CN110749918B - 一种无人机辐射测量稳谱方法 - Google Patents

一种无人机辐射测量稳谱方法 Download PDF

Info

Publication number
CN110749918B
CN110749918B CN201910965234.2A CN201910965234A CN110749918B CN 110749918 B CN110749918 B CN 110749918B CN 201910965234 A CN201910965234 A CN 201910965234A CN 110749918 B CN110749918 B CN 110749918B
Authority
CN
China
Prior art keywords
peak
spectrum
segment
change rate
characteristic
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.)
Active
Application number
CN201910965234.2A
Other languages
English (en)
Other versions
CN110749918A (zh
Inventor
杨小峰
曾国强
顾民
罗明涛
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 CN201910965234.2A priority Critical patent/CN110749918B/zh
Publication of CN110749918A publication Critical patent/CN110749918A/zh
Application granted granted Critical
Publication of CN110749918B publication Critical patent/CN110749918B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01T1/40—Stabilisation of spectrometers

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Molecular Biology (AREA)
  • Measurement Of Radiation (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开了一种无人机辐射测量稳谱方法，包括以下步骤：S1，将测量谱线从高能段向低能段进行分段，对数据进行预处理；S2，计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰；S3，通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段；S4，在疑是峰值分段中获取特征峰特征值，GMM峰型估计验证；S5，基于40K峰的比值系统进行软件快速稳谱。本发明的稳谱方法不需外加特征源、不要对原始谱线进行多次平滑，直接进行计算，实现了开机快速稳谱。

Description

一种无人机辐射测量稳谱方法
技术领域
本发明涉及无人机技术，具体涉及一种基于反散射峰与40K特征峰的无人机辐射测量稳谱方法。
背景技术
目前，人机(UAV，Unmanned Aerial Vehicle)是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器，具有用途广、成本低、无人员伤亡风险、机动性能好等特点，在现代社会中发挥了重要作用。为适应无人机快速、灵活、高效的特点，用于无人机辐射测量的探测器一般为多个轻型小尺寸探测器组成探测阵列。由于单个晶体计数率比较低，以及电子学系统温度、封装等因素影响，无人机辐射测量系统多个探测器均会发生“谱漂”，将会影响合成谱的质量，从而影响整个系统的准确度。
现有的稳谱方法主要有硬件稳谱、“参考源”稳谱、“特征峰”软件稳谱等。硬件稳谱方法需要调整放大器或高压电源，因此系统复杂、易受稳谱电路自身影响，无法实现实时稳谱。“参考源”稳谱方法需要引入放射性参考源，如137Cs、241Am等。引入的源同样会受到电子学影响，并对相关特征区能谱产生响应，需要采用软件的方法进行扣除，增加了系统的复杂程度。“特征峰”稳谱一般采用对谱线进行多次平滑滤波处理，增加了计算量，影响稳谱时间及稳谱精度。总之，这些方法存在一些不足。
发明内容
本发明针对上述问题，提供了一种基于反散射峰与40K特征峰的无人机辐射测量稳谱方法。
本发明采用的技术方案为：一种无人机辐射测量稳谱方法，包括以下步骤：
S1，将测量谱线从高能段向低能段进行分段，对数据进行预处理；
S2，计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰；
S3，通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段；
S4，在疑似峰值分段中获取特征峰特征值，GMM峰型估计验证；
S5，基于40K峰的比值系统进行软件快速稳谱。
进一步地，所述步骤S1中的将测量谱线从高能段向低能段进行分段，对数据进行预处理，具体为：
S11，将测量谱线
Figure DEST_PATH_IMAGE001
(k能谱分辨率，对应于能谱图横坐标)，设分段步距为b，即C中每b个元素为1组，分成等间距的n段,n=k/b;每段数据累加和为
Figure DEST_PATH_IMAGE002
；
S12，再按照从高能段到低能段的方向依次累加前n段的和，获得预处理的数据
Figure DEST_PATH_IMAGE003
,计算公式如下：
Figure DEST_PATH_IMAGE004
；
式中
Figure DEST_PATH_IMAGE005
表示矩阵R’的元素，当
Figure DEST_PATH_IMAGE006
时，
Figure DEST_PATH_IMAGE007
，表示能谱总计数。
所述步骤S2中的计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰，具体为：
S21，谱峰形成的客观条件是峰面积区比非峰值区域具有较大的增长概率,该特性可由分段峰总比R来量度, R计算公式如下：
Figure DEST_PATH_IMAGE008
；
S22，各个分段成峰条件是峰总比不小于δ%，这里值得注意的时阈值δ%的选取很关键；δ>1，根据实际测试进行调整，其成峰区分段标记L，计算公式如下：
Figure 100002_22
；
S23，分段计数相对变化率D采用前i+1段累加和与前i段累加和之差相对于前i段累计计数的变化率表示；
Figure 100002_23
；
S24，将成峰区分段标记L与分段计数相对变化率D进行“点乘”运算，排除假峰，其结果用M标记，计算公式如下：
M=L .* D；
所述步骤S3中的通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段，获取峰值分段，具体为：
S31，在M中第1,2个分段中的最大峰值对应反散射峰，用2点特征表示为
Figure DEST_PATH_IMAGE011
和
Figure DEST_PATH_IMAGE012
，特征点计算公式如下：
Figure 31
；
式中b为S11定义的分段步距；C为S11定义的能谱数据。
S32，在M中从第3～n分段中，找出最大峰值，对应40K峰位，表示为
Figure DEST_PATH_IMAGE014
；
Figure DEST_PATH_IMAGE015
；
步骤S5中的采用40K峰的比值系统进行软件快速稳谱，具体为：
S51，探测器工作，根据步骤S1至S4，实时获取40K峰位Ci及对应软件增益Gi；
S52，利用比值公式计算下次软件增益的调整值Gi+1，其公式如下：
Figure DEST_PATH_IMAGE016
；
式中C 0 为天然40K特征峰的中心峰位，处于全谱的中心，等于谱仪多道分析器分辨率的1/2，是一个常数，用C 0 表示。
S53，重复上述步骤S51、S52，直到
Figure DEST_PATH_IMAGE017
，即稳谱精度为
Figure 9,21,36
道，稳谱停止。
更进一步地，所述无人机辐射测量稳谱方法还包括：将获取的三个特征点的峰值、道址用GMM模型进行估计验证。
更进一步地，所述处理能谱的分辨率为512、1024、2048、4096。
本发明的优点：
本发明的稳谱方法不需外加特征源、不要对原始谱线进行多次平滑，
直接进行计算，实现了开机快速稳谱。适用于对40K天然放射性核素能量为1460keV的γ射线灵敏的探测器稳谱，如NaI(TI)、LaBr3:Ce3+、CeBr3等，尤其适合于无人机搭载的小体积探测器的快速稳谱。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、
特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明的工作原理图
图2为环境放射性本底谱线三段特征图；
图3为本发明的测试数据分段示意图；
图4为本发明的测试数据变化率及“峰总比”阈值示意图；
图5为本发明的测试数据特征段示意图；
图6为本发明的测试数据结果及GMM估计图；
图7为本发明的特征峰稳谱方法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参考图1，如图1所示，一种无人机辐射测量稳谱方法，包括以下步骤：
S1，将测量谱线从高能段向低能段进行分段，对数据进行预处理；
S2，计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰；
S3，通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段；
S4，在疑似峰值分段中获取特征峰特征值，GMM峰型估计验证；
S5，基于40K峰的比值系统进行软件快速稳谱。
进一步地，所述步骤S1中的将测量谱线从高能段向低能段进行分段，对数据进行预处理，具体为：
S11，将测量谱线
Figure DEST_PATH_IMAGE019
(k能谱分辨率，对应于能谱图横坐标)，设分段步距为b，即C中每b个元素为1组，分成等间距的n段,n=k/b;每段数据累加和为
Figure 205033DEST_PATH_IMAGE002
；
S12，再按照从高能段到低能段的方向依次累加前n段的和，获得预处理的数据
Figure DEST_PATH_IMAGE020
,计算公式如下：
Figure DEST_PATH_IMAGE021
；
式中
Figure 666101DEST_PATH_IMAGE005
表示权利要求2中S12定义的n分段累加和矩阵R’的元素，当
Figure 95946DEST_PATH_IMAGE006
时，
Figure DEST_PATH_IMAGE022
，表示能谱总计数。
所述步骤S2中的计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰，具体为：
S21，谱峰形成的客观条件是峰面积区比非峰值区域具有较大的增长概率,该特性可由分段峰总比R来量度, R计算公式如下：
Figure DEST_PATH_IMAGE023
；
S22，各个分段成峰条件是峰总比不小于δ%，这里值得注意的时阈值δ%的选取很关键；δ>1，根据实际测试进行调整，其成峰区分段标记L，计算公式如下：
；
S23，分段计数相对变化率D采用前i+1段累加和与前i段累加和之差相对于前i段累计计数的变化率表示；
S24，将成峰区分段标记L与分段计数相对变化率D进行“点乘”运算，排除假峰，其结果用M标记，计算公式如下：
M=L .* D；
所述步骤S3中的通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段，获取峰值分段，具体为：
S31，在M中第1,2个分段中的最大峰值对应反散射峰，用2点特征表示为
Figure 488061DEST_PATH_IMAGE011
和
Figure 131532DEST_PATH_IMAGE012
，特征点计算公式如下：
Figure 31
；
式中b为S11定义的分段步距；C为S11定义的能谱数据。
S32，在M中从第3～n分段中，找出最大峰值，对应40K峰位，表示为
Figure 133303DEST_PATH_IMAGE014
；
Figure 212117DEST_PATH_IMAGE015
；
步骤S5中的采用40K峰的比值系统进行软件快速稳谱，具体为：
S51，探测器工作，根据步骤S1至S4，实时获取40K峰位Ci及对应软件增益Gi；
S52，利用比值公式计算下次软件增益的调整值Gi+1，其公式如下：
Figure 647778DEST_PATH_IMAGE016
；
式中C 0 为天然40K特征峰的中心峰位，处于全谱的中心，等于谱仪多道分析器分辨率的1/2，是一个常数，用C 0 表示。
S53，重复上述步骤S51、S52，直到
Figure 419425DEST_PATH_IMAGE017
，即稳谱精度为
Figure 9,21,36
道，稳谱停止。
所述无人机辐射测量稳谱方法还包括：将获取的三个特征点的峰值、道址用GMM模型进行估计验证。
所述处理能谱的分辨率为512、1024、2048、4096。
所述40K峰的中心峰位处于全谱的中心，等于谱仪多道分析器分辨率的1/2，用C0表示。
参考图2，如图2所示，辐射测量系统实测环境本底谱线具有三个特征：(1)环境本底测量谱线明显具有三个分区，分别为高能段低计数区“Ⅰ”、中能段康普顿坪计数区“Ⅱ”、低能反散射区“Ⅲ”，并且在三个分区的边界，相对计数率突变；(2)小尺寸晶体计数率低，短时间内计数仍很低，通过11点谱光滑后，谱线复杂，不能用于直接寻峰；(3)谱线反散射峰最明显，位于“Ⅲ”区，且变化率突变明显；钾特征峰（K峰）在“Ⅰ”与“Ⅱ”交界处出现的概率最高，但是峰位不明显，要经过长时间累计计数，影响快速稳谱。
如图1所示，基于反散射峰与40K特征峰的无人机辐射测量稳谱方法是依据谱线三分区的特点，以变化率突变明显的反散射峰，40K特征峰为研究对象，提取三个相对计数变化率异常特征点，设计了三点“双峰”识别模型。主要分为谱线反向分段处理、分段“峰总比”与相对变化率计算、寻峰与GMM峰型估计、自动稳谱四个主要部分。
(1) 谱线反向分段处理
设谱线数据为1024道，每道计数用
Figure DEST_PATH_IMAGE025
表示；设反向分段步距为b，则总分段数n=j/b，各段计数为
Figure DEST_PATH_IMAGE026
。因此，整个谱线一维行向量C、各分段谱计数
Figure DEST_PATH_IMAGE027
及反向分段求和S表示如下：
Figure DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE029
Figure DEST_PATH_IMAGE030
Figure DEST_PATH_IMAGE031
（1）
参考图3，如图3所示，本方法首先将测量谱线C分成等间距的n段为R’，再按照从高能段到低能段的方向依次累加获得预处理的数据S。以1.5英寸LaBr3晶体测量的5秒数据为例，数据共1024道，分成16段处理的R’、S用柱状图表示。
(2) 分段“峰总比”与相对变化率计算
如图2所示，测量谱线具有三分区特征，并在分区边界处产生计数变化率突变。因此，对测量谱线进行细分段处理，就可以下在减小数据计算量的同时，获取计数变化率突变的区域。另外，辐射测量本身是一个统计事件，谱峰形成的客观条件是峰面积区比非峰值区域具有较大的增长概率。该特性可由分段“峰总比”R来量度，设阈值为δ%，假设分段“峰总比”大于δ%时，各段具有局部峰值的可能性用L表示。
三点“双峰”识别模型的两个关键参数是分段“峰总比”和分段计数相对变化率。其分段“峰总比”R及经阈值δ%二值化过程如下：
Figure DEST_PATH_IMAGE032
（2）
分段计数相对变化率D采用前n段累加和与前n-1段累加和之差相对于n-1段累计计数的变化率表示。
Figure DEST_PATH_IMAGE033
（3）
这里值得注意的时阈值δ%的选取很关键。以计数率100cps，5s快速寻峰，经过多次实验，成峰条件是峰总比大于1%以上，且反向各分段计数大于6（至少保证每秒落在峰区计数1次）。如图4所示，柱状图表示分段相对计数率R，折线为成峰阈值L，R与L经过“点乘”运算后，形成了用圆形圈定的区域，该区域为放弃寻找峰值的区域，即“假峰域”。
(3) 三点“寻峰”
三点“寻峰”实际是根据谱线三分区特征提出的计算方法。谱线不论在什么情况下，反散射峰位明显，且经分段后具有相邻2个较大的相对变化率，因此，首先找到反散射峰，用2点特征表示。其次在剩下的相对变化率中找出极大值，便是40K 1460Mev特征峰位置，具体实现算法如下：
Figure SMS31D4
（4）
谱线进过反向分段处理后，同时满足L、D条件的区间为峰值极大概率区间，因此L、D进行“与”运算。反散射峰具有2个较大的相对变化率
Figure DEST_PATH_IMAGE035
，在剩下的相对变化率
Figure DEST_PATH_IMAGE036
中找出一个最大的变化率，其位置为40K峰区间。
注：三点“寻峰”模型里另一个重要参数分段步距b对模型的准确度及特征峰估计有利，后续将进一步研究。
参考图5，如图5所示，对由步骤2后获得的各分段相对变化率进行“归1”化处理，并从中找到“归1”系数最大的三个值所在的分段，这三分段代表反散射峰、40K 1460kev特征峰，如实例中的1、2、8分段。
(4) GMM估计验证
高斯混合GMM模型对峰型估计过程是以三点“寻峰”的结果为特征参数，利用多个高斯分布混合去估计峰型。高斯混合峰型估计公式如下：
Figure DEST_PATH_IMAGE037
（5）
上述过程中将三点特征值幅值作为单个GMM模型的系数
Figure DEST_PATH_IMAGE038
，将峰位值
Figure DEST_PATH_IMAGE039
作为高斯分布中心。本文还在反散射峰与40K 峰之间插入了1点，构成4点GMM峰型估计，实现了快速GMM最优峰型估计。
参考图6，如图6所示，三点“寻峰”实际是根据谱线三分区特征提出的计算方法。谱线不论在什么情况下，反散射峰位明显，且经分段后具有相邻2个较大的相对变化率，因此，首先找到反散射峰，用2点特征表示。其次在剩下的相对变化率中找出极大值，就是40K1460kev特征峰位置。以获得3特征点为数据，通过GMM估计反推谱线及峰型，与实测谱线匹配。
(5) 自动稳谱
如图7所示，通过三点“双峰”识别模型获得第三点峰位特征值（
Figure DEST_PATH_IMAGE040
）即为40K峰特征值，将
Figure DEST_PATH_IMAGE041
与设定峰值
Figure DEST_PATH_IMAGE042
进行差值运行算，通过P控制或PID控制计算控制增益后，写入控制指令，等待响应过程（比如5s累加谱的时间），再进行特征峰位识别，重复上述过程，直到误差为
Figure 9,21,36
道，结束稳谱。
本发明的稳谱方法不需外加特征源、不要对原始谱线进行多次平滑，
直接进行计算，实现了开机快速稳谱。适用于对40K天然放射性核素能量为1460keV的γ射线灵敏的探测器稳谱，如NaI(TI)、LaBr3:Ce3+、CeBr3等，尤其适合于无人机搭载的小体积探测器的快速稳谱。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (3)

1.一种无人机辐射测量稳谱方法，其特征在于，包括以下步骤：
S1，将测量谱线从高能段向低能段进行分段，对数据进行预处理；
S2，计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰；
S3，通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段；
S4，在疑似峰值分段中获取特征峰特征值，GMM峰型估计验证；
S5，基于40K峰的比值系统进行软件快速稳谱；
所述步骤S1中的将测量谱线从高能段向低能段进行分段，对数据进行
预处理，具体为：
S11，将测量谱线
Figure 95226DEST_PATH_IMAGE001
，设分段步距为b，即C中每b个元素为1组，分成等间距的n段,n=k/b;每段数据累加和为
Figure 933738DEST_PATH_IMAGE002
；
S12，再按照从高能段到低能段的方向依次累加前n段的和，获得预处理的数据
Figure 244634DEST_PATH_IMAGE003
,计算公式如下：
Figure 374264DEST_PATH_IMAGE004
；
式中
Figure 595161DEST_PATH_IMAGE005
表示矩阵R’的元素，当
Figure 948782DEST_PATH_IMAGE006
时
Figure 137187DEST_PATH_IMAGE007
，表示能谱总计数；
所述步骤S2中的计算相邻段之间的计数变化率、峰总比，优化峰总比阈值，排除假峰，具体为：
S21，谱峰形成的客观条件是峰面积区比非峰值区域具有较大的增长概率,该特性可由分段峰总比R来量度, R计算公式如下：
Figure 867245DEST_PATH_IMAGE008
；
S22，各个分段成峰条件是峰总比不小于δ%，这里值得注意的是阈值δ%的选取很关键；δ>1，根据实际测试进行调整，其成峰区分段标记L，计算公式如下：
Figure 22
；
S23，分段计数相对变化率
Figure 670433DEST_PATH_IMAGE010
采用前i+1段累加和与前i段累加和之差相对于前i段累计计数的变化率表示；
Figure 23
S24，将成峰区分段标记L与分段计数相对变化率D进行“点乘”运算，排除假峰，其结果用M标记，计算公式如下：M=L .* D ；
所述步骤S3中的通过三点寻峰，对分段计数变化率进行聚类或找出异常值，获取峰值分段，获取峰值分段，具体为：
S31，在M中第1,2个分段中的最大峰值对应反散射峰，用2点特征表示为
Figure 617234DEST_PATH_IMAGE012
和
Figure 671778DEST_PATH_IMAGE013
，特征点计算公式如下：
[p1,x1] =max(C(1:b))
[p2,x2] =max(C(b:2*b)) ；
式中b为S11定义的分段步距；C为S11定义的能谱数据；
S32，在M中从第3～n分段中，找出最大峰值，对应40K峰位，表示为
Figure 484193DEST_PATH_IMAGE015
；
Figure 556054DEST_PATH_IMAGE016
；
步骤S5中的采用40K峰的比值系统进行软件快速稳谱，具体为：
S51，探测器工作，根据步骤S1至S4，实时获取40K峰位Ci及对应软件增益Gi；
S52，利用比值公式计算下次软件增益的调整值Gi+1，其公式如下：
Figure 855317DEST_PATH_IMAGE017
；
式中C 0 为天然40K特征峰的中心峰位，处于全谱的中心，等于谱仪多道分析器分辨率的1/2，是一个常数，用C 0 表示；
S53，重复上述步骤S51、S52，直到
Figure 924904DEST_PATH_IMAGE018
，即稳谱精度为±1道，稳谱停止。
2.根据权利要求1述的无人机辐射测量稳谱方法，其特征在于，所
述无人机辐射测量稳谱方法还包括：将获取的三个特征点的峰值、道址用GMM模型进行估计验证。
3.根据权利要求1所述的无人机辐射测量稳谱方法，其特征在于，所
述能谱分辨率为512、1024、2048、4096。
CN201910965234.2A 2019-12-19 2019-12-19 一种无人机辐射测量稳谱方法 Active CN110749918B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910965234.2A CN110749918B (zh) 2019-12-19 2019-12-19 一种无人机辐射测量稳谱方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910965234.2A CN110749918B (zh) 2019-12-19 2019-12-19 一种无人机辐射测量稳谱方法

Publications (2)

Publication Number Publication Date
CN110749918A CN110749918A (zh) 2020-02-04
CN110749918B true CN110749918B (zh) 2021-09-14

Family

ID=69278104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910965234.2A Active CN110749918B (zh) 2019-12-19 2019-12-19 一种无人机辐射测量稳谱方法

Country Status (1)

Country Link
CN (1) CN110749918B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115201884B (zh) * 2022-09-14 2022-12-20 嘉兴嘉卫检测科技有限公司 一种环境监测用的空气辐射测量方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4056725A (en) * 1975-12-16 1977-11-01 Institute Za Yadreni Izsledvania I Yadrena Energetika Pri Ban Method of and system for compensating the distortion of amplitude spectra of multichannel analyzers in spectrometry
CN1045186A (zh) * 1989-02-22 1990-09-05 成都地质学院 用天然低能峰作参考源的数字稳谱装置
CN101470207A (zh) * 2007-12-29 2009-07-01 同方威视技术股份有限公司 多道脉冲分析器及峰飘实时修正方法
CN101713829A (zh) * 2009-12-22 2010-05-26 清华大学 一种射线能谱仪的快速稳谱方法和装置
GB2504771A (en) * 2012-08-10 2014-02-12 Symetrica Ltd Gamma-ray spectrometer stabilization
CN104570047A (zh) * 2015-02-02 2015-04-29 核工业北京地质研究院 伽马能谱测井仪自稳谱装置和方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105182399B (zh) * 2015-07-27 2017-11-07 江苏赛诺格兰医疗科技有限公司 一种正电子断层扫描探测器在线实时校正方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4056725A (en) * 1975-12-16 1977-11-01 Institute Za Yadreni Izsledvania I Yadrena Energetika Pri Ban Method of and system for compensating the distortion of amplitude spectra of multichannel analyzers in spectrometry
CN1045186A (zh) * 1989-02-22 1990-09-05 成都地质学院 用天然低能峰作参考源的数字稳谱装置
CN101470207A (zh) * 2007-12-29 2009-07-01 同方威视技术股份有限公司 多道脉冲分析器及峰飘实时修正方法
CN103257358A (zh) * 2007-12-29 2013-08-21 同方威视技术股份有限公司 多道脉冲分析器及峰漂实时修正方法
CN101713829A (zh) * 2009-12-22 2010-05-26 清华大学 一种射线能谱仪的快速稳谱方法和装置
GB2504771A (en) * 2012-08-10 2014-02-12 Symetrica Ltd Gamma-ray spectrometer stabilization
CN104570047A (zh) * 2015-02-02 2015-04-29 核工业北京地质研究院 伽马能谱测井仪自稳谱装置和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Design of fast digital spectrum stabilization method for UAV radiometry system;杨小峰 等;《2019 International Conference on Applied Machine Learning and Data Science》;20191231;第2751-2756页 *
三点寻峰算法处理光纤布拉格光栅传感信号;陈勇 等;《光学精密工程》;20131130;第21卷(第11期);第1-8页 *

Also Published As

Publication number Publication date
CN110749918A (zh) 2020-02-04

Similar Documents

Publication Publication Date Title
CMS collaboration Reconstruction and identification of τ lepton decays to hadrons and ντ at CMS
EP1956392A1 (en) Radiation measuring device and data processing method
US9355321B2 (en) Automatic detection of the number of lanes into which a road is divided
US11808565B2 (en) Characterizing a sample by material basis decomposition
Khachatryan et al. Reconstruction and identification of τ lepton decays to hadrons and ντ at CMS
Yang et al. The supervised normalized cut method for detecting, classifying, and identifying special nuclear materials
CN115659284B (zh) 一种大数据融合平台
CN105203209A (zh) 基于光强测量积分时间优化的Stokes矢量测量系统及方法
CN110749918B (zh) 一种无人机辐射测量稳谱方法
Zhang et al. Identification of SNM based on low-resolution gamma-ray characteristics and neural network
CN107219547A (zh) 利用逐步逼近SNIP计算扣除γ能谱全谱本底的方法
CN112415566A (zh) 一种基于Labr3(Ce)谱仪的稳谱方法
CN107678025B (zh) 海浪波高计算方法和装置、存储介质及处理器
Wang et al. Improved neutron-gamma discrimination for a 3He neutron detector using subspace learning methods
CN106408571B (zh) 一种基于最优模糊因子选择的可变类遥感图像分割方法
CN108181327B (zh) 多能谱x射线成像系统和用于利用多能谱x射线成像系统对待测物品进行物质识别的方法
CN108280429B (zh) 基于特征峰匹配的核素识别方法、装置和计算机可读介质
CN109633597A (zh) 一种可变均值滑窗恒虚警检测算法及存储介质
CN111539324A (zh) 一种新型核素识别方法
Pyatkov et al. Manifestation of fine structures in the fission fragment mass-energy distribution of the 233U (nth, f) reaction
Kida et al. Improvement of rain/no-rain classification methods for microwave radiometer observations over the ocean using a 37 GHz emission signature
CN114863291B (zh) 基于mcl和光谱差异度量的高光谱影像波段选择方法
CN110909792A (zh) 一种基于改进K-means算法和新聚类有效性指标的聚类分析方法
WO2018103398A1 (zh) 多能谱x射线成像系统和用于利用多能谱x射线成像系统对待测物品进行物质识别的方法
El_Tokhy Rapid and robust radioisotopes identification algorithms of X-Ray and gamma spectra

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