CN102073060B - 核信号随机特性模拟方法 - Google Patents

Abstract

本发明公开了一种核信号随机特性模拟方法，包括DSP数字信号处理器、探测器、信号处理模块、多道数据采集分析模块、电源管理模块、多通道模拟信号输出模块、人机接口等模块；所述DSP数字信号处理器与多道数据采集分析模块、多通道模拟信号输出模块及人机接口相连，另外还与计算机相连；所述信号处理模块分别与多道数据采集分析模块和探测器相连；所述多道数据采集分析模块与DSP数字信号处理器相连。该模拟方法采用参数化模型，可以方便、灵活地对放射现场的核信号随机特性进行学习并通过随机抽样进行逼真模拟；可根据需要调整模型参数以适应不同放射性测量条件及现场环境下的核信号随机特性模拟；另外，也可产生多种波形的脉冲信号。该模拟方法产生的核随机信号满足了在核仪器与核信号处理方法研究中对核信号多样化的要求。

Description

核信号随机特性模拟方法

技术领域

本发明涉及一种对核信号的随机特性进行模拟的方法。

背景技术

在进行数字化核信号处理方法和核仪器研究中，处理方法与设备性能的可靠性都是建立在对大量核信号分析的基础上才能得到保证。核信号可以借助放射源产生，而在实际的工作环境中，放射源的使用往往受到工作场地、时间等条件的限制；特别是，长时间的射线照射会对工作者的身体健康带来严重影响。因此，模拟产生丰富多样的核随机信号就显得非常必要。

由于放射性核素衰变的随机性，探测器中产生的电离、激发、光电转换及电子倍增等也是随机的。核辐射探测器的电输出信号的随机特点，主要表现为脉冲幅度和相邻脉冲的时间间隔的随机性。目前的核随机信号发生器对这种随机特性进行模拟时，或者简单设计为单一的均匀分布、高斯分布、指数分布、多项式分布及泊松分布等基本分布，或者设计为这些基本分布的简单组合，而实际上核信号的随机特性往往较为复杂，用为数不多的基本分布加以描述是不准确的，难以满足随机特性的灵活性和多样性要求。另外，目前的核随机信号发生器并未对测试条件或环境-如探测器的分辨率、放射现场、谱漂移等-加以考虑。因此，由这些信号发生器提供给谱仪的脉冲信号其随机性具有单一和不灵活的特点，同时也不能对放射性现场进行逼真模拟。

发明内容

本发明的目的在于公开一种对核信号的随机特性进行模拟的方法。该方法克服了上述不足。

本发明解决其技术问题所采用的技术方案是：

本发明所涉及的一种对核信号随机特性进行模拟的方法，采用参数化模型，可以方便、灵活地对放射现场的核信号随机特性进行学习并通过随机抽样进行逼真模拟；可根据需要调整模型参数以适应不同放射性测量条件及现场环境下的核信号随机特性模拟，例如，可通过调整参数以模拟由探测器分辨率和辐射强度的变化以及核能谱漂移等因素带来的统计特性的变化；另外，也可产生多种波形的脉冲信号。该模拟方法产生的核随机信号满足了在核仪器与核信号处理方法研究中对核信号多样化的要求。所述核信号随机特性模拟方法，其特征在于：包括DSP数字信号处理器、探测器、信号处理模块、多道数据采集分析模块、电源管理模块、多通道模拟信号输出模块、人机接口(含液晶显示器和键盘)等硬件模块；其特征在于：还包括参数化模型的软件模块。所述DSP数字信号处理器与多道数据采集分析模块、多通道模拟信号输出模块及人机接口(含液晶显示器和键盘)相连，另外还与计算机相连；信号处理模块分别与多道数据采集分析模块和探测器相连；所述多道数据采集分析模块与DSP数字信号处理器相连。

1、按照本发明提供的核信号随机特性模拟方法，其特征在于：采用了高性能的DSP数字信号处理器，将控制与数值计算功能融为一体。

2、按照本发明提供的核信号随机特性模拟方法，其特征在于：DSP与多通道模拟信号输出模块相连。

3、按照本发明提供的核信号随机特性模拟方法，其特征在于：置有探测器通道，含信号处理模块、多道数据采集分析模块。

4、按照本发明提供的核信号随机特性模拟方法，其特征在于：有a、γ及x三种射线探测通道，探测通道电路板采用分离式插接。

5、按照本发明提供的核信号随机特性模拟方法，其特征在于：置有与计算机连接的接口。

6、按照本发明提供的核信号随机特性模拟方法，其特征在于：置有键盘和LCD人机接口。

7、按照本发明提供的核信号随机特性模拟方法，其特征在于：还包括参数化模型的软件模块：

(1)通过探测器通道对放射现场的核脉冲幅度和相邻脉冲时间间隔进行不间断统计；

(2)利用小波分析方法对所得的脉冲幅度和相邻脉冲时间间隔的统计特性进行分解，提取多分辨率模型；

(3)模拟时，对多分辨率模型进行分解，运用正态组合对所得的多分辨率模型再次建立参数化统计模型，并采用随机抽样产生核随机信号；

(4)为了对探测器通道中高速A/D转换器采集的大量量化数据进行再现，采用了小波压缩技术，节省了存储空间。

(5)通过对正态组合模型的参数调整以模拟由探测器分辨率和辐射强度的变化等因素带来的统计特性的变化；

(6)可以用隐MARKOV双重模型对由环境引起的能谱漂移进行模拟：即用模拟环境条件的状态转移模型对高斯组合模型的参数进行调整，用正态组合抽样实现。

本发明的有益效果是：

采用了高性能的DSP数字信号处理器，将控制与数值计算功能融为一体，可以从放射现场实时获取测量的数据，经高速信号处理提取核信号的脉冲幅度和相邻脉冲时间间隔的参数化统计模型，这一过程称为学习过程；据参数化统计模型产生脉冲信号以模拟所测的放射现场，还可以通过统计模型的参数调整以模拟由探测器分辨率和放射现场的变化以及核能谱漂移等因素带来的统计特性的变化，产生丰富多样的统计模型，以满足谱仪对核信号随机特性的多样化要求，同时节省了存储空间，提高了灵活性。另外，DSP的高效控制功能可以快速地与人机接口(含液晶显示器和键盘)及计算机通讯，以便从计算机下载能谱及时间间隔统计数据，同时液晶显示器能实时显示能谱的统计涨落过程，键盘可以用来进行参数的设置。在波形输出上，采用了脉冲、高斯、指数等多通道，以满足谱仪对核信号波形多样化的要求。在结构上，采取了探测器通道电路板与DSP主板分离的方式，方便了a、γ及x三种射线测量电路板的互换，也使仪器更为紧凑。

附图说明

图1为本发明提供的核信号随机特性模拟方法的模块连接原理图。

具体实施方式

下面结合附图对本发明作进一步的描述：

图1为本发明提供的核信号随机特性模拟方法的模块连接原理图。如图中所示，所述核信号随机特性模拟方法，其特征在于包括：DSP数字信号处理器、探测器、信号处理模块、多道数据采集分析模块、电源管理模块、多通道模拟信号(含高斯、指数、矩形脉冲信号)输出模块、人机接口(含液晶显示器和键盘)等模块。

所采用的DSP数字信号处理器每秒可以执行数亿次指令，多级流水线，数十个可编程通用输入/输出(GPIO)引脚，可达数兆字节的线性程序/数据地址，具有高效的数字信号处理功能和控制功能，将控制与数值计算功能融为一体。DSP数字信号处理器与探测器通道-即探测器、信号处理模块和多道数据采集分析模块组成的通道-相连，可以实时获取所测对象或环境的数据-即核信号的脉冲幅度统计特性(能谱)和相邻脉冲时间间隔的统计特性。运用DSP数字信号处理器建立参数模型的过程是一个现场信息的收集与学习过程，其方法如下：

(1)通过探测器通道对放射现场的核脉冲幅度和相邻脉冲时间间隔进行不间断统计。

(2)利用小波分析方法对所得的脉冲幅度和相邻脉冲时间间隔的统计特性进行分解，提取多分辨率模型：

设核信号的统计特性服从f(t)密度分布，采用多分辨率方法进行随机特性模型参数的提取，就是将各子频带的重要小波系数作为f(t)的模型参数，由这些参数重构的密度函数

作为f(t)的近似，只要参数合理，就可以达到任意的近似精度。

首先，给定允许的二范数相对误差e₀，选取比例系数λ(0≤λ≤1)，并按下式

设定各频带下的阈值：

$T_j=\mathrm{\λ}\×\max \left\{\right|d_k^{\left(j\right)}\left|\right\},1\≤j\≤l---\left(1\right)$

${\mathrm{TA}}_l={\mathrm{\λ}}_a\×\max \left\{\right|a_k^{\left(l\right)}\left|\right\},{\mathrm{\λ}}_a=\mathrm{\λ}-1---\left(2\right)$

其中，T_j表示分辨率a＝2^j下的高频部分的阈值，TA_l表示分辨率a＝2^l下的低频部分的阈值，max{|d_k ^(j)|}表示该分辨率下小波变换高频系数的最大绝对值，l为小波分解层数；max{|a_k ^(l)|}表示经l层分解最后得到的小波低频系数的最大绝对值。

f(t)的小波高频系数经l层阈值处理后，变为：

第l层低频系数经阈值处理后，变为：

${\hat{a}}_k^{\left(l\right)}=\left\{\begin{array}{cc}{a}_k^{\left(l\right)}& \left|a_l^{\left(l\right)}\right|>{\mathrm{TA}}_l\\ 0& \left|a_k^{\left(l\right)}\right|\≤{\mathrm{TA}}_l\end{array}\right.---\left(4\right)$

由处理后的高频低频系数重构f(t)的近似

然后，计算二范数相对误差：

其中，

与fi分别为

与f(t)的元素。当e≤e₀时，说明逼近误差满足要求，否则，减小比例系数λ继续以上计算。在这里，由滤波器系数(f、g)和小波非零系数d构成的向量[f，g，d]就称为多分辨率模型。

模拟时，运用高斯函数的组合对所得的多分辨率模型再次建立参数化统计模型，并采用随机抽样产生核随机信号，其方法如下：

(1)对多分辨率模型进行分解。

(2)用高斯函数的组合建立参数化统计模型：

①将分解后的信号F(i)(i＝1…N)按下式作归一化处理。

$f\left(i\right)=F\left(i\right)/\underset{i=1}{\overset{N}{\mathrm{\Σ}}}F\left(i\right),(i=1\·\·\·N)---\left(6\right)$

②将归一化后的信号f(i)(i＝1…N)用正态分布的组合表示，并得到近似信号f′(i)(i＝1…N)：

$f^{\′}\left(i\right)=s\underset{j=1}{\overset{M}{\mathrm{\Σ}}}f\left(\mathrm{sj}\right)p_j\left(i\right)=\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{sf}\left(\mathrm{sj}\right)p_j\left(i\right),(i=1\·\·\·N)---\left(7\right)$

其中：s＝N/M。

$p_j\left(i\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp [-\frac{1}{2{\mathrm{\σ}}^2}{(i-\mathrm{sj})}^2],(i=1\·\·\·N,j=1\·\·\·M)---\left(8\right)$

实际上，可计算得：

$\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{sf}\left(\mathrm{sj}\right)=1---\left(9\right)$

(3)采用随机抽样产生核随机信号

将(7)式的正态组合表示为 $f\left(x\right)=\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{P}_n{f}_n\left(x\right),$ 其中 $P_n\≥0,\underset{n=1}{\overset{M}{\mathrm{\Σ}}}{P}_n=1,$ f_n(x)为与参数n有关的正态分布密度函数，n＝1，2，...。

首先，抽样确定n′；

然后，由f′_n(x)中抽样x，即：

$X_f=X_{f_n},$ 当F_n′-1≤ε＜F_n′    (10)

其中 $F_{n^{\′}}=\underset{n=1}{\overset{n^{\′}}{\mathrm{\Σ}}}{P}_n,$ 并规定F₀＝0。f_n(x)采用变量替换法抽样。

模型参数化带来的好处在于：只用极少的参数就可以表达原始信号的统计特性，不必对测量中每一时刻的幅值和脉冲时间间隔作记录，大大节省了存储空间(只需原始信息量的1/100)；用正态组合抽样实现对原始信号的模拟，模拟产生的核信号的脉冲幅度统计特性(能谱)和相邻脉冲时间间隔的统计特性得到逼真再现，同时核信号的统计涨落过程也得到逼真再现。

通过对(7)式高斯组合模型的参数调整以模拟由探测器分辨率和辐射强度的变化等因素带来的统计特性的变化；并可以用隐MARKOV双重模型对由环境引起的能谱漂移进行模拟：即用模拟环境条件的状态转移模型对高斯组合模型的参数进行调整，用正态组合抽样实现。

另外，为了对探测器通道中高速A/D转换器采集的大量量化数据进行再现，采用了小波压缩技术，节省了存储空间。

通过以上方法，实现了仪器对放射性对象或环境随机特性的智能化获取与再现。

DSP数字信号处理器与人机接口LCD显示器和键盘相连。通过LCD可以显示能谱的统计涨落过程，同时配合键盘便于参数的设置。在电路上，LCD和键盘与DSP的GPIO口相连。

DSP数字信号处理器与多通道模拟信号输出通道相连，可以输出高斯脉冲、指数脉冲及矩形脉冲3种信号，满足了核仪器对信号波形的多样化要求。用键盘进行波形的设置，电路上由DSP的GPIO口对通道选择模拟开关进行控制。脉冲输出通道采用16位高速D/A转换器，并设有平滑滤波电路。D/A转换时，DSP根据核信号的脉冲幅度和相邻脉冲时间间隔的统计特性模型随机产生脉冲幅度和脉冲间隔时间，再由所设置的脉冲波形计算每次D/A转换的输入数字量，并通过DSP芯片事件管理器(EV)对D/A转换进行控制，转换后的模拟信号经平滑滤波电路后输送出。

DSP数字信号处理器与计算机相连。通过计算机上的分析软件可对数据作进一步的处理，同时也可将计算机上已有的脉冲幅度和相邻脉冲时间间隔的统计特性数据下载到DSP模块的存储器中，以作学习或模拟随机特性使用。在电路连接上，DSP处理器的SCI串行通讯线通过电平转换电路后与计算机相连。

为了获取所测对象或环境的核辐射数据(这一过程为学习过程)，本发明提供的核信号随机特性模拟方法还设置有探测器通道。在结构上，采用了分离式的a、γ及x射线测量电路板，即在进行γ射线测量时，将γ射线电路板与DSP主板进行插接；同理，在进行x(a)射线测量时，将x(a)射线电路板与DSP主板进行插接。采用这样的结构使得仪器更为紧凑，也方便了探测通道的单独开发，提高了互换性。在进行能谱测量时，由于射线与物质的相互作用会发生电磁辐射，通过探测器把辐射转换为微弱的电信号，电信号通过后续电路进行整型放大，使之成为电脉冲信号后进入多道数据采集分析模块。多道数据采集分析模块在DSP处理器的控制下进行工作，把不同幅度的模拟信号转换为对应的数字信号，即道址，并记录脉冲数，以形成核信号的能谱，即脉冲幅度随机特性；同时，DSP处理器对脉冲间隔时间作量化，转换为数字量并进行统计，以形成核信号的时间随机特性。接下来，DSP就可对所获得的脉冲幅度及时间间隔随机特性建立参数化统计模型，完成一次(信息)数据搜集。

本实施方案克服了目前核随机信号发生器产生的脉冲信号随机性单一、不灵活及不逼真的局限，可以通过学习功能现场获取实际信号的随机特性，并对随机特性建立参数化模型。通过模型产生随机信号以再现原放射现场，也可通过参数调整灵活地模拟不同环境和测量条件。可以通过计算机将已有的数据下载到仪器中，以供仪器形成参数化模型库。该模拟方法产生的核随机信号满足了在核仪器与核信号处理方法研究中对核信号多样化的要求。

虽然结合附图描述了本发明的实施方式，但是本领域普通技术人员在所附权利要求的范围内不需要创作性劳动就能作出的各种变形或修改仍属本专利的保护范围。

Claims (2)

1.核信号随机特性模拟方法，其特征在于，是按如下步骤①②完成的：

①采用DSP数字信号处理器对放射现场建立参数模型，包含如下步骤A和B：

A通过探测器通道对放射现场的核脉冲幅度和相邻脉冲时间间隔进行不间断统计，探测器通道是指由探测器、信号处理模块和多道数据采集分析模块组成的通道；

B利用小波分析方法对所得的脉冲幅度和相邻脉冲时间间隔的统计特性进行分解，提取多分辨率模型，多分辨率模型是指由小波分解时的滤波器系数f、g和小波非零系数d构成的向量[f，g，d]；所述提取多分辨率模型是按如下步骤(a)-(c)完成的：

(a)首先，给定允许的二范数相对误差e₀，选取比例系数λ，其中0≤λ≤1，设定各频带下的阈值

$T_j=\mathrm{\λ}\×\max \left\{\right|d_k^{\left(j\right)}\left|\right\},1\≤j\≤l---\left(1\right)$

${\mathrm{TA}}_l={\mathrm{\λ}}_a\×\max \left\{\right|a_k^{\left(l\right)}\left|\right\},{\mathrm{\λ}}_a=\mathrm{\λ}-1---\left(2\right)$

其中，T_j表示分辨率a＝2^j下的高频部分的阈值，TA_l表示分辨率a＝2^l下的低频部分的阈值，

表示该分辨率下小波变换高频系数的最大绝对值，l为小波分解层数，

表示经l层分解最后得到的小波低频系数的最大绝对值；

统计特性f(t)的小波高频系数经l层阈值处理后，变为：

第l层低频系数经阈值处理后，变为：

${\hat{a}}_k^{\left(l\right)}=\left\{\begin{array}{cc}{a}_k^{\left(l\right)}& \left|a_k^{\left(l\right)}\right|>{\mathrm{TA}}_l\\ 0& \left|a_k^{\left(l\right)}\right|\≤{\mathrm{TA}}_l\end{array}\right.---\left(4\right)$

由处理后的高频低频系数重构f(t)的近似

(b)然后，计算二范数相对误差，

其中，

与f_i分别为

与f(t)的元素；

(c)当e≤e₀时，说明逼近误差满足要求，否则，减小比例系数λ继续以上计算；

②随机抽样产生随机信号以模拟核信号随机特性。

2.根据权利要求1所述的核信号随机特性模拟方法，其特征在于：所述②中随机抽样产生随机信号以模拟核信号随机特性，是按如下步骤A-C完成的：

A对多分辨率模型进行分解；

B用高斯函数的组合建立参数化统计模型，包含如下步骤(a)和(b)：

(a)将分解后的信号F(i)i＝1…N按下式作归一化处理：

$f\left(i\right)=F\left(i\right)/\underset{i=1}{\overset{N}{\mathrm{\Σ}}}F\left(i\right)i=1...N---\left(6\right)$

(b)将归一化后的信号f(i)i＝1…N用正态分布的组合表示，并得到近似信号f′(i)i＝1…N：

$f^{\′}\left(i\right)=s\underset{j=1}{\overset{M}{\mathrm{\Σ}}}f\left(\mathrm{sj}\right)p_j\left(i\right)=\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{sf}\left(\mathrm{sj}\right)p_j\left(i\right)i=1...N---\left(7\right)$

其中：s＝N/M；

$p_j\left(i\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}\exp [-\frac{1}{2{\mathrm{\σ}}^2}{(i-\mathrm{sj})}^2]i=1...N,j=1...M---\left(8\right)$

实际上，可计算得：

$\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{sf}\left(\mathrm{sj}\right)=1---\left(9\right)$

C采用随机抽样产生核随机信号，包含如下步骤：

将(7)式的正态组合表示为其中

f_n(x)为与参数n有关的正态分布密度函数，n＝1，2，...M；

(a)首先，抽样确定n′；

(b)然后，由f_n′(x)中抽样x，即：

$X_f=X_{f_{n^{\′}}},$ 当F_n′-1≤ε＜F_n′                  (10)

其中并规定F₀＝0；f_n′(x)采用变量替换法抽样。

Images