CN112258432B - 基于复合型结构元素数学形态学的中子-伽马甄别方法 - Google Patents
基于复合型结构元素数学形态学的中子-伽马甄别方法 Download PDFInfo
- Publication number
- CN112258432B CN112258432B CN202011146572.2A CN202011146572A CN112258432B CN 112258432 B CN112258432 B CN 112258432B CN 202011146572 A CN202011146572 A CN 202011146572A CN 112258432 B CN112258432 B CN 112258432B
- Authority
- CN
- China
- Prior art keywords
- neutron
- gamma
- structural element
- mathematical morphology
- pulse data
- 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
Links
- 239000002131 composite material Substances 0.000 title claims abstract description 36
- 238000012850 discrimination method Methods 0.000 title claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 30
- 238000005260 corrosion Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 6
- 230000005855 radiation Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000011824 nuclear material Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
Abstract
本发明公开了一种基于复合型结构元素数学形态学的中子‑伽马甄别方法，包括P10、获取中子‑伽马脉冲数据；P20、对获取的中子‑伽马脉冲数据进行预处理；P30、构建用于数学形态学变换的复合型结构元素；P40、对预处理后的中子‑伽马脉冲数据进行数学形态学开运算处理；P50、对P40步骤开运算后的结果进行积分，计算得出甄别因子；P60、利用该得到的甄别因子对中子‑伽马脉冲数据进行甄别。本发明具有较好的甄别性能，同时能够表现出很好的抗噪能力，在混合辐射场测量及其数据处理技术领域具有很好的应用价值。
Description
技术领域
本发明涉及混合辐射场测量及其数据处理技术领域，具体地讲，是涉及一种基于复合型结构元素数学形态学的中子-伽马甄别方法。
背景技术
随着中子探测技术的快速发展，国家对中子放射性的精准测量及中子的应用提出了更高的要求。如每个反应堆都需要对堆内、堆外中子进行测量以进行反应堆功率与放射性测量。与此同时，在核退役、放射源源室、中子测井、硼中子俘获治疗以及核材料运输等多个领域，对中子测量环境安全及人身安全都起着重要的作用。而在实际中子测量应用中，由于中子与周围环境存在非弹性散射及慢中子的辐射俘获等相互作用，伽马射线总是与中子相伴存在，而且对中子探测灵敏的探测器对伽马射线也很灵敏，使得中子和伽马射线难以区分。因此，如何快速准确地从中子-伽马混合辐射场中实现中子-伽马甄别是中子探测中的一个关键问题。
针对中子-伽马甄别问题，一般采用两种方法降低伽马射线的干扰。一种方法是在探测器前增加屏蔽伽马射线的材料，如铅、钨等重金属，但该方法使用的屏蔽材料对中子也有一定的衰减，将对测量信号造成影响。第二种方法是尽量提高探测器对中子和伽马射线的灵敏度响应之比，即中子-伽马分辨率，若分辨率越高，测得的信号就越接近中子的真实信号，该方法更加实用可靠。脉冲形状甄别(Pulse Shape Discrimination,PSD)方法是利用核脉冲信号在波形形状上的差异作为甄别依据进行粒子甄别的，是中子物理实验中重要的方法，是评价中子探测器的重要指标。
为了获得探测器输出的原始脉冲波形，在数据采集与传输过程中需要保证脉冲的形状不能发生改变。而在中子探测中，探测器输出的脉冲一般为ns级的快脉冲信号，通过傅里叶变换和采样理论-香农采样定理可知，需要GHz的采样频率才能满足大部分PSD的要求。随着FPGA技术和高性能ADC的快速发展，波形数字化技术应运而生，使得不同粒子通过脉冲形状进行甄别成为可能。与此同时，合适的PSD方法对中子-伽马甄别技术的发展至关重要，当前数字化中子-伽马甄别方法主要包括时域甄别方法、频域甄别方法和智能甄别方法。时域甄别方法是通过寻找一个能将不同粒子的核脉冲信号在波形上的特征差异表征出来作为甄别依据进行粒子甄别的。频域甄别方法能够在理论上证明中子-伽马甄别的可行性，但是在真正硬件方法实现方面遇到了很大的瓶颈。智能甄别方法可以有效地揭示信号内在特征差异,但需要复杂的矩阵计算和优化技术，很难在便携设备中实现。
鉴于此，为了防范核材料的非法转移和任意携带，同时应对在中子探测过程中需要对中子和伽马射线进行甄别的问题，综合考虑国外在高端中子-伽马甄别设备技术上对中国的封锁和垄断。我们需要研究合适的中子-伽马甄别方法，在实现中子-伽马的精准甄别分析、对通关和过境人员放射物携带检测、防止核材料的非法转移和提升中子探测技术水平与应用范围等方面具有重要意义。
发明内容
针对上述现有技术中的上述问题，本发明提供一种准确性更高的基于复合型结构元素数学形态学的中子-伽马甄别方法。
为了实现上述目的，本发明采用的技术方案如下：
一种基于复合型结构元素数学形态学的中子-伽马甄别方法，包括以下步骤：
P10、获取中子-伽马脉冲数据；
P20、对获取的中子-伽马脉冲数据进行预处理，抑制噪声；
P30、基于中子-伽马能谱构建与中子和伽马两种元素匹配的复合型结构元素，用于中子-伽马脉冲数据的数学形态学变换；
P40、对预处理后的中子-伽马脉冲数据进行数学形态学开运算处理；
P50、对P40步骤开运算后的结果进行积分，计算得出甄别因子；
P60、利用该得到的甄别因子对中子-伽马脉冲数据进行甄别。
具体地，所述步骤P10中获取中子-伽马脉冲数据包括：
采用252Cf和60Co分别进行实验获得若干伽马和中子脉冲信号Data，数据长度为n。
具体地，所述步骤P20中对中子-伽马脉冲数据进行预处理包括：
P21、对获得的中子-伽马脉冲数据进行归一化处理，使得结果落在[0,1]区间，用Datan/g表示归一化处理后的中子-伽马数据，即：
P22、采用最小二乘法对归一化处理后的中子-伽马脉冲数据进行光滑，去除数据中的随机噪声，即：
式中Datan\g′为平滑后的数据，ak为曲线拟合系数。
具体地，所述步骤P30中构建复合型结构元素的过程包括：
P31、确定结构元素的形状，采用两种不同方向的线型结构元素对中子-伽马能谱进行处理；
P32、确定结构元素的尺寸，选取两种线型结构元素的尺寸为数据总尺寸减1，结构元素尺寸用LSE表示，中子伽马数据尺寸为LData，即：
LSE＝LData-1…………(3)；
P33、确定结构元素的原点，将线型结构元素的中点设定为原点；
P34、根据结构元素的形状、尺寸和原点构建出复合型结构元素SE。
其中，所述步骤P31中选取的两种线型结构元素分别与水平方向夹角为45°和135°。
具体地，所述步骤P40中进行数学形态学开运算处理的过程包括：
P41、根据构建的复合型结构元素对预处理后的中子-伽马脉冲数据进行数学形态学腐蚀运算，即：
Dc＝(Datan\g'⊙SE)(n)＝min[Datan\g'(n+LSE)-SE(LSE)]…………(4)；
P42、根据构建的复合型结构元素对数学形态学腐蚀运算后的中子-伽马脉冲数据进行数学形态学膨胀运算，即：
具体地，所述步骤P50中对数学形态学开运算变换后的中子-伽马脉冲结果进行积分，求出甄别因子RPSD：
与现有技术相比，本发明具有以下有益效果：
本发明针对性地构建复合型结构元素，来对中子-伽马谱线细节方面把控得更加仔细，并巧妙地利用具有严格数学理论基础且基本运算简洁的数学形态学进行腐蚀、膨胀等运算来更好地提取特征信息，有效提高了中子-伽马甄别能力，并且通过实验模拟验证了可行性。
附图说明
图1为本发明-实施例的流程示意图。
图2为本发明-实施例中不同角度的线型结构元素的示意图。
图3为本发明-实施例中部分中子-伽马脉冲图。
图4为本发明-实施例中的中子-伽马甄别脉冲谱线图，其中图4a为平滑曲线示意图，图4b为开运算曲线示意图。
图5为本发明-实施例中的中子-伽马甄别效果图。
图6为本发明-实施例中的中子-伽马甄别FoM图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。
实施例
如图1至图6所示，该基于复合型结构元素数学形态学的中子-伽马甄别方法，包括以下步骤：
P10、获取中子-伽马脉冲数据：采用252Cf和60Co分别进行实验获得若干伽马和中子脉冲信号Data，数据长度为n。
P20、对获取的中子-伽马脉冲数据进行预处理，抑制噪声：
P21、对获得的中子-伽马脉冲数据进行归一化处理，使得结果落在[0,1]区间，即：
P22、采用最小二乘法对归一化处理后的中子-伽马脉冲数据进行光滑，去除数据中的随机噪声，即：
式中Datan\g′为平滑后的数据，ak为曲线拟合系数。
P30、基于中子-伽马能谱构建与中子和伽马两种元素匹配的复合型结构元素，用于中子-伽马脉冲数据的数学形态学变换：
P31、确定结构元素的形状，采用两种不同方向的线型结构元素对中子-伽马能谱进行处理，选取的两种线型结构元素分别与水平方向夹角为45°和135°；
P32、确定结构元素的尺寸，选取两种线型结构元素的尺寸为数据总尺寸减1，即：
LSE＝LData-1…………(3)；
P33、确定结构元素的原点，将线型结构元素的中点设定为原点；
P34、根据结构元素的形状、尺寸和原点构建出复合型结构元素SE。
P40、对预处理后的中子-伽马脉冲数据进行数学形态学开运算处理：
P41、根据构建的复合型结构元素对预处理后的中子-伽马脉冲数据进行数学形态学腐蚀运算，即：
Dc＝(Datan\g'⊙SE)(n)＝min[Datan\g'(n+LSE)-SE(LSE)]…………(4)；
P42、根据构建的复合型结构元素对数学形态学腐蚀运算后的中子-伽马脉冲数据进行数学形态学膨胀运算，即：
以对中子-伽马脉冲数据完成整个开运算。
P50、对P4步骤开运算后的结果进行积分，计算得出甄别因子RPSD：
P60、利用该得到的甄别因子对中子-伽马脉冲数据进行甄别。
通过以下实验对该甄别方法进行验证：
实验数据采用EJ-276探测器在平均能量为4.5MeV的241Am-Be中子源上通过10Gs/s数字示波器进行获取12060个脉冲。其中，图2为本发明提出的复合型结构元素图，与水平方向夹角为45°和135°。图3为部分中子-伽马脉冲图，横坐标脉冲时间，纵坐标为归一化后的脉冲幅度。为了验证该基于复合型结构元素数学形态学中子-伽马甄别方法的可行性，绘制基于复合型结构元素数学形态学中子-伽马甄别脉冲谱线图如图4a和图4b所示，可以明显看出中子-伽马脉冲谱线出现明显的分离，从而可利用中子-伽马脉冲谱线的高度进行中子-伽马甄别。为了便于直观的看出基于复合型结构元素数学形态学中子-伽马甄别方法的甄别效果，绘制了是基于复合型结构元素数学形态学中子-伽马甄别效果图如图5所示，从图中可以看出获得了较好的甄别效果。图6所示为基于复合型结构元素数学形态学中子-伽马甄别FoM图。其中，横坐标代表甄别因子，纵坐标代表在该甄别因子区间内的脉冲计数，通过计算两个峰面积即可获取总的脉冲计数值(即脉冲总数)。计算其FoM值为1.3549高于理论FoM(理论FoM值为1.27)，表征该方法能够实现较好的中子-伽马甄别。
上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而做出的变化，均应属于本发明的保护范围之内。
Claims (5)
1.一种基于复合型结构元素数学形态学的中子-伽马甄别方法，其特征在于，包括以下步骤：
P10、获取中子-伽马脉冲数据；
P20、对获取的中子-伽马脉冲数据进行预处理，抑制噪声；
P30、基于中子-伽马能谱构建与中子和伽马两种元素匹配的复合型结构元素，用于中子-伽马脉冲数据的数学形态学变换：
P31、确定结构元素的形状，采用两种不同方向的线型结构元素对中子-伽马能谱进行处理；
P32、确定结构元素的尺寸，选取两种线型结构元素的尺寸为数据总尺寸减1；
P33、确定结构元素的原点，将线型结构元素的中点设定为原点；
P34、根据结构元素的形状、尺寸和原点构建出复合型结构元素SE；
P40、对预处理后的中子-伽马脉冲数据进行数学形态学开运算处理；
P50、对P40步骤开运算后的结果进行积分，计算得出甄别因子；
P60、利用该得到的甄别因子对中子-伽马脉冲数据进行甄别。
2.根据权利要求1所述的基于复合型结构元素数学形态学的中子-伽马甄别方法，其特征在于，所述步骤P10中获取中子-伽马脉冲数据包括：
采用252Cf和60Co分别进行实验获得若干伽马和中子脉冲信号Data，数据长度为n。
3.根据权利要求1所述的基于复合型结构元素数学形态学的中子-伽马甄别方法，其特征在于，所述步骤P20中对中子-伽马脉冲数据进行预处理包括：
P21、对获得的中子-伽马脉冲数据进行归一化处理，使得结果落在[0,1]区间；
P22、采用最小二乘法对归一化处理后的中子-伽马脉冲数据进行光滑，去除数据中的随机噪声。
4.根据权利要求1所述的基于复合型结构元素数学形态学的中子-伽马甄别方法，其特征在于，所述步骤P31中，选取的两种线型结构元素分别与水平方向夹角为45°和135°。
5.根据权利要求1～4任一项所述的基于复合型结构元素数学形态学的中子-伽马甄别方法，其特征在于，所述步骤P40中进行数学形态学开运算处理的过程包括：
P41、根据构建的复合型结构元素对预处理后的中子-伽马脉冲数据进行数学形态学腐蚀运算；
P42、根据构建的复合型结构元素对数学形态学腐蚀运算后的中子-伽马脉冲数据进行数学形态学膨胀运算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011146572.2A CN112258432B (zh) | 2020-10-23 | 2020-10-23 | 基于复合型结构元素数学形态学的中子-伽马甄别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011146572.2A CN112258432B (zh) | 2020-10-23 | 2020-10-23 | 基于复合型结构元素数学形态学的中子-伽马甄别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112258432A CN112258432A (zh) | 2021-01-22 |
| CN112258432B true CN112258432B (zh) | 2021-09-21 |
Family
ID=74264894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011146572.2A Active CN112258432B (zh) | 2020-10-23 | 2020-10-23 | 基于复合型结构元素数学形态学的中子-伽马甄别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112258432B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113204743B (zh) * | 2021-05-19 | 2022-09-02 | 成都大学 | 基于遗传算法的中子-伽马甄别方法 |
| CN115345208B (zh) * | 2022-10-19 | 2023-02-03 | 成都理工大学 | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1527590A (en) * | 1975-11-06 | 1978-10-04 | Ohio Nuclear | Systems for indicating the variation in radioactivity within a patient's cardiac cycle from a tracer substance in the blood |
| JP2003278102A (ja) * | 2002-03-20 | 2003-10-02 | Nagoya Railroad Co Ltd | レール変動量測定方法と、レール変動量及びレールの遊間測定方法と、それら測定に使用される測定装置 |
| CN105122087A (zh) * | 2013-02-20 | 2015-12-02 | 罗克科技有限责任公司 | 通过管中子测量方法及其设备、系统和使用 |
| CN109069030A (zh) * | 2016-02-18 | 2018-12-21 | 皇家飞利浦有限公司 | 经由使用中心静脉压测压法增强呼吸参数估计和异步检测算法 |
| CN109740279A (zh) * | 2019-01-14 | 2019-05-10 | 东华理工大学 | 一种特征频率谱库的电可控中子伽马能谱解析方法 |
| CN110609204A (zh) * | 2019-06-27 | 2019-12-24 | 杭州电子科技大学 | 基于形态学小波分析消噪的配电网单相接地故障定位方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107229080B (zh) * | 2017-05-23 | 2018-07-20 | 兰州大学 | 一种元素测井中子俘获伽马能谱的获取方法 |
| CN110568475A (zh) * | 2019-10-15 | 2019-12-13 | 成都大学 | 一种基于脉冲修复的伪峰校正方法 |
-
2020
- 2020-10-23 CN CN202011146572.2A patent/CN112258432B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1527590A (en) * | 1975-11-06 | 1978-10-04 | Ohio Nuclear | Systems for indicating the variation in radioactivity within a patient's cardiac cycle from a tracer substance in the blood |
| JP2003278102A (ja) * | 2002-03-20 | 2003-10-02 | Nagoya Railroad Co Ltd | レール変動量測定方法と、レール変動量及びレールの遊間測定方法と、それら測定に使用される測定装置 |
| CN105122087A (zh) * | 2013-02-20 | 2015-12-02 | 罗克科技有限责任公司 | 通过管中子测量方法及其设备、系统和使用 |
| CN109069030A (zh) * | 2016-02-18 | 2018-12-21 | 皇家飞利浦有限公司 | 经由使用中心静脉压测压法增强呼吸参数估计和异步检测算法 |
| CN109740279A (zh) * | 2019-01-14 | 2019-05-10 | 东华理工大学 | 一种特征频率谱库的电可控中子伽马能谱解析方法 |
| CN110609204A (zh) * | 2019-06-27 | 2019-12-24 | 杭州电子科技大学 | 基于形态学小波分析消噪的配电网单相接地故障定位方法 |
Non-Patent Citations (6)
| Title |
|---|
| Extracting heartrate from optical signal of functional near-infrared spectroscopy based on mathematical morphology;Jinyan Sun 等;《Journal of Innovative Optical Health Sciences》;20180102;第11卷(第3期);1850010-1至1850010-8 * |
| Pulse Shape Discrimination of Fast Neutron Background using Convolutional Neural Network for NEOS II;Y. Jeong 等;《https://arxiv.org/abs/2009.13355》;20200928;1-5 * |
| Suppression of isolated noise in the dynamic neutron radiography image by use of mathematical morphology;Yasunori Motomura 等;《Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment》;19960731;93-95 * |
| 单探头中子／伽马甄别能谱仪系统研制;柳炳琦 等;《强激光与粒子束》;20171031;第29卷(第10期);106003-1至106003-8 * |
| 基于图象处理的太阳电池串滴胶质量检测;付庄 等;《太阳能学报》;20070831;第28卷(第8期);844-848 * |
| 基于形态学闭开-闭梯度变换的单相自适应重合闸方案;刘海峰 等;《电力系统自动化》;20051110;第29卷(第21期);39-44 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112258432A (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112258432B (zh) | 基于复合型结构元素数学形态学的中子-伽马甄别方法 | |
| CN106990429A (zh) | 一种γ、中子双射线能谱测量装置及测量方法 | |
| WO2017020857A1 (zh) | 一种地层元素俘获伽马能谱的测量方法及装置 | |
| CN111045072B (zh) | 一种适用于CeBr3探测器的γ能谱迭代解谱方法 | |
| CN103837558A (zh) | 一种基于pgnaa技术的水溶液中多元素成分及含量检测装置及检测方法 | |
| CN107229080B (zh) | 一种元素测井中子俘获伽马能谱的获取方法 | |
| CN111896994B (zh) | 一种基于金刚石探测器测量快中子能谱的方法 | |
| Nakhostin | A general-purpose digital pulse shape discrimination algorithm | |
| Amiri et al. | Quick algorithms for real-time discrimination of neutrons and gamma rays | |
| Han et al. | Pulse characteristics of CLYC and piled-up neutron–gamma discrimination using a convolutional neural network | |
| CN111335882A (zh) | 一种融合自然γ探测器的铀裂变瞬发中子测井控制方法 | |
| US6207957B1 (en) | System to quantify gamma-ray radial energy deposition in semiconductor detectors | |
| CN214668716U (zh) | 一种可拆卸包裹爆炸物中子检测装置 | |
| Clifford et al. | Measurements of the spectra of uncollided fission neutrons transmitted through thick samples of nitrogen, oxygen, carbon, and lead: investigation of the minima in total cross sections | |
| Spinks et al. | Pulse Shape Discrimination of low-energy nuclear and electron recoils for improved particle identification in NaI: Tl | |
| Hachem et al. | Neutron Gamma Discrimination Performance with Plastic Scintillator According to SNR, Vertical Resolution and Sampling Frequency | |
| Chichester et al. | High-resolution fast-neutron spectrometry for arms control and treaty verification | |
| Gao et al. | Study on sequential bayesian radionuclide identification approach: Threshold and detection capability | |
| CN109814147A (zh) | 使用探测器加衰减体测量小孔周围γ放射性核素分布的方法 | |
| Li et al. | Evaluation on least square method applied to gamma spectrum de-noising | |
| CN104656117B (zh) | 一种利用全耗尽型硅探测器甄别质子和α粒子的方法 | |
| Balmer et al. | A novel approach to neutron dosimetry | |
| Knurenko et al. | Search for neutrino generated air shower candidates with energy≥ 1019 eV and Zenith angle θ | |
| Al-Bahi et al. | Concept design of an illicit material detection system | |
| He et al. | Study on the interpretation method of formation-elements logging |
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 |