CN108594290A - 一种谱线修正方法 - Google Patents

一种谱线修正方法 Download PDF

Info

Publication number
CN108594290A
CN108594290A CN201810408039.5A CN201810408039A CN108594290A CN 108594290 A CN108594290 A CN 108594290A CN 201810408039 A CN201810408039 A CN 201810408039A CN 108594290 A CN108594290 A CN 108594290A
Authority
CN
China
Prior art keywords
particle
power spectrum
state
term
short
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
Application number
CN201810408039.5A
Other languages
English (en)
Other versions
CN108594290B (zh
Inventor
黄洪全
蒋开明
马兴科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Univeristy of Technology
Original Assignee
Chengdu Univeristy of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Univeristy of Technology filed Critical Chengdu Univeristy of Technology
Priority to CN201810408039.5A priority Critical patent/CN108594290B/zh
Publication of CN108594290A publication Critical patent/CN108594290A/zh
Application granted granted Critical
Publication of CN108594290B publication Critical patent/CN108594290B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01T1/36—Measuring spectral distribution of X-rays or of nuclear radiation spectrometry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Measurement Of Radiation (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明公开了一种谱线修正方法。该方法将谱线漂移过程看成由多个状态构成，相邻状态间可相互转换，每个状态对应一个短时能谱，原始总能谱由短时能谱组合得到，相邻状态间的比例参数作为粒子的位置信息，采用粒子群算法搜索得到最优位置，将各个短时能谱按最优位置向某一状态转移得到修正后的各个能谱，进而将这些能谱相加后得到修正后的总能谱。可根据实际漂移情况进行状态数目的选择，相邻状态间的时间间隔可随漂移程度作随意修改，粒子群算法能搜索得到全局最优状态组合，具有较好的修正效果。

Description

一种谱线修正方法
技术领域
本发明涉及一种谱线修正方法。
背景技术
在放射性能谱测量中，由于外部环境条件(如温度，湿度等)的影响，往往会引起电路系统的不稳定，如光电倍增管的放大倍数及其光谱响应、闪烁体的光子产额、线性脉冲放大器的放大倍数等都会出现变化，最终会引起谱线漂移。谱线漂移不利于元素的定性和定量分析，解决谱线漂移是核技术工作者的重要工作之一。谱线漂移可采用硬件和软件方式进行校正。硬件方面可根据探测器的前端温度调节增益或调节温度，降低谱线的漂移速度；软件方面，出现了窗法(二窗法、三窗法、四窗法等)、互相关法、多次项拟合法、参考峰法(参考源法、LED参考峰法)，FFT变换等方法。R.Casanovas等人在2012年提出了NaI(Tl)探测器的二次项拟合谱线修正方法；清华大学的曾志等人在2017年提出了多峰二次项拟合的谱线修正方法；翟娟在2017年提出了基于二次项函数关系并将谱线数据线性变换为单调函数的谱线修正方法；清华大学的敖奇等人在2008年提出了以137Cs的32keV与662keV特征γ射线峰位作为参考峰，并采用DSP进行了的谱线修正方法。曾国强在2014年提出了基于快速傅里叶变换(FFT)的谱线修正方法。
本发明摒弃了上述方法，采用了基于状态转移和参数识别的谱线漂移修正方法，取得了较好的效果。
发明内容
本发明的目的在于公开一种谱线修正方法。针对放射性能谱测量中的谱线漂移问题，采用基于状态转移和粒子群进行参数识别的谱线漂移修正方法，具有较好的全谱修正效果，弥补了目前谱线漂移修正方法的不足，是通过以下方法实现的。
步骤①谱线漂移过程看成由M个状态Si(i＝1,2,…,M)构成，Si(i＝1,2,…,M)状态到Sj(j＝1,2,…,M)状态的变迁过程用Hij表示；Hij对应的比例参数为hij。
步骤②原始总能谱F(x)用短时能谱的组合表示。
步骤③将比例参数h12,h23,…,h(M-1)M构成向量θ(h12 h23…h(M-1)M)，作为总能谱的参数向量，并作为粒子的位置信息。
步骤④对粒子群的各个粒子进行速度和位置的初始化，以个体的位置信息所表示的总能谱与原始总能谱的误差作为适应度值，采用粒子群算法搜索得到最优位置。
步骤⑤将各个短时能谱向某一状态转移，得到修正后的各个能谱，进而将这些能谱相加后得到修正后的总能谱。
本发明的有益效果是：
该方法将谱线漂移过程看成由多个状态构成，相邻状态间可相互转换，每个状态对应一个短时能谱，原始总能谱由短时能谱组合得到，相邻状态间的比例参数作为粒子的位置信息，采用粒子群算法搜索得到最优位置，将各个短时能谱按最优位置向某一状态转移得到修正后的各个能谱，进而将这些能谱相加后得到修正后的总能谱。可根据实际漂移情况进行状态数目的选择，相邻状态间的时间间隔可随漂移程度作随意修改，粒子群算法能搜索得到全局最优状态组合，克服了加窗法、互相关法、多次项拟合法、参考峰法及FFT等方法对原始谱线具有硬性破坏的局限，具有较好的修正效果。
附图说明
图1为本发明方法的算法流程示意图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。
针对放射性能谱测量中的谱线漂移问题，采用基于状态转移和粒子群进行参数识别的谱线漂移修正方法，具有较好的全谱修正效果，弥补了目前谱线漂移修正方法的不足，是通过如下具体步骤①～⑤实现的。
步骤①谱线漂移过程看成由M个状态Si(i＝1,2,…,M)构成，Si(i＝1,2,…,M)状态到Sj(j＝1,2,…,M)状态的变迁过程用Hij表示，Hij对应的比例参数为hij，状态间的转化用公式(1)或(2)表示：
Sj＝Hij·Si＝Hi(i+1)·H(i+1)(i+2)·...·H(j-1)j·Si,(j>i) (1)
Sj＝Hij·Si＝Hi(i-1)·H(i-1)(i-2)·...·H(j+1)j·Si,(i>j) (2)
步骤②原始总能谱F(x)用如下短时能谱的组合表示：
其中fSi(x)(i＝1,2,…,M)表示状态Si对应的短时能谱，fSi1(x)(i＝2,…,M)表示fSi(x)在状态S1时对应的短时能谱。
步骤③将比例参数h12,h23,…,h(M-1)M构成向量θ(h12h23…h(M-1)M)，作为总能谱的参数向量，并作为粒子的位置信息。
步骤④对粒子群的各个粒子进行速度和位置的初始化，以个体的位置信息所表示的总能谱与原始总能谱F(x)的误差作为适应度值，采用粒子群算法搜索得到最优位置；本步骤即步骤④的粒子群算法具体按如下A、B、C、D、E、F环节实现。
A、随机设置各粒子的速度和位置。
B、每一个粒子对应一个参数向量θ(h12h23…h(M-1)M)，并将θ看作位置信息，按公式(4)计算每个粒子的适应度值yk(θk)，yk(θk)值越小，位置越优。
其中，N表示能谱的总道址，F(x|θk)表示第k个粒子的位置信息θk(h12h23…h(M-1)M)对应的总能谱，表达式为：
按如下方法计算：
表示构成能谱的所有随机数，表示将这些随机数放大h12h23…h(i-1)i倍，HIST[.]表示对[]内的数据进行统计并得到能谱。
C、更新粒子的速度和位置
其中，Vkn(t+1),θkn(t+1)分别表示第k个粒子在第t+1迭代中第n维上的速度和位置，pkn和pgn分别表示第t次迭代结束时第k个粒子的个体最优位置和全局最优位置；c1和c2分别为学习因子，r1和r2分别为[0,1]范围内的均匀随机数，β称约束因子，用于调整速度的权重，ω为惯性权重。
D、按公式(8)进行权重的随机更新
其中N(0,1)表示服从标准正态分布的随机数，rand(0,1)表示(0,1)之间均匀分布的随机数，μmax与μmin分别表示正态分布的参数μ的上限和下限，δ表示随机权重平均值的方差。
E、根据适应度值对粒子群排序，用群体中最好的一半粒子替换最差的一半粒子。F、当算法达到停止条件，则停止搜索并输出结果；否则返回B继续搜索。
通过以上①～④步求得全局最优位置θopt(h12h23…h(M-1)M)，该位置所对应的参数集合(h12h23…h(M-1)M)就是原始能谱F(x)在形成过程中相邻短时能谱间比例参数的集合。
步骤⑤将各个短时能谱向状态Si转移，得到对应的修正能谱按如下公式(9)或(10)：
表示构成能谱的所有随机数，表示将这些随机数放大倍，表示将这些随机数放大hj(j+1)h(j+1)(j+2)...h(i-1)i倍，HIST[.]表示对[]内的数据进行统计并得到能谱，各个比例参数h在全局最优位置θopt(h12h23…h(M-1)M)中获取。
总能谱F(x)修正后变为：
本发明将谱线漂移过程看成由多个状态构成，每个状态对应一个短时能谱，原始总能谱由短时能谱组合而成，相邻状态间可相互转换，相邻状态间的比例参数作为粒子的位置信息，采用粒子群算法搜索得到最优位置，将各个短时能谱按最优位置向某一状态转移得到修正后的各个能谱，进而将这些能谱相加后得到修正后的总能谱。本发明的优点在于：可根据实际漂移情况进行状态数目的选择，相邻状态间的时间间隔可随漂移程度作随意修改，粒子群算法能搜索得到全局最优状态组合，克服了加窗法、互相关法、多次项拟合法、参考峰法及FFT等方法对原始谱线具有硬性破坏的局限，具有较好的修正效果。
在上述本发明的实施例中，对谱线漂移的修正进行了详细说明，但需说明的是，以上所述仅为本发明的一个实施例而已，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种谱线修正方法，其特征在于，具体步骤如下：
步骤①谱线漂移过程看成由M个状态Si(i＝1,2,…,M)构成，Si(i＝1,2,…,M)状态到Sj(j＝1,2,…,M)状态的变迁过程用Hij表示，Hij对应的比例参数为hij，状态间的转化用公式(1)或(2)表示：
Sj＝Hij·Si＝Hi(i+1)·H(i+1)(i+2)·...·H(j-1)j·Si,(j>i) (1)
Sj＝Hij·Si＝Hi(i-1)·H(i-1)(i-2)·...·H(j+1)j·Si,(i>j) (2)
步骤②原始总能谱F(x)用如下短时能谱的组合表示：
其中表示状态Si对应的短时能谱，表示在状态S1时对应的短时能谱；
步骤③将比例参数h12,h23,…,h(M-1)M构成向量θ(h12 h23 … h(M-1)M)，作为总能谱的参数向量，并作为粒子的位置信息；
步骤④对粒子群的各个粒子进行速度和位置的初始化，以个体的位置信息所表示的总能谱与原始总能谱F(x)的误差作为适应度值，采用粒子群算法搜索得到最优位置；本步骤即步骤④的粒子群算法具体按如下A、B、C、D、E、F环节实现：
A、随机设置各粒子的速度和位置；
B、每一个粒子对应一个参数向量θ(h12 h23 … h(M-1)M)，并将θ看作位置信息，按公式(4)计算每个粒子的适应度值yk(θk)，yk(θk)值越小，位置越优；
其中，N表示能谱的总道址，F(x|θk)表示第k个粒子的位置信息θk(h12 h23 … h(M-1)M)对应的总能谱，表达式为：
按如下方法计算：
表示构成能谱的所有随机数，表示将这些随机数放大h12 h23… h(i-1)i倍，HIST[.]表示对[]内的数据进行统计并得到能谱；
C、更新粒子的速度和位置
其中，Vkn(t+1),θkn(t+1)分别表示第k个粒子在第t+1迭代中第n维上的速度和位置，pkn和pgn分别表示第t次迭代结束时第k个粒子的个体最优位置和全局最优位置；c1和c2分别为学习因子，r1和r2分别为[0,1]范围内的均匀随机数，β称约束因子，用于调整速度的权重，ω为惯性权重；
D、按公式(8)进行权重的随机更新
其中N(0,1)表示服从标准正态分布的随机数，rand(0,1)表示(0,1)之间均匀分布的随机数，μmax与μmin分别表示正态分布的参数μ的上限和下限，δ表示随机权重平均值的方差；
E、根据适应度值对粒子群排序，用群体中最好的一半粒子替换最差的一半粒子；
F、当算法达到停止条件，则停止搜索并输出结果；否则返回B继续搜索；
通过以上①～④步求得全局最优位置θopt(h12 h23 … h(M-1)M)，该位置所对应的参数集合(h12 h23 … h(M-1)M)就是原始能谱F(x)在形成过程中相邻短时能谱间比例参数的集合；
步骤⑤将各个短时能谱向状态Si转移，得到对应的修正能谱按如下公式(9)或(10)：
表示构成能谱的所有随机数，表示将这些随机数放大倍，表示将这些随机数放大hj(j+1)h(j+1)(j+2)...h(i-1)i倍，HIST[.]表示对[]内的数据进行统计并得到能谱，各个比例参数h在全局最优位置θopt(h12 h23 … h(M-1)M)中获取，总能谱F(x)修正后变为：
CN201810408039.5A 2018-05-02 2018-05-02 一种谱线修正方法 Expired - Fee Related CN108594290B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810408039.5A CN108594290B (zh) 2018-05-02 2018-05-02 一种谱线修正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810408039.5A CN108594290B (zh) 2018-05-02 2018-05-02 一种谱线修正方法

Publications (2)

Publication Number Publication Date
CN108594290A true CN108594290A (zh) 2018-09-28
CN108594290B CN108594290B (zh) 2021-09-10

Family

ID=63620368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810408039.5A Expired - Fee Related CN108594290B (zh) 2018-05-02 2018-05-02 一种谱线修正方法

Country Status (1)

Country Link
CN (1) CN108594290B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111308543A (zh) * 2019-12-03 2020-06-19 北京卫星环境工程研究所 一种核素识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102279408A (zh) * 2011-03-28 2011-12-14 核工业西南物理研究院 多道能谱测量的处理方法和装置
CN102298652A (zh) * 2010-06-23 2011-12-28 成都理工大学 放射性测量中能谱漂移的模拟方法
US20120305756A1 (en) * 2011-05-31 2012-12-06 Russ William R Spectrometer Calibration System and Method
CN105203565A (zh) * 2014-06-11 2015-12-30 成都理工大学 一种能谱重叠峰解析方法
CN106682682A (zh) * 2016-10-20 2017-05-17 北京工业大学 一种基于粒子群优化算法对支持向量机的优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298652A (zh) * 2010-06-23 2011-12-28 成都理工大学 放射性测量中能谱漂移的模拟方法
CN102279408A (zh) * 2011-03-28 2011-12-14 核工业西南物理研究院 多道能谱测量的处理方法和装置
US20120305756A1 (en) * 2011-05-31 2012-12-06 Russ William R Spectrometer Calibration System and Method
CN105203565A (zh) * 2014-06-11 2015-12-30 成都理工大学 一种能谱重叠峰解析方法
CN106682682A (zh) * 2016-10-20 2017-05-17 北京工业大学 一种基于粒子群优化算法对支持向量机的优化方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111308543A (zh) * 2019-12-03 2020-06-19 北京卫星环境工程研究所 一种核素识别方法

Also Published As

Publication number Publication date
CN108594290B (zh) 2021-09-10

Similar Documents

Publication Publication Date Title
CN106897545B (zh) 一种基于深度置信网络的肿瘤预后预测系统
Hill On beta cephei stars: a search for beta cephei stars
CN108594290A (zh) 一种谱线修正方法
Mead Plant density and crop yield
CN104599302A (zh) 获取pet晶体能量峰值及设定能量鉴频器的方法
CN105719081A (zh) 一种基于改进人工蜂群算法的电力系统动态经济调度方法
Shahabinejad et al. A new neutron energy spectrum unfolding code using a two steps genetic algorithm
CN112001112A (zh) 基于bp神经网络的线性约束黑箱优化问题的优化方法
Dytlewski Dead-time corrections for multiplicity counters
Tallis App roximate maximum likelihood estimates from grouped dlata
CN109657854B (zh) 一种作物需水量预测的方法、系统及设备
Gao et al. Polarized deep inelastic and elastic scattering from gauge/string duality
Wang et al. Characterizing rhizome bud dormancy in Polygonatum kingianum: development of novel chill models and determination of dormancy release mechanisms by weighted correlation network analysis
Caputo et al. The Cepheid Period-Luminosity relation and the maser distance to NGC 4258
CN105404608B (zh) 一种基于公式解析的复杂指标集计算方法和系统
CN105528735A (zh) 基于量测风速与空间相关性的异常数据点的校正方法
Dawson et al. QCD corrections to Higgs pair production in bottom quark fusion
Alam et al. Novel QTLs for salinity tolerance revealed by genome-wide association studies of biomass, chlorophyll and tissue ion content in 176 rice landraces from Bangladesh
Boos et al. Single W-boson Production at Linear Colliders
CN115903003B (zh) 一种用于核素识别仪的自适应谱校正方法
Miczaika The color-luminosity diagram of the Ursa Major group.
Yoshida Theoretical studies on the methodological procedures of radiation breeding: II. Expectation of the number of desirable mutants with the new methods
CN108132260A (zh) 一种基于线性叠加模型的能谱解析方法
Cao Adjustments of individual-tree survival and diameter growth equations to match whole-stand attributes
Chan et al. Methodology for development of customized customer damage functions for evaluation of financial losses due to voltage sags and interruptions

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210910

CF01 Termination of patent right due to non-payment of annual fee