筛选吞吐量至少可以提高到40个集装箱/小时，等于所说的下一代货物扫描器的目标扫描速率。《国际港口技术》的分析(参照以上)得出结论：将集装箱筛选吞吐量提高到50个集装箱/小时估计会将成本降低到每个集装箱9.4美元，因此即使采用当前这代检测器、源和其他设备，也可以设想装置10将提供相当大的成本节约。

如果下一代集装箱筛选设备在没有本发明的情况下实现40个集装箱/小时，则根据本发明的扩充设想，这样的设备可以实现高达80个集装箱/小时的集装箱筛选吞吐量，进一步降低了每个集装箱的成本。

图2是检测器14的BGO闪烁检测器24的示意图。当由已经通过来自中子源14的中子激发的物品12中的原子发射伽马射线时，该伽马射线可以传到BGO闪烁检测器24中，并且如果是这样的话，则该伽马射线的能量从伽马射线转移到闪烁晶体28中的电子。在发射紫外光子时，电子损失该能量，将晶体中的电子提升到激发态。在发射紫外光子时，电子衰变到较低能量状态。前述紫外光子通过光学窗传到光电倍增管32的光电阴极36，紫外光子在该光电阴极36转换为光电子，并且随后在到达光电倍增管32的阳极40之前由电子倍增器38倍增。可以通过板载前置放大器42提供进一步的倍增级。以此方式，其幅度与入射伽马射线的能量成比例的电信号存在于检测器24的检测器输出端子44。还将理解的是，检测器24还可以包括μ金属磁屏蔽46，该μ金属磁屏蔽46大约位于光电倍增管32的边缘48，并且向光电倍增管32的前方延伸足够远以围绕一部分晶体28。

此类型的闪烁检测器具有高效率，也就是说，其表现出检测到入射伽马射线的概率高。然而，它们还表现出相对长的检测器响应时间。检测器响应时间是检测器用于检测入射伽马射线并且返回到可以精确检测下一入射伽马射线的状态所需要的时间。因此，具有长的检测器响应时间的辐射检测器有脉冲堆积的倾向。也就是说，理想地由每个对应于单个伽马射线的入射的完全离散的脉冲组成的输出替代表现为这样的波形，其中多个单个脉冲可能重叠，使得它们难以被表征。

图3a、图3b和图3c图示了脉冲堆积的效果，并且示出绘制为能量E对时间t(两者以任意单位)的说明性信号或脉冲。图3a图示所谓的“末端堆积”，其中根据所采用的脉冲调节的类型，一个脉冲51的尾部50可以将有效的正或负的偏置(在图示的示例中为正的)提供给随后脉冲52的幅度。尽管当与脉冲流行(prevail)的总的时间间隔相比时，两个脉冲之间的时间位移Δt相对大，但是在第二脉冲52到达处信号包络或合成波形54显著地在零之上。

两个脉冲之间真正的零信号状态的缺乏破坏了脉冲表征，由于第二脉冲的幅度由第一脉冲的尾部虚假膨胀。图3b图示了脉冲堆积的另一形式，“峰堆积”。这里，两个脉冲56和58在时间上间隔紧密地到达，即脉冲之间的时间位移Δt与脉冲流程的总的时间间隔相比小。合成输出波形60或多或少表现为比任一组成脉冲稍微更大幅度的单个脉冲。在通过检测器的伽马射线的通量极端的情况下，常常具有在检测器的响应时间内到达的多个衰变(event)，导致多个堆积衰变。图3c图示这样的情况。多个信号或脉冲(如用62示出的)在随机的时间间隔Δt的情况下到达，并且合计产生合成波形64，难以从该合成波形64提取组成信号的参数。

根据本实施例的解决脉冲堆积的方法的一个部分是信号或脉冲的某些参数的估计；这些参数是检测器数据流中的所有伽马射线的数目、到达时间和能量。根据本实施例，通过数学建模数据流中的信号来估计这些参数。在本实施例中采用的模型包括关于数据和装置的某些假设，如下面所讨论的。

图4是图示辐射检测处理的建模的图。辐射g(t)70入射在由测量处理m(t)表示的检测器72上，得到来自检测器的输出数据y(t)74。增加采样处理76，产生数字检测器数据或“时间序列”x[n]78。

可以将关于辐射检测的物理过程的一些知识添加到上述模型。图5是图示在图4中示出的检测处理的更详细的数学模型。到检测器的输入g(t)由等式1表征，其中假设输入g(t)是未知数目(N)的随机幅度(α)和到达时间(τ)的∑函数状脉冲。这样的输入的说明性示例用80示出。

\begin{matrix} g (t) = Σ_{i = 1}^{N} α_{i} δ (t - τ_{i}) & i = 1,2,3, . . ., N . - - - (1) \end{matrix}

假设辐射检测器具有对于进入辐射的特定响应，称为检测器脉冲响应d(t)(或者，等效地，数据中信号的信号形式)，所述响应用82图示。检测器脉冲响应的数字化版本(即，信号形式)表示为d[n]。

来自检测器的输出用86示出，并且由等式2表征，其中采用未知能量(α)和未知到达时间(τ)，检测器输出y(t)是未知数目的预定信号形式d(t)的信号的和。还考虑随机噪声源ω(t)84。通过模拟到数字转换器76产生数字检测器数据x[n]88。

\begin{matrix} y (t) = Σ_{i = 1}^{N} α_{i} d (t - τ_{i}) + ω (t) & i = 1,2,3, . . ., N . - - - (2) \end{matrix}

因此，位于如用88图示的模拟到数字转换器76的输出处的数字化信号x[n](其构成了数据的时间序列)由以下等式给出

x [n] = Σ_{i = 1}^{N} α_{i} d [n - Δ_{i}] + ω [n], - - - (3)

其中d[n]是信号形式d(t)的离散时间形式，Δ_i是采样中相对第i信号的延迟，并且ω[n]是噪声的离散时间形式。数字化信号x[n]还可以以矩阵形式写为

x＝Aα+ω， (4)

其中A是M×N矩阵，A的条目由下式给出

此外，T是采样中d[n]的长度，M是数字化信号x[n]中采样的总数，α是N信号能量的矢量，并且ω是长度M的噪声矢量。矩阵A还可以如下描述：

因此，矩阵A的各列包含该信号形式的多个版本。对于各个列的每一个，信号形式的起始点由信号时间位置定义。例如，如果数据中的信号在位置2、40、78和125处到达，则矩阵A的第1列在第1行是“0”、在第2行具有信号形式的第1数据点、在第3行具有信号形式的第2数据点等。第2列直到第39行都是“0”，第39行之后有信号形式。第3列直到第77行都是“0”；第4列直到第124行都是“0”，并且然后是信号形式。因此，矩阵A的大小由识别出的信号的数目(其变为列的数目)确定，而行的数目取决于时间序列中采样的数目。

因此，本实施例的信号处理方法努力提供检测器数据的一些未知参数的精确估计，所述未知参数不但包括检测器输出中组成信号的数目(N)，而且包括每个组成信号的能量(α)和到达时间(τ)。

信号处理方法

图6是具有BGO闪烁检测器24的图1的脉冲处理模块18的功能元件的示意图，并且提供图6以便更详细地说明由图1的装置所采用的用于脉冲堆积恢复的信号处理方法。参照图6，BGO闪烁检测器24经由模拟前端(AFE 94)连接到(脉冲处理模块18的)脉冲处理板92。AFE 94的目的是通过在本实施例中在12比特转换精度的情况下以125MHz执行模拟到数字转换，对由检测器16产生的信号进行数字化。

图7a、图7b和图7c图示分别在1000微秒、100微秒和10微秒的时间范围上由这样的数字化产生的波形。这些图中的各个波峰对应于各个伽马射线的检测。一些波峰表现为离散的信号或脉冲110、112，其可以指示仅仅单个伽马射线的存在。其它波峰归因于2个峰116或3个或更多波峰的114的堆积。

在检测器16的输出已经通过AFE 94数字化之后，执行用于脉冲堆积恢复的信号处理方法。再次参照图6，由AFE 94产生的数字信号传到脉冲处理场可编程选通阵列(FPGA)96中。然后，脉冲处理FPGA(96)执行本实施例的脉冲处理方法；数字信号处理协处理器98可以可选地用于辅助脉冲处理FPGA 96来执行脉冲处理方法。脉冲处理FPGA 96所需的变量和在脉冲处理方法的中间步骤产生的数据可选地存储在存储器100中。经由数据/控制接口102控制信号处理，该数据/控制接口102结合控制处理器104可以用于修改信号处理的执行。可以经由数据/控制接口102在显示器106上显示来自信号处理方法的输出数据。在计算机中提供了显示器106，如果需要，则该计算机可以用于执行后续处理和系统控制。

图8是在本实施例的检测器时间序列中用于辐射信号的脉冲堆积恢复的信号处理方法的示意图。数字化检测器信号(来自AFE 94)形成用于该信号处理方法的输入120。离线系统表征122用于确定对于特定数字化检测器信号的唯一的检测器脉冲响应。在系统表征阶段122中生成的表征数据被用于脉冲定位阶段124。脉冲定位阶段124实时估计数字化检测器信号中辐射脉冲的数目和时间位置(或者到达时间)。在脉冲识别阶段126中，数字化检测器信号、检测器脉冲响应和来自脉冲定位阶段124的输出被用于确定信号或脉冲的能量。验证128包括比较脉冲识别阶段126的输出与数字化检测器信号120。如果该比较指示已经无法精确地估计任何脉冲参数，则拒绝那些参数，以便仅输出有效数据130。在验证阶段128中生成的误差信号也被用于系统表征122中。在诸如由于组件的老化、温度变化或增加的辐射通量而检测器脉冲响应可能随着时间变化的情况下，通过采用误差信号，系统表征122在线并且适应性地更新检测器脉冲响应。这种检测器脉冲响应的更新可以使用任何合适的自适应方法来实现，例如，如由S.Haykin[《自适应滤波器理论》，第4版，Prentice Hall，2002年]描述的最小均方自适应、归一化最小均方自适应或递归最小均方自适应。

图9是本实施例的信号处理方法的流程图。在步骤140，执行校准。这涉及数据规格化或调节142、数据选择和拟合144、以及最优滤波器构造146。在数据规格化142中，从数据文件加载以低入射辐射通量记录的校准数据信号，检查这些校准数据的完整性，并且移除数据的基线中的任何偏差。数据选择和拟合144涉及仅选择对应于单个辐射事件的检测的数据，并且构造检测器脉冲响应的基于数据的模型。然后通过将合适的函数拟合到数据获得该模型的函数形式，诸如多项式、指数函数或样条函数。这导致检测器的预期的脉冲响应d[n]。最优滤波器构造146采用该检测器脉冲响应来为检测器构造合适的滤波器，诸如逆滤波器或匹配滤波器。

在步骤150，获取数据，但是数据可能受显著的脉冲堆积的影响。数据可以是来自文件或直接来自检测器元件16的输入152。

在步骤160，应用信号处理例程来确定时间序列中信号的幅度和定时参数。首先，调节数据162以便移除数据的基线中的任何偏差。接下来，检测器数据被以步骤146中得到的滤波器卷积164，以便提供到达时间参数(τ)和脉冲数目(N)的初始估计。然后，使用合适的峰值检测处理进一步改善定时参数和脉冲数目的估计166，并且从τ、N和检测器脉冲响应d[n]确定能量参数(α)(诸如通过线性规划、矩阵反演或卷积技术)。最后，从数目(N)、能量(α)、定时(Δ_i)和检测器脉冲响应(d[n])进行168检测器数据流

的估计。

可以通过线性规划或通过使用用于求解在等式4中定义的线性等式系统的合适方法来求解这样的等式系统，确定参数矢量(α)，所述合适方法诸如例如由G.H Golub和C.F.Van Loan[《矩阵计算》，第2版，约翰霍普金斯大学出版社，1989年](G.H.Golub and CF.Van Loan[Matrix Computations，2nd Ed，Johns Hopkins University Press，1989])描述的那些方法之一。

在步骤(170)，执行参照上面的验证阶段128，该验证阶段128可以称为如在本实施例中的误差检查，验证涉及确定为对应于每个信号i的一组采样连续计算的误差信号e[n]，其中1＜i＜N(N是数据流中信号的总数)。通过确定时间序列数据x[n]和基于模型的数据流(来自步骤168的)之间的方差172计算该误差信号；因此，e[n]是x[n]和

之间的方差，如由等式6给出。

e [n] = {(x [n] - \hat{x} [n])}^{2} - - - (6)

如果e[n]超过预定阈值，由于该条件指示信号参数没有产生可接受地符合该信号(也就是说，足够精确)的各个信号的模型，则拒绝这些参数174，；有关信号被视为构成破坏的数据，并且从进一步的光谱分析排除有关信号。阈值可以根据数据以及希望多么接近建模的数据而变化；因此，通常在任何特定具体应用中，选择阈值的验证和定义方法以反映该应用的要求。

这样的阈值的一个示例是信号能量α_i乘以合适的系数(诸如0.05)。在该示例中，当满足下式(7)时，验证将认为模型可接受地符合构成信号i的数据。

e[n]＜0.05α_i (7)

可以通过以任何其它合适的方式定义误差信号和阈值来执行验证。例如，误差信号可以设为误差的绝对值。阈值可以定义为信号幅度的0.05倍之外的倍数。另外的阈值包括噪声的数目、标准偏差。

减小阈值(如通过减小等式7中α_i的系数)以较低吞吐量实现改进的能量分辨率，而增大阈值以降低的能量分辨率实现改进的吞吐量。

在步骤180，进行关于是否存在足够数据的判定。如果没有，则处理在步骤150继续。否则，方法进到步骤190。在步骤190，创建伽马射线能量光谱。以直方图的形式表现在步骤166确定的伽马射线能量参数，所述伽马射线能量参数在步骤174被视为有足够的精确度。这是可以对其执行光谱分析的伽马射线能量光谱。

信号处理方法的结果

图10a、图10b和图10c是上面参照图8和9描述的用于以闪烁伽马射线检测器收集的数字化数据的数字信号处理方法的处理的各个阶段的结果的图示。通过模拟到数字转换器在125MHz和12比特精度数字化检测器数据流；所使用的伽马射线源是具有661.7keV的主伽马射线发射的137Cs源。

闪烁检测器采用由检测器/辐射相互作用生成的光来检测和测量该入射辐射。闪烁检测器可以包括有机闪烁体或无机闪烁体。有机闪烁体包括有机晶体闪烁体和液态有机溶液(其中已经溶解闪烁材料以形成液态闪烁体，该液态闪烁体然后可以被塑化以形成塑料闪烁体)。无机闪烁体包括诸如NaI(TI)、BGO、CsI(TI)和许多其它的晶体闪烁体以及光切换检测器(其中两个或多个不同的闪烁体光学地耦合到公共PMT，以便利用各闪烁体的不同衰减时间(decay time)来确定发生辐射/检测器相互作用的位置)。

在这个例子中，检测器包括76mm×76mm NaI(TI)伽马射线闪烁检测器。图10a是绘制为能量E(keV)相对于时间t(μs)的在以信号处理方法处理之前的一部分数字化检测器数据200、以及根据组成信号的时间位置和能量绘制的信号处理方法的结果(例如，在210)的图示。例如，可以在大约75.8μs处表现为原始数字化检测器数据200中的单个峰220的信号已经分解为分别在75.3和75.7μs处的两个区别信号222、224。

根据确定的时间位置、能量和信号的形式，可以生成检测器数据的模型。图10b是被以能量E(keV)相对于时间t(μs)示出的，图10a中所示的数字化检测器数据流200的那部分的结果数据模型230的图示。还示出了倒误差图示240，其包括检测器数据200和数据模型230之间的方差的图示，并且指出了模型230中的误差。在模型230精确地跟踪检测器的输出的位置，误差信号小，而在检测器数据的模型230和检测器数据200本身之间的存在不一致时，误差变大。基于该误差信号240，可以进行关于接受或拒绝通过该信号处理方法估计的信号参数的判定。

图10c是由该信号处理方法产生的被示出为对数-线性图示的伽马射线能量光谱250。已经接受的能量参数绘制为直方图，其中水平轴代表各个区间中每个信号的能量E(keV)，并且垂直轴代表确定为已经在收集时段(在该示例中，1秒)中检测到的能量的计数N的数目。

图11是使用碘化钠NaI(TI)伽马射线检测器收集的示例性伽马射线能量光谱的图示。图11中示出的伽马射线能量光谱展示了用于脉冲堆积恢复的信号处理方法在一系列计数率的性能。使用耦合到检测器基部(模型号2007)的76mm×76mm堪培拉牌NaI(TI)伽马射线检测器(模型号802)收集实验数据；没有使用前置放大器。信号处理硬件经由65MHz 14比特模拟到数字转换器连接到检测器基部的倍增极输出。

用准直的伽马射线束辐射NaI(TI)晶体，这确保用基本平行的伽马射线束照射检测器的中心部分；束直径是50mm。

0.37GBq和3.7GBq的两个137Cs伽马射线源与三个校准的铝传输滤波器用于获得在检测器面的伽马射线通量的范围。检测器到源的距离在数据收集期间保持恒定。

参照图11，分别以529kHz、230kHz、167kHz、124kHz、67kHz和9kHz的计数率收集光谱260、262、264、266、268和270。如所预期的，用本实施例的装置收集和用本实施例的方法处理的数据的能量分辨率随着计数率增加而劣化。发现表达为峰值能量(即，661.7KeV)的百分比的峰的半高全宽(FWHM)分别为9.6％、7.3％、6.9％、6.7％和6.7％。对于9kHz到230kHz的计数率，在661.7keV的137C s伽马射线能量峰的能量分辨率保持小于7.5％；也就是说，尽管来自NaI(TI)检测器的计数率增加25倍，但是在661.7keV的能量分辨率减小了少于0.5％。

图12和图13中也图示了本实施例的信号处理方法的性能。从计算机模拟的结果生成这两个图，其中可以精确控制输入计数率，因此使得能够考虑非常宽范围的输入计数率。图12是信号处理方法的吞吐量(即，精确检测的该部分输入计数率)相对于从0.1到2.5MHz的输入计数率的对数-对数(log-log)图示。理论极限(即，吞吐量等于输入的情况)用虚线示出。该图展示在非常宽的输入计数率范围上，信号处理方法的吞吐量保持大于或等于90％。

图13是与图12相当的线性-对数图示，但是具有相对于从0.005到10MHz的输入计数率绘制的百分比吞吐量。此外，图13包括本实施例的信号处理方法的能量分辨率和峰位置性能的图示。137Cs峰的能量分辨率在0到2.5MHz劣化小于10％，并且峰位置在该范围上显示非常小的改变。

图14a、图14b、图14c和图14d还描绘了将本实施例的用于脉冲堆积恢复的信号处理方法应用到76mm×76mm NaI(TI)伽马射线检测器的输出的结果。大约14μs的数据用于生成这些图中绘制的数据。这些图是任意单位的能量E相对于时间t(μs)的图示。

图14a是AFE 94的输出的图示：使用65MHz和14比特分辨率的模拟到数字转换率将检测器的时间变化的电压输出转换为数字数据。图14b是应用该方法的结果的图示。已经分解了信号的时间位置(描绘为垂直线)，组成信号的能量也被分解(描绘为交叉号)。如上所述，组成信号的时间位置和能量用于结合信号形式来确定伽马射线检测器输出的模型：在图14c中绘制得到的模型。

对伽马射线检测器的数字化输出与伽马射线检测器输出的模型进行比较，以便得到在表征伽马射线检测器输出中造成的误差的估计。在图14d中绘制该误差信号。然后基于该误差信号，可以确定用于信号参数估计的排除的阈值，诸如，可以通过接近信号峰的位置的误差的幅度确定接受或拒绝信号能量的估计的判定。

图15a、图15b、图15c和图15d描绘将本实施例的用于脉冲堆积恢复的信号处理方法应用到用半导体(或者固态)检测器收集的数据的结果。这样的检测器采用入射辐射与半导体的晶格中电子的相互作用，形成电子空穴对。这些检测器的示例包括高纯度锗(HPGe)检测器、硅二极管检测器、半导体漂移检测器(如硅漂移检测器)、碲化镉(CdTe)检测器和CZT检测器。

因此，采用图1的装置，尽管用以堪培拉工业牌高纯度锗(HPGe)检测器的形式的检测器单元代替检测器16，并且用57Co伽马射线源(其两个主伽马射线具有122.1和136.5keV的能量)而不是中子源和样本。HPGe检测器的输出馈送通过前置放大器，然后进入Ortec牌脉冲整形放大器。收集大约92μs的数据，从所述数据生成图15a、图15b、图15c和图15d中的以任意单位的能量E相对于时间t(μs)绘制的数据。图15a是AFE 94的输出的图示。检测器的时间变化电压输出以具有14比特分辨率的65MHz的模拟到数字转换率转换为数字数据。图15b是应用该方法的结果的图示。已经分解了信号的时间位置(描绘为垂直线)，组成信号的能量也已被分解(描绘为交叉号)。组成信号的时间位置和能量以及信号形式用于确定处理的HPGe检测器输出的模型，该模型在图15c中绘制。

图15d是从HPGe检测器的数字化处理的输出与该输出的模型的比较得到的误差信号的图示。该误差信号又可以用于确定用于信号参数估计的排除的阈值。

图16a、图16b、图16c和图16d描绘将本实施例的用于脉冲堆积恢复的信号处理方法应用到用于检测X射线的气体比例检测器的输出的结果。气体比例检测器是其行为类似于固态检测器的行为的一类检测器。气体比例检测器依赖于腔中辐射与气体的相互作用。在轴向导线与腔壁之间在腔中创建电场。穿过气体的辐射使得气体电离，这产生电子，然后电子由于所述电场被收集在导线，并且被作为检测器数据输出。

因此，采用图1的装置10，尽管用以氙气体比例检测器的形式的检测器代替检测器16，并且具有X射线衍射装置中的X射线发生器而不是要筛选的物品。大约300μs的数据用于生成在图16a、图16b、图16c和图16d中绘制的数据，该数据被以任意单位的能量E相对于时间t(μs)绘制。与之前示例的数据收集时段相比，由于氙气体比例检测器的相对长的衰减时间(50μs或更长的量级)，使用了显著更长的数据收集时段。为此，AFE 94的采样率也降低。

图16a是AFE 94的输出的图示；在该示例中，使用15MHz和14比特分辨率的模拟到数字转换率，以便将检测器的时间变化电压输出转换为数字数据。图16b是应用该方法的结果的图示。已经分解了X射线信号的时间位置(描绘为垂直线)，组成信号的能量也已被分解(描绘为交叉号)。如上所述，组成信号的时间位置和能量用于结合信号形式来确定氙气体比例检测器输出的模型：在图16c中绘制得到的模型。

对氙气体比例检测器的数字化输出与氙气体比例检测器输出的模型进行比较，以便得到在表征氙气体比例检测器输出中造成的误差的估计。在图16d中绘制该误差信号。然后该误差信号可以用来确定用于信号参数估计的排除的阈值，诸如，可以通过接近信号峰的位置的误差的幅度确定接受或拒绝信号能量的估计的判定。

多个信号形式

对于一些检测器类型，诸如大体积固态检测器，给定信号的形式可以是多个可能信号形式之一。这可能是检测器类型所固有的，或者是由于温度或其它测量特有的因素。

例如，CsI(TI)检测器是闪烁检测器，其依赖于正在检测中子还是伽马射线，展现两种区别的信号形式。固态辐射检测器可以展现时变的信号形式，即使当仅检测一个形式的辐射时也是如此；例如，大体积高纯度锗(HPGe)检测器可以产生这样的输出信号，该输出信号的形式取决于辐射和检测器之间的相互作用的具体地点。辐射与HPGe检测器的锗晶体的相互作用产生大量电子空穴对；辐射感生的电荷由电子和空穴两者携带。然而，电子和空穴以不同的速度行经HPGe检测器，所以由电子产生的电荷脉冲通常具有与由空穴产生的电荷脉冲不同的形式。因此，由检测器产生的脉冲(由电子和空穴两者携带的电荷的总和)具有依赖于相互作用的位置的形式。

因此，多个信号形式是这些变化的物理机制的结果。各个信号形式可以表示为d₁[n]、d₂n]、…、d_Q[n]，其中Q是可以由特定检测器类型生成的不同信号形式的总数。以与表征具有单个信号形式的数据的信号形式相同的方式表征每个可能的信号形式。然而，对于多个信号形式，校准处理必须延伸合适的时间长度，以便确保已经识别和表征所有可能的信号形式；一旦已经识别数据流中每个信号的形式，就可以执行包括时间位置和信号能量的信号参数的估计。为了正确地估计这些信号参数，可以采用(用于具有单个信号形式的数据的)上述方法的多个可能扩展。

1.通过将数据流中的所有信号视为，诸如，与第一信号，即，d₁[n]具有相同形式，可以为数据流中的每个信号估计包括信号时间位置和信号能量的信号参数。在验证阶段拒绝未可接受地符合信号形式d₁[n]的那些信号的参数；从数据流中减去这样的信号，已经对于所述信号成功估计参数，并且因此可接受地符合信号形式d₁[n]。对于d₂[n]直到d_Q[n]连续重复该处理，其中在每个阶段为具有在该阶段使用的信号形式的信号估计信号参数。在每个阶段，用在迭代p中使用信号形式d_p[n]重复构造的矩阵A求解矩阵等式4。在处理的结束，拒绝由于没有可接受地符合多个信号形式中的任意一种，没有通过多个信号形式中的任意一种的验证阶段的那些信号。

2.在第一方法的变化中，为每个信号形式依次估计信号参数，但是不在每个阶段减去信号估计。替代地，估计的信号被用于最终信号验证阶段，以便确定提供对数据流的最优总体估计的信号形式和信号参数。这考虑到当信号实际上具有还没有用于估计信号参数的形式时，没有正确地估计该信号具有一种形式的可能性。

3.在第一方法的进一步变化中，可以将每个信号形式d_p[n]建模为两个信号形式(为了方便称为d₁[n]和d₂[n])的线性组合。因此，第p信号形式d_p[n]建模为：

d_p[n]＝(a.d₁[n]+b.d₂[n]) (8)

其中a和b是未知常数，如果需要可以直接从该等式确定a和b。为了求解在此情况下的矩阵等式，将矩阵等式扩展为：

其中使用等式5分别从信号形式d₁[n]和d₂[n]形成子矩阵A₁和A₂。未知信号能量的矢量α已经重新定义为由矢量γ和β构成，使得信号i的实际信号形式的能量可以估计为α_i＝γ_i+β_i。使用与用于求解之前的矩阵等式(等式4)的那些方法相同的方法来求解新的线性等式系统。应注意，该方法考虑到信号形式可能是来自可以表示为两个信号形式d₁[n]和d₂[n]的线性组合的可能信号形式的连续体的可能性。

因此，该方法允许表示实际上不限数目的信号形式。

4.在方法3的进一步变化中，多个信号形式的每个信号形式的分解为正好两个信号形式的线性组合的过程可被扩展到一般情况，其中多个信号形式可以分解为任意数目的信号形式的线性组合。矩阵A和信号能量矢量α相应地增大。

示例

通过将检测器14与屏蔽室中的测试物品12定位，测试装置10。检测器14是SAIC(商标)PELAN检测器的形式。

示波器用于确定来自脉冲整形放大器16的输出脉冲将保持在脉冲处理模块18的ADC的输入级的±1伏范围内。图17中示出了使用脉冲处理模块18收集的来自检测器14的数字化输出的代表性部分。关于脉冲整形放大器16的设置对于所有示例保持恒定：1μs脉冲整形；5×0.5的增益；以及单极脉冲形状。

安排5个实验环境来评价在各条件的范围下的脉冲处理的性能。在表1中展现实验变量。对于第一数据收集实验，仅仅水泡存在于检测器14的前面，但是在随后的实验中，为了使得光谱更加有趣，添加了“多聚(poly)”目标。

表格1：对于从检测器14的数据收集的实验配置

A	水	60kV	0.5×108	1000文件
					B	水和多聚	60kV	0.5×108	1000文件
C	水和多聚	70kV	1.0×108	1000文件
					D	水和多聚	80kV	1.0×108	296文件*
E	水和多聚	80kV	1.0×108	1000文件
					F	水和多聚	85kV	1.7×108	1000文件

*在实验D中，由于检测器14的过早关闭，数据收集提早终止。

分析的目的是为每个源配置确定辐射能量光谱。

以离线方式执行分析，其中记录的数据“播放(play)”到处理模块18中，并且脉冲处理的输出用于产生在计算机20上显示的能量光谱。在图8中图示分析处理，图8还示出了分析的中间步骤。

在图18中描绘来自脉冲处理模块18的各个阶段的数据。从顶部到底部，存在有：(i)来自以14比特精度和26.25MHz的数字化率运行的AFE 94的输出：图示了大约381μs的数字化检测器数据；(ii)由垂直线指示的脉冲定位阶段的输出，该脉冲定位阶段识别每个伽马射线衰变的时间位置；(iii)在所有伽马衰变的能量被估计的情况下，脉冲识别阶段的输出，该输出被示出为重叠在原始系统输入数据上，该输出图示脉冲处理模块18的堆积恢复功能，从而甚至可以精确地表征多个堆积脉冲；以及(iv)验证阶段的输出，该输出用于确定估计的所有信号参数的精确度：识别验证信号中大的峰值，如在样本8300处看到的峰值，并且丢弃非精确信号估计。

除了执行脉冲处理外，还需要确定数据的哪些部分是在检测器14的中子源接通的情况下记录的，以及哪些部分是在该源关闭的情况下记录的。在实验设置中，不可得到这种同步数据，所以基于对中子源占空因数(10μs接通和90μs关闭)的了解，检查数据以便确定源是接通还是关闭。然而，在缺乏同步信号时，该分配易受误差影响，并且可以导致以下问题：

1.当源关闭时，信号分配到源接通：然而，由于在当源接通时的间隔期间的检测数目远大于当源关闭时的检测数目，所以不太可能存在“源接通”光谱的显著劣化；并且

2.当源接通时，信号分配到源关闭：这种类型的错误分配更可能导致“源关闭”光谱的劣化。很可能将存在额外的伪检测，所以特征分辨率不如可获得同步信号时的特征分辨率那样好。

实验结果

以表1中呈现的各种目标配置和中子强度，执行了6个实验。对于每个实验，在脉冲整形放大器16的输出处记录数据。对于每个实验，记录了1000个数据文件，其中每个文件包含260,000个数据样本，或者26.25MHz采样率的大约9.9ms的数据。因此，为每个实验记录总共刚好少于10秒的数据。

在图19到图25中呈现在示例A、B、C、E和F期间收集的处理数据的结果。这些图示出为5个实验的每一个产生的能量光谱，所述能量光谱绘制为计数对信道号。(来自示例A、B、C、E和F)的5个光谱在每个情况下重叠，使得可以观察到光谱之间的差别。在一些情况下，光谱被附加地根据实验标记。图19到图21是组合的伽马射线能量光谱；这些光谱包含从中子源接通时到中子源关闭时的贡献。图22和图23是在中子脉冲期间收集的光谱，而图24和图25中图示了在中子脉冲之间收集的光谱。

具体地，图19是“源接通”和“源关闭”两者的整个能量光谱。图20是“源接通”和“源关闭”两者的低能量光谱。图21是“源接通”和“源关闭”两者的高能量光谱。

图22是对于“源接通”光谱的低能量光谱。图23是对于“源接通”光谱的高能量光谱。图24是对于“源关闭”光谱的低能量光谱。图25是对于“源关闭”光谱的高能量光谱。

在这些图中呈现的数据展示了装置10的性能。脉冲处理模块18的吞吐量性能在图20和图21中特别明显：检测器中计数记录从20kHz到刚好超过40kHz的倍增产生了能量峰的高度的类似增加。这支持这样的观察：脉冲处理模块18维持高吞吐量，具有由于脉冲堆积产生的较少的脉冲丢失。

脉冲处理模块18的死时间性能由图26图示。从顶部到底部，图26示出：(i)在示例F(参照图17)期间从检测器14接收的输入数据流，其具有很多脉冲堆积迹象；(ii)脉冲定位输出；(iii)脉冲识别输出；以及(iv)验证误差信号。图26示出脉冲堆积如何被精确地估计为两个脉冲的和以及确定的相关能量(在图示示例中，脉冲之间延迟仅1.7μs)。

根据本发明的另一实施例，提供了一种在图27中以280示意性图示的货物筛选装置，其中运送负载284的卡车282(从卡车282的后面观看)要被筛选。装置280在许多方面类似于图1的装置10，并且相同的参考标号用于标识相同的特征。

然而，装置280与图1的装置10的不同之处在于具有脉冲中子源286和分离的伽马射线检测器288。这允许要检查的货物或负载284位于中子源286和检测器288之间。

检测器288的输出经由同轴电缆22a馈送到脉冲整形放大器16中。中子源286输出同步信号，该同步信号经由数据电缆22d传输到脉冲处理模块18，这允许，如果希望，根据中子源286是接通还是关闭分别分析来自检测器288的信号。

图28是通过根据本发明的另一实施例的中子激活技术的用于违禁品(诸如毒品、化学制品和爆炸物)的检测的筛选系统290的示意图(示出有要检查的物品，在该示例中以手提箱292的形式)。筛选系统290单侧的，具有适于位于手提箱292的相同侧的辐射源294和辐射检测器296。在该示例中，辐射源294包括电子中子发生器(ENG)，尽管在其它实施例中，其可能包括诸如AmBe源或Cf 252源的同位素源。ENG的中子输出可以显著地高于同位素源的中子输出，并且还作为更安全的中子源可以当不使用的时候关闭。在ENG中通过电加速氘离子到氚或氘靶298来产生中子。还可能以高达几十kHz的速率给ENG 294提供脉冲，这可能可用于分析随后中子或伽马射线通量的时间分布。ENG 294包括电子设备子系统300，用于控制ENG 294的操作，包括其中子的产生和其故障安全系统两者的操作。

在使用中，ENG 294等方向地发射中子，并且中子与手提箱292相互作用。这些中子与手提箱292的构成元件相互作用，并且通过辐射检测器296检测辐射通量。辐射包括后向散射中子和伽马射线，并且检测器296包括中子检测器和伽马射线检测器两者。在另一实施例中，检测器296根据应用可以仅包括中子检测器或仅包括伽马射线检测器。

筛选系统290还包括ENG 294和辐射检测器296之间的屏蔽302，用于降低还没有与手提箱292相互作用的源辐射的直接检测。筛选系统290包括：放大器304，用于放大由检测器296输出的信号；以及检测电子装置306，用于根据图9的实施例的用于脉冲堆积恢复的信号处理方法接收和处理放大信号。

筛选系统290还包括稳定臂308，用于在测量期间支撑系统290。取决于检查的物品、该物品中存在的违禁品的量以及被认为可接受的测量可靠性，这样的测量可能花费2到5分钟。例如，检测位于距该设备30cm的手提箱中的1kg的爆炸物TNT可能花费5分钟，而检测更大质量的TNT(诸如5kg)可能仅花费2分钟。

在本实施例中，检测器296包括锗酸铋(BGO)闪烁检测器，其中光电阴极结合光电倍增管用于将由于检测到的辐射事件而发射的光转换为光电子，光电子容易(通过检测电子装置306)放大和处理。BGO检测器具有以下优点：具有好的辐射透射能力(hardness)、对于进入辐射事件的高检测效率(由于其高密度和高Z值)以及机械强度。然而，由于基于BGO闪烁体的检测系统可能具有大约3μs的死时间(其中，死时间是一个衰变的检测之后的时段，在该时段期间不可能精确地检测任何随后的衰变)，所以BGO检测器具有带有300ns的衰减时间的闪烁光输出。如果在死时间内出现两个衰变，则它们相互在顶部堆积，并且不能精确地确定每个衰变的能量。当这出现时，必须丢弃所有的堆积衰变，以便确保得到的能量光谱没有被破坏。

图29a和图29b是对于筛选系统290(绘制为在320a和320b的星号)和对于修改为包括传统数据处理的筛选系统290(绘制为在322a和322b的圆圈)，计算的检测器百分比吞吐量，即，没有受脉冲堆积影响的进入辐射事件的计算的检测器百分比吞吐量相对于输入计数率的图示。在两种情况下，筛选系统290的死时间假设为3μs。在80kHz的输入计数率处，当采用传统数据处理时，明显的是(见图29a中的点324)碰撞在检测器296上的所有衰变的大约40％将由于脉冲堆积而丢失。

图30对于筛选系统290(绘制为在320c的星号)和对于修改为包括传统数据处理的筛选系统290(绘制为在322c的圆圈)绘制了相同的数据，但是被绘制为输出计数率(9kHz)相对于输入计数率(kHz)。用虚线示出理想的限制(即，吞吐量等于输入的情况)。显而易见，迅速到达这样的计数率(见点330)，在该计数速率，进入计数率的进一步增加不会增加检测到的衰变的数目。BGO检测器具有固定的死时间，所以随着输入计数率增加，堆积的可能性变得更大；这是因为，随着输入计数率增加，必须丢弃并且不能使用被脉冲堆积破坏的数据。

参照图29a，在使用传统数据处理的筛选系统290具有40％的死时间的输入计数率处(即80kHz)，根据本实施例的筛选系统290具有大约98％的吞吐量(见点326)。结果，对于分析的特定物品和ENG 294中子输出通量，将减少违禁品的检测所需的时间。因此，预期将在小于传统数据处理情况下所需时间的65％的时间内完成物品的筛选，诸如，在上述情景中用于1kg的TNT爆炸物的3.25分钟和用于5kg的TNT爆炸物的1.33分钟。

此外，筛选系统290可以用比在传统闪烁检测器(诸如BGO)和传统电子设备的情况下可能的计数率显著更高的计数率运行。图29a和图29b示出，即使以800kHz的输入计数率，由筛选系统290实现的百分比吞吐量中也仅存在小的降低。例如，在800kHz的输入计数率处(点328)，吞吐量保持大于85％。

如果为ENG 294选择操作点，使得到检测器296的输入计数率是800kHz，则将可能进一步减少针对爆炸物或其它违禁品检查手提箱292所需的时间；从这些结果预期1kg的TNT爆炸物可被在大约30秒中检测到，而5kg的TNT爆炸物可被在少于20秒中检测到。

图31是双侧筛选系统340(描绘接受检查的物品342，在该示例中以卡车344的车架上的运输集装箱的形式)的替代实施例的示意图。

筛选系统340包括筛选入口346(包括第一和第二侧壁348a、348b)，要检查的物品342通过该入口346。第一壁348a包括第一辐射源350a，设置该第一辐射源350a以便通常从上面以扇形辐射浸泡(bath)接受检查的物品342。第二壁348b包括第二辐射源350b，设置该第二辐射源350b以便通常从下面以扇形辐射浸泡接受检查的物品342。辐射源350a、350b可以包括伽马射线辐射源、或者伽马射线源和中子源或X射线源。在本示例中，每个辐射源350a、350b包括准直的1.0居里铯137(Cs137)源或者准直的钴60(Co60)源，Cs137源发射661.6keV伽马射线，Co60源发射1173.2keV伽马射线和1332.5keV伽马射线。

筛选系统340包括第一和第二两个检测器阵列352a、352b，检测器阵列352a、352b分别位于第一和第二入口壁348a、348b中，并且安排检测器阵列352a、352b来检测来自辐射源350a、350b的后向散射辐射和传输辐射。检测器阵列352a、352b中的每个阵列包括256碘化钠(NaI)闪烁体检测器；这些NaI闪烁体检测器中的每一个具有1.125平方尺寸(28.6平方毫米)的前向面，并且连接到各个光电倍增管(未示出)。来自光电倍增管的信号输入检测电子装置(未示出)，该检测电子装置根据图9的实施例的用于脉冲堆积恢复的信号处理方法处理放大的信号。

每个检测器记录通过集装箱342，或者从集装箱342反射回来之后与它相互作用的辐射通量。当卡车344通过入口346时，分片建立图像；图像可以是传输图像或后向散射图像，其中检测器阵列352a、352b中的每个检测器提供垂直分辨率的一个像素。

作为检测器阵列352a、352b的检测器的闪烁材料的碘化钾(NaI)具有相当好的能量分辨率和停止功率，并且相对便宜，但是碘化钾具有带有240ns的衰减时间的闪烁光输出。由于该衰减时间的长度，基于NaI闪烁体检测器系统可能具有大约5μs的死时间。如果将能量窗口置于由辐射源发射的主伽马射线的能量周围(诸如，对于Cs 137源的661.6±15％的窗口)，以便排除背景和改进信噪比，堆积可能导致两个衰变被丢弃，这是由于它们落在该窗口之外。

图32是对于筛选系统340(绘制为在360的星号)和对于修改为包括传统数据处理的筛选系统340(绘制为在362的圆圈)计算的检测器百分比吞吐量，即，没有受脉冲堆积影响的进入辐射事件的计算的检测器百分比吞吐量相对于输入计数率的图示。在两种情况下，筛选系统340的Na I检测器的死时间假设为5μs。

很明显，在80kHz的输入计数率处，当采用传统数据处理时，碰撞在检测器296上的所有衰变的大约60％由于脉冲堆积而丢失(参考点364)。然而，筛选系统340具有大于98％的吞吐量(参考点366)。结果，使用筛选系统340以相同的输入计数率扫描集装箱342，可以在使用传统数据处理所需的时间的45％的时间内完成该扫描；也就是说，预期120秒描述可以在大约54秒内完成。

此外，筛选系统340可以用比使用例如NaI闪烁检测器的传统系统的可能的计数率显著更高的计数率运行。参照图23，在800kHz的输入计数率处，由于筛选系统340中的脉冲堆积的输入衰变丢失量仅仅约10％(参考点368)。结果，将可能增加使用80kHz的输入计数率的扫描为使用800kHz的输入计数率，将扫描集装箱342所需的时间减少10倍。这与80kHz的输入计数率相比有一些吞吐量的损失(即，从约98％到约90％)，但是相对于80kHz的传统处理的40％吞吐量仍有1.45倍的改进(由于90％/40％＝1.45)。因此，通过采用更高计数率的筛选系统340，可以实现大约1.45×10＝14.5或者至少一个量级的扫描速度的总的增加。

本发明的范围内的修改可以容易地由本领域的技术人员实现。因此，要理解的是本发明不限于以上通过示例的方式描述的特定实施例。

在所附权利要求和本发明之前的描述中，除了上下文由于表述语言或需要的暗示另外要求的地方外，词语“包括(comprise)”或其变体(诸如“包括(comprises)”或“包括(comprising)”)以包含的含义使用，即，指定陈述的特征的存在，但是不排除本发明的各种实施例中的进一步的特征的存在和添加。

此外，在此对于现有技术的任何引用不意在暗示这样的现有技术形成或已形成公知常识的一部分。

Claims

1.一种筛选方法，包括：

用激发辐射照射要筛选的对象；

通过(i)确定所述数据中存在的信号的信号形式，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少从所述信号形式和所述参数估计确定所述信号中的每个信号的能量，来分解检测器输出数据中的各个信号；

2.如权利要求1所述的方法，其中所述各个信号的分解包括：

3.如权利要求1所述的方法，其特征在于，75kHz或更大的感兴趣的所述伽马射线的辐射检测器上的入射通量。

4.如权利要求1所述的方法，其特征在于，对于50kHz的输入计数率的大于90％的数据吞吐量。

5.如权利要求1所述的方法，其特征在于，对于25kHz和250kHz之间的输入计数率的大于90％的数据吞吐量。

6.如权利要求1所述的方法，其特征在于，对于25kHz的输入计数率的大于95％的数据吞吐量。

7.如权利要求1所述的方法，其特征在于，对于25kHz和100kHz之间的输入计数率的大于95％的数据吞吐量。

8.如权利要求1所述的方法，其特征在于，对于250kHz的输入计数率的大于80％的数据吞吐量。

9.如权利要求1所述的方法，其特征在于，对于250kHz和2500kHz之间的输入计数率的大于50％的数据吞吐量。

10.一种筛选装置，包括：

辐射源，用于照射要筛选的对象；

处理器，用于以数字化形式接收检测器数据，并且所述处理器被编程为确定数据中存在的每个信号的信号形式，进行信号的一个或多个参数的参数估计，并且至少从信号形式和参数估计确定每个信号的能量，其中所述一个或多个参数至少包括信号时间位置；

11.如权利要求10所述的装置，其中所述处理器：

被编程为以数字时间序列的形式获得所述检测器输出数据，并且基于数字时间序列形成数学模型，并且作为至少信号形式、所述信号的时间位置和所述信号的幅度的函数；

其中确定所述信号的每个信号的能量包括基于所述数学模型确定所述信号的幅度，所述幅度指示辐射事件。

12.如权利要求10所述的装置，其中辐射源和辐射检测器相邻地设置，使得辐射检测器检测从对象反射或后向散射的辐射。

13.如权利要求10所述的装置，其中辐射源和辐射检测器是分离的或可分离的，使得辐射检测器检测从对象传输或前向散射的辐射。

14.如权利要求10所述的装置，包括货物筛选装置。

15.如权利要求10所述的装置，包括爆炸物检测装置。

16.如权利要求10所述的装置，包括集装箱筛选装置或筛选入口。

17.一种用于筛选一个物体或多个物体中的化学元素的方法，包括：

收集来自筛选装置的辐射检测器的检测器输出数据；

通过(i)确定所述数据中存在的信号的信号形式，(ii)进行所述信号的一个或多个参数的参数估计，其中所述一个或多个参数至少包括信号时间位置，以及(iii)至少从所述信号形式和所述参数估计确定所述信号中的每个信号的能量，来分解检测器输出数据中的各个信号；以及

18.如权利要求17所述的方法，其中所述各个信号的分解包括：

19.一种筛选方法，包括：

用激发辐射照射要筛选的对象；

通过(i)获得或表示检测器输出数据作为数字序列，(ii)获得或确定数据中存在的信号的信号形式，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(vi)根据模型对函数输出进行建模，(vii)基于该模型确定该函数输出的至少一个参数，以及(viii)从该函数输出的至少一个确定的参数确定信号的参数，来分解检测器输出数据中的各个信号；

20.一种筛选装置，包括：

辐射源，用于照射要筛选的对象；

21.一种用于筛选一个物体或多个物体中的化学元素的方法，包括：

收集来自筛选装置的辐射检测器的检测器输出数据；

通过(i)获得或表示检测器输出数据作为数字序列，(ii)获得或确定数据中存在的信号的信号形式，(iii)通过根据数学变换来变换信号形式，形成变换的信号形式，(iv)通过根据数学变换来变换数字序列，形成变换的序列，所述变换的序列包括变换的信号，(v)估计至少变换的序列和变换的信号形式的函数，从而提供函数输出，(vi)根据模型对函数输出进行建模，(vii)基于该模型确定该函数输出的至少一个参数，以及(viii)从该函数输出的至少一个确定的参数确定信号的参数，来分解检测器输出数据中的单个信号；