CN108535764A - 一种对多种脉冲的波形甄别算法 - Google Patents
一种对多种脉冲的波形甄别算法 Download PDFInfo
- Publication number
- CN108535764A CN108535764A CN201710128123.7A CN201710128123A CN108535764A CN 108535764 A CN108535764 A CN 108535764A CN 201710128123 A CN201710128123 A CN 201710128123A CN 108535764 A CN108535764 A CN 108535764A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- pulse
- time
- waveform
- pulses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/20—Measuring radiation intensity with scintillation detectors
- G01T1/2008—Measuring radiation intensity with scintillation detectors using a combination of different types of scintillation detectors, e.g. phoswich
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/20—Measuring radiation intensity with scintillation detectors
- G01T1/202—Measuring radiation intensity with scintillation detectors the detector being a crystal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/20—Measuring radiation intensity with scintillation detectors
- G01T1/203—Measuring radiation intensity with scintillation detectors the detector being made of plastics
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明属于辐射探测技术领域,涉及一种对多种脉冲的波形甄别算法。所述的波形甄别算法包括如下步骤:1)提取脉冲的5项特征信息,分别为:a)脉冲的峰值P;b)脉冲到达峰的时刻tp;c)达峰前脉冲幅度第一次到达或超过峰值十分之一的时刻tp01;d)tp时刻后t1~t2时间内脉冲幅度的平均值M0;e)tp时刻后t2~t3时间内脉冲幅度的平均值M1;2)根据步骤1)提取的5项特征信息,计算3个甄别参数;3)通过实验确定各种脉冲的所述的3个甄别参数的分布规律,确定甄别阈值,从而实现脉冲甄别。利用本发明的波形甄别算法,可以同时甄别多种脉冲,从而同时实现多种辐射粒子类型的甄别。
Description
技术领域
本发明属于辐射探测技术领域,涉及一种对多种脉冲的波形甄别算法。
背景技术
在辐射探测中,波形甄别技术常用于甄别粒子类型。一般地,不同类型的粒子入射到探测器中,产生的脉冲形状各不相同,通过波形甄别技术,能识别不同类型的脉冲形状,从而甄别粒子类型。近年来随着快速数模转换器(ADC)和现场可编程阵列(FPGA)硬件工艺的发展,波形甄别技术常借助数字信号处理系统完成,即先将脉冲信号用ADC采集,再用FPGA进行处理。
很多波形甄别算法都利用了脉冲的时域信息,即需要从时域脉冲形状中提取特征信息并生成甄别参数。这类算法主要可以分为两类:一类提取的特征量为特定时间内的脉冲的幅度信息,如电荷比较法和常时间甄别算法;另一类提取的是特定幅度范围内的时间信息,比如上升时间甄别算法和恒比甄别算法。当需要甄别的脉冲种类数量较少(一般不超过两种)时,可以使用这些算法;但如果需要甄别的脉冲种类较多时,这些算法往往效果不佳。
发明内容
本发明的目的是提供一种对多种脉冲的波形甄别算法,以解决现有技术的波形甄别算法只能甄别两种以下粒子及由其产生的脉冲的技术问题。
为实现此目的,在基础的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,所述算法包括如下步骤:
1)提取脉冲的5项特征信息,分别为:a)脉冲的峰值P;b)脉冲到达峰的时刻tp;c)达峰前脉冲幅度第一次到达或超过峰值十分之一的时刻tp01;d)tp时刻后t1~t2时间内脉冲幅度的平均值M0;e)tp时刻后t2~t3时间内脉冲幅度的平均值M1;
2)根据步骤1)提取的5项特征信息,计算式(1)所示的3个甄别参数,
其中f1和f2为脉冲的幅度信息,T0为脉冲的时间信息,f1表示峰的相对高度,f2表示脉冲后沿的下降速度,T0表示脉冲前沿的上升速度;
3)通过实验确定各种脉冲的所述的3个甄别参数的分布规律,确定甄别阈值,从而实现脉冲甄别乃至粒子甄别。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的多种脉冲为由叠层闪烁探测器产生。
叠层闪烁探测器是将多种发光衰减时间常数不同的闪烁体和一个光电倍增管(PMT)光学耦合在一起组成的探测器,所有闪烁体的闪烁光由同一个PMT输出。叠层闪烁探测器常用于粒子类型甄别。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的叠层闪烁探测器包括多层晶体及与多层晶体相连接的光电倍增管,所述的多层晶体用于沉积入射粒子,所述的光电倍增管用于放大经过所述的入射粒子在多层晶体中沉积后产生的不同形状的脉冲。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的叠层闪烁探测器中晶体的层数为3层。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的叠层闪烁探测器的3层晶体依次为塑料闪烁体EJ121(Eljen公司的商业化产品)、无机闪烁体CaF2(Eu)(Eu激活的CaF2晶体)和无机闪烁体NaI(Tl)(Tl激活的NaI晶体)。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的t1的选择范围为40-100ns。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的t2的选择范围为400-600ns。
在一种优选的实施方案中,本发明提供一种对多种脉冲的波形甄别算法,其中所述的t3的选择范围为1200-2000ns。
本发明的对多种脉冲的波形甄别算法是一种结合了脉冲形状的时间和幅度信息的波形甄别算法,它提取的特征量既包括特定时间内的幅度信息,又包括特定幅度范围内的时间信息。利用本发明的对多种脉冲的波形甄别算法,可以同时甄别多种脉冲,同时实现多种粒子的甄别(例如当叠层闪烁探测器中含有的闪烁体层数为三层时,可甄别7种以上的脉冲种类),从而解决了现有技术的波形甄别算法只能甄别两种以下粒子及由其产生的脉冲的技术问题。
附图说明
图1为示例性的入射粒子在含三层晶体的叠层闪烁探测器中可能存在7种能量沉积情形的示意图。
图2为5项脉冲特性信息提取方法的示例性的示意图。
图3为具体实施方式中由β源和γ源得到的f1和f2的联合分布规律图。
图4为具体实施方式中满足情形"010"或"110"条件的脉冲的T0参数分布规律图。
图5为示例性的本发明的对多种脉冲的波形甄别算法的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式作出进一步的说明。
示例性的本发明的波形甄别算法用于甄别由EJ212+CaF2(Eu)+NaI(Tl)组成的含三层晶体的叠层闪烁探测器发出的7种类型的脉冲形状。这三种晶体的发光衰减时间常数分别为2.4ns、940ns和250ns。
如图1所示,入射粒子在含三层晶体的叠层闪烁探测器中可能存在7种能量沉积情形,从而产生7种不同形状的脉冲。为了方便表述,图1对7种情形进行了二进制编码,其中"1"表示粒子在该层闪烁体中发生了能量沉积,"0"表示没有。例如情形"100"表示粒子只在第一层闪烁体中发生了能量沉积,又如情形"111"表示粒子在三层闪烁体中都发生了能量沉积。
本发明的波形甄别算法可用于甄别7种不同形状的脉冲对应的粒子中的β和γ粒子,其中情形"100"和情形"110"被甄别为β粒子,情形"001"被甄别为γ粒子,其他4种情形舍弃。具体算法如下。
第一步,如图2中文字、箭头和括号所示,提取脉冲的5项特征信息,分别为:a)脉冲的峰值P;b)脉冲到达峰的时刻tp;c)达峰前脉冲幅度第一次到达(或超过)峰值十分之一的时刻tp01;d)tp时刻后t1~t2时间内脉冲幅度的平均值M0;e)tp时刻后t2~t3时间内脉冲幅度的平均值M1。(其中t1=50ns,t2=500ns,t3=1500ns)
本发明设计的波形甄别算法提取的脉冲形状特征信息既包括指定时间内的幅度信息,也包括指定幅度内的时间信息。
第二步,根据第一步提取的5项特征信息,计算式(1)所示的3个甄别参数:
其中f1和f2为脉冲的幅度信息,T0为脉冲的时间信息。f1表示峰的相对高度,f2表示脉冲后沿的下降速度,T0表示脉冲前沿的上升速度。由于叠层闪烁探测器中三种晶体的发光衰减时间常数各不相同,因此它们的这3个参数也可不相同,由这3个甄别参数可以判断脉冲中包含了哪些晶体发出的闪烁光成分,实现波形甄别。
第三步,利用β源和γ源实验,确定甄别参数f1和f2的阈值。f1和f2的联合分布规律如图3所示,由此根据如下的式(2)可以确定这两个甄别参数的阈值:
上述式(2)中,f1_TH为甄别参数f1的上阈值,f1_TL为甄别参数f1的下阈值,f2_TH为甄别参数f2的上阈值,f2_TL为甄别参数f2的下阈值。
第四步,由第三步可以将脉冲分为5个区域。其中情形"011"和"111"都是要舍弃的脉冲,不用再进行甄别;而情形"110"为β事件,情形"010"为舍弃脉冲,需要甄别这两种脉冲。提取β源和γ源实验中f1和f2参数满足这一区域条件的事件,得到其T0参数的分布规律如图4所示,因此可以根据式(3)确定T0参数的阈值:
T0_T=15ns (3)
上述式(3)中,T0_T为甄别参数T0的阈值,ns为纳秒。
第五步,利用如下甄别算法判断脉冲形状,确定粒子类型,甄别算法流程如图5所示。
a)首先计算f1参数,若f1大于其上阈值f1_TH,则判断为情形"100",粒子甄别为β。
b)否则计算f2,判断f2参数是否大于其上阈值f2_TH。若f2大于上阈值,再判断f1是否大于其下阈值f1_TL。若是,则判断为情形"101",舍弃该次事件;若否,则判断为情形"001",粒子甄别为γ。
c)若f2不大于上阈值f2_TH,再判断f2参数是否小于其下阈值f2_TL。若f2大于下阈值,则判断为情形"011"或情形"111",这两类事件都会被舍弃。
d)若f2不大于下阈值f2_TL,再计算其T0参数。若T0大于或等于其阈值T0_T,则判断为情形"010",并舍弃该事件。
e)若T0小于其阈值T0_H,则判断为情形"110",粒子甄别为β。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若对本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。上述实施例或实施方式只是对本发明的举例说明,本发明也可以以其它的特定方式或其它的特定形式实施,而不偏离本发明的要旨或本质特征。因此,描述的实施方式从任何方面来看均应视为说明性而非限定性的。本发明的范围应由附加的权利要求说明,任何与权利要求的意图和范围等效的变化也应包含在本发明的范围内。
Claims (8)
1.一种对多种脉冲的波形甄别算法,其特征在于,所述算法包括如下步骤:
1)提取脉冲的5项特征信息,分别为:a)脉冲的峰值P;b)脉冲到达峰的时刻tp;c)达峰前脉冲幅度第一次到达或超过峰值十分之一的时刻tp01;d)tp时刻后t1~t2时间内脉冲幅度的平均值M0;e)tp时刻后t2~t3时间内脉冲幅度的平均值M1;
2)根据步骤1)提取的5项特征信息,计算式(1)所示的3个甄别参数;
f1=1-M0/P
f2=1-M1/M0 (1)
T0=tP-tP01
3)通过实验确定各种脉冲的所述的3个甄别参数的分布规律,确定甄别阈值,从而实现脉冲甄别。
2.根据权利要求1所述的波形甄别算法,其特征在于:所述的多种脉冲为由叠层闪烁探测器产生。
3.根据权利要求2所述的波形甄别算法,其特征在于:所述的叠层闪烁探测器包括多层晶体及与多层晶体相连接的光电倍增管,所述的多层晶体用于沉积入射粒子,所述的光电倍增管用于放大经过所述的多层晶体中沉积后产生的不同形状的脉冲。
4.根据权利要求3所述的波形甄别算法,其特征在于:所述的叠层闪烁探测器中晶体的层数为3层。
5.根据权利要求3所述的波形甄别算法,其特征在于:所述的3层晶体依次为塑料闪烁体EJ212、无机闪烁体CaF2(Eu)和无机闪烁体NaI(Tl)。
6.根据权利要求1所述的波形甄别算法,其特征在于:所述的t1的选择范围为40-100ns。
7.根据权利要求1所述的波形甄别算法,其特征在于:所述的t2的选择范围为400-600ns。
8.根据权利要求1所述的波形甄别算法,其特征在于:所述的t3的选择范围为1200-2000ns。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710128123.7A CN108535764B (zh) | 2017-03-06 | 2017-03-06 | 一种对多种脉冲的波形甄别算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710128123.7A CN108535764B (zh) | 2017-03-06 | 2017-03-06 | 一种对多种脉冲的波形甄别算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108535764A true CN108535764A (zh) | 2018-09-14 |
CN108535764B CN108535764B (zh) | 2023-05-12 |
Family
ID=63489671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710128123.7A Active CN108535764B (zh) | 2017-03-06 | 2017-03-06 | 一种对多种脉冲的波形甄别算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108535764B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014872A (zh) * | 2020-09-03 | 2020-12-01 | 北京卫星环境工程研究所 | 基于脉冲波形甄别确定入射粒子类型或作用位置的方法 |
CN113126140A (zh) * | 2019-12-30 | 2021-07-16 | 中核控制系统工程有限公司 | 一种高速数字n/γ波形实时甄别的系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090039271A1 (en) * | 2007-08-07 | 2009-02-12 | Farsoni Abdollah T | Simultaneous beta and gamma spectroscopy |
US20110101228A1 (en) * | 2009-10-30 | 2011-05-05 | Hamby David M | Skin Contamination Dosimeter |
US20130277565A1 (en) * | 2012-04-19 | 2013-10-24 | Adam Gregory Bogorodzki | Radiation Detector System and Method |
CN107300712A (zh) * | 2016-04-14 | 2017-10-27 | 中国辐射防护研究院 | 一种可同时测量β、γ能谱的层叠型闪烁体探测器 |
-
2017
- 2017-03-06 CN CN201710128123.7A patent/CN108535764B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090039271A1 (en) * | 2007-08-07 | 2009-02-12 | Farsoni Abdollah T | Simultaneous beta and gamma spectroscopy |
US20110101228A1 (en) * | 2009-10-30 | 2011-05-05 | Hamby David M | Skin Contamination Dosimeter |
US20130277565A1 (en) * | 2012-04-19 | 2013-10-24 | Adam Gregory Bogorodzki | Radiation Detector System and Method |
CN107300712A (zh) * | 2016-04-14 | 2017-10-27 | 中国辐射防护研究院 | 一种可同时测量β、γ能谱的层叠型闪烁体探测器 |
Non-Patent Citations (1)
Title |
---|
陈立等: "β-γ混合场测量中的粒子甄别研究概述", 《核电子学与探测技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113126140A (zh) * | 2019-12-30 | 2021-07-16 | 中核控制系统工程有限公司 | 一种高速数字n/γ波形实时甄别的系统及方法 |
CN112014872A (zh) * | 2020-09-03 | 2020-12-01 | 北京卫星环境工程研究所 | 基于脉冲波形甄别确定入射粒子类型或作用位置的方法 |
CN112014872B (zh) * | 2020-09-03 | 2021-08-24 | 北京卫星环境工程研究所 | 基于脉冲波形甄别确定入射粒子类型或作用位置的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108535764B (zh) | 2023-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fu et al. | Artificial neural network algorithms for pulse shape discrimination and recovery of piled-up pulses in organic scintillators | |
Abbasi et al. | IceCube high-energy starting event sample: Description and flux characterization with 7.5 years of data | |
US7164130B2 (en) | Signal enhancement module | |
Liu et al. | An investigation of the digital discrimination of neutrons and γ rays with organic scintillation detectors using an artificial neural network | |
CN106547017A (zh) | 一种复合型闪烁体γ谱仪 | |
Aartsen et al. | Search for neutrino-induced particle showers with IceCube-40 | |
CN104101894B (zh) | 一种堆积事件侦测与重建的方法及系统 | |
Ambrosio et al. | Search for diffuse neutrino flux from astrophysical sources with MACRO | |
CN107272049B (zh) | 基于脉冲宽度的数字n-γ甄别方法 | |
CN108535764A (zh) | 一种对多种脉冲的波形甄别算法 | |
Nagy et al. | Afterpulse and delayed crosstalk analysis on a STMicroelectronics silicon photomultiplier | |
Abbasi et al. | Observation of seven astrophysical tau neutrino candidates with IceCube | |
EP2433155B1 (en) | Radiation detection | |
CN106842277A (zh) | 一种堆积事件处理方法及装置 | |
Hachem et al. | Labeling strategy to improve neutron/gamma discrimination with organic scintillator | |
Xiaohui et al. | Analysis of three digital n/γ discrimination algorithms for liquid scintillation neutron spectrometry | |
Qingpei et al. | Numerical study on the sequential Bayesian approach for radioactive materials detection | |
Maebe et al. | Effect of detector geometry and surface finish on cerenkov based time estimation in monolithic BGO detectors | |
CN105005068A (zh) | 一种脉冲分类的方法与系统 | |
Johnson et al. | High event rate, pulse shape discrimination algorithm for CLYC | |
Dutta et al. | Using decay time to discriminate neutron and gamma ray pulses from a CLYC detector | |
CN108646285A (zh) | 伽马射线能谱测量方法、装置及系统 | |
Xing et al. | Simulation study of the neutron–gamma discrimination capability of a liquid scintillator neutron detector | |
Mezek | Mass composition of cosmic rays with energies from [1017.2] eV to [1020] eV using surface and fluorescence detectors of the Pierre Auger Observatory | |
Gesualdi | The muon content of atmospheric air showers and the mass composition of cosmic rays |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |