CN115345208A - 基于顶帽变换的中子-伽马脉冲堆积甄别方法 - Google Patents
基于顶帽变换的中子-伽马脉冲堆积甄别方法 Download PDFInfo
- Publication number
- CN115345208A CN115345208A CN202211276296.0A CN202211276296A CN115345208A CN 115345208 A CN115345208 A CN 115345208A CN 202211276296 A CN202211276296 A CN 202211276296A CN 115345208 A CN115345208 A CN 115345208A
- Authority
- CN
- China
- Prior art keywords
- pulse
- neutron
- pulse data
- gamma
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明公开了一种基于顶帽变换的中子‑伽马脉冲堆积甄别方法,涉及混合辐射场测量及其数据处理技术领域,包括采集中子‑伽马脉冲数据;对中子‑伽马脉冲数据进行预处理;构建线形结构元素;基于线形结构元素,对预处理后的中子‑伽马脉冲数据进行顶帽变换,得到第一脉冲数据;设置峰高阈值,根据峰高阈值对第一脉冲数据进行假峰剔除,得到第二脉冲数据;对第二脉冲数据进行差分处理,得到第三脉冲数据;统计第三脉冲数据的波峰个数,甄别为脉冲堆积事件。本发明不会受噪声等因素影响,大大降低了误判率;构建了线形结构元素用于中子‑伽马脉冲信号的顶帽变换,等价于用集合的概念对信号进行运算,运算过程和构建过程简单。
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,具体而言,涉及一种基于顶帽变换的中子-伽马脉冲堆积甄别方法。
背景技术
随着核辐射探测技术的不断成熟,尤其是中子探测技术的快速发展,其已被广泛应用于安全检查、材料科学、环境监测及月球探测等众多领域。由于中子穿透力较强,极易对人体产生危害,因此对中子源的使用及中子放射性的测量要求越来越严格。
中子辐射一般伴有伽马辐射,伽马射线的存在,会对后续分析处理带来干扰,因此需要对采集到的中子-伽马脉冲信号进行分析处理。而核事件的发生具有随机性,在短时间内可能连续发生多次核事件,在中子探测过程中,可能会发生相邻脉冲之间相互干扰的情况,导致后一脉冲与前一脉冲重合,即脉冲堆积。脉冲堆积主要由探测器固有特性所造成,在高计数率,高噪声等条件下,尤为容易发生脉冲堆积。脉冲堆积会为后续工作带来一系列消极影响,具体表现为脉冲波形变形、损失计数率、死区时间延长等,进而影响时间分辨率和空间分辨率,脉冲堆积会极大的抑制中子伽马甄别性能。因此,如何对收集到的脉冲信号进行有效的堆积甄别显得尤为必要,若甄别为脉冲堆积则需要对其进行校正或其它处理,开展脉冲堆积的甄别研究对于提升中子探测技术水平具有重要意义。
目前,波形数字化技术常被用于核测量领域,其能够获取核信号的波形信息,为开展核信号分析与处理工作提供了可靠的数据支撑。在中子探测方面,采用波形数字化技术将信号处理方法进行集成,能够对脉冲堆积进行甄别。传统脉冲堆积甄别方法是寻找脉冲信号的极值点,根据统计的极值点个数来进行甄别。这种方法易受噪声等因素影响产生误判,尤其是针对单脉冲信号,其发生误判的概率大大增加。相关研究者针对传统甄别方法的不足,对脉冲堆积的波形特征进行分析,主要从脉冲间隔时间等方面入手开展堆积甄别方法研究,则针对含有噪声的无堆积单脉冲容易发生误判。
发明内容
本发明在于提供一种基于顶帽变换的中子-伽马脉冲堆积甄别方法,其能够缓解上述问题。
为了缓解上述的问题,本发明采取的技术方案如下:
本发明提供了一种基于顶帽变换的中子-伽马脉冲堆积甄别方法,包括以下步骤:
P10、采集中子-伽马脉冲数据;
P20、对所述中子-伽马脉冲数据进行预处理;
P30、构建线形结构元素;
P40、基于所述线形结构元素,对预处理后的所述中子-伽马脉冲数据进行顶帽变换,得到第一脉冲数据;
P50、设置峰高阈值,根据峰高阈值对所述第一脉冲数据进行假峰剔除,得到第二脉冲数据;
P60、对所述第二脉冲数据进行差分处理,得到第三脉冲数据;
P70、统计所述第三脉冲数据的波峰个数,若波峰个数大于等于2,则将所述中子-伽马脉冲数据对应的事件甄别为脉冲堆积事件,否则甄别为非脉冲堆积事件。
在本发明的一较佳实施方式中,在所述P10中,放射源选用241Am-Be中子源,脉冲探测器选用EJ-276塑料闪烁体探测器,采用力科HDO6000A-MS高分辨率示波器收集脉冲信号,获得若干组所述中子-伽马脉冲数据。
在本发明的一较佳实施方式中,在所述P20中,预处理过程包括:采用最小二乘法对所述中子-伽马脉冲数据进行平滑处理。
利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据
之间误差的平方和为最小。最小二乘法平滑的基本原理是:取原脉冲信号第道左、右各
道的幅值,形成一个道幅值的数组,再以第道为中心,采用多项式对其进行拟合。脉
冲信号经最小二乘法平滑后的幅值计算公式为:
在本发明的一较佳实施方式中,在所述P40中,按照以下公式进行顶帽变换:
所述开运算过程包括:
腐蚀运算
以及膨胀运算
在本发明的一较佳实施方式中,在所述P50中,按以下公式剔除所述第一脉冲数据的假峰:
在本发明的一较佳实施方式中,在所述P60中,按照以下公式对所述第二脉冲数据进行差分处理,
在本发明的一较佳实施方式中,在所述P70中,甄别波峰的公式为
每当满足一次该公式,则认为存在一个波峰。
与现有技术相比,本发明的有益效果是:
本发明所述的脉冲堆积甄别方法不用根据统计的极值点个数来进行脉冲堆积甄别,不会受噪声等因素影响,大大降低了误判率;
本发明构建了线形结构元素用于中子-伽马脉冲信号的顶帽变换,等价于用集合的概念对信号进行运算,运算过程和构建过程简单,根据图4、图5、图6、图7可以看出,经顶帽变换后,脉冲信号的波峰更加明显,有利于统计波峰个数;
本发明采用构建的线形结构元素对脉冲信号进行顶帽变换可以快速准确的提取波峰特征,将波峰信息放大,再结合设置的峰高阈值剔除假峰,继而可实现对噪声的剔除;
本发明信号均做了归一化处理,最大幅值为1,将峰高阈值设置为顶帽变换后最大幅值的十分之一,可以有效的剔除假峰,能够尽可能在保留真实信号的基础上,剔除噪声;
本发明通过采用线性结构元素来对平滑后的中子-伽马脉冲信号进行顶帽变换,可以有效的提取脉冲信号的波峰特征,并通过设置阈值剔除假峰,差分处理后统计波峰个数,若波峰个数大于等于2,则视为堆积事件,通过实验模拟验证了该方法的可行性。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举本发明实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所述基于顶帽变换的中子-伽马脉冲堆积甄别方法流程示意图;
图2为本发明实施例中模拟的含有噪声的脉冲堆积信号波形图;
图3为本发明实施例中模拟脉冲信号平滑处理后的波形图;
图4为本发明实施例中模拟信号顶帽变换后的波形图;
图5为本发明实施例中实测单脉冲无堆积的顶帽变换波形图;
图6为本发明实施例中实测双脉冲堆积信号顶帽变换波形图;
图7为本发明实施例中实测三脉冲堆积信号顶帽变换波形图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1~图7,本发明实施例提供了一种基于顶帽变换的中子-伽马脉冲堆积甄别方法,包括以下步骤:
P10、采集中子-伽马脉冲数据。
在本实施例中,放射源选用241Am-Be中子源,脉冲探测器选用EJ-276塑料闪烁体探
测器,采用力科HDO6000A-MS高分辨率示波器收集脉冲信号,获得500组脉冲宽度为500ns的
中子-伽马脉冲数据,每组脉冲数据的长度为。
P20、对中子-伽马脉冲数据进行预处理,以减少噪声影响。
在本实施例中,预处理过程包括:采用最小二乘法对中子-伽马脉冲数据进行平滑处理。
P30、构建线形结构元素。
在本实施例中,结构元素的形状为线形,即采用线形结构元素对中子-伽马脉冲数据进行处理。
采用线性结构元素进行信号处理,等价于用集合的概念对信号进行运算,运算过程简单,线性结构元素是由0和1构建的矩阵。
构建线形结构的尺寸包括高度尺寸和宽度尺寸。
根据原点是否处于结构元素的中点,可将结构元素分为对称和非对称性两种,非对称时,顶帽变换运算提取峰位信息效果较差,因此在本实施中,将线型结构元素的中点设定为原点。
P40、基于线形结构元素,对预处理后的中子-伽马脉冲数据进行顶帽变换,得到第一脉冲数据。
在本实施例中,按照以下公式进行顶帽变换:
开运算过程包括:
腐蚀运算
以及膨胀运算
P50、设置峰高阈值,根据峰高阈值对第一脉冲数据进行假峰剔除,得到第二脉冲数据。
在本实施例中,按以下公式剔除第一脉冲数据的假峰:
P60、对第二脉冲数据进行差分处理,得到第三脉冲数据。
在本实施例中,按照以下公式对第二脉冲数据进行差分处理,
本实施例所述基于顶帽变换的中子-伽马脉冲堆积甄别方法,通过以下实验进行验证:
放射源选用241Am-Be中子源,探测器为EJ-276塑料闪烁体探测器,采用力科HDO6000A-MS高分辨率示波器收集脉冲信号,共采集500组脉冲宽度均为500ns的中子-伽马脉冲信号。
其中,图2为本实施例中模拟的含有噪声的脉冲堆积信号波形图。图3为本实施例中模拟脉冲信号平滑处理后的波形图。
为了验证本发明方法的可行性,对图2所示平滑后的脉冲波形进行顶帽变换,如图4所示,可以明显看出中子-伽马脉冲谱线整体下移,峰位更加清晰,从而可利用中子-伽马脉冲堆积甄别。
为了验证本发明方法的有效性,对实测无堆积的单脉冲和堆积的双脉冲、三脉冲信号进行堆积甄别。图5所示为本实施例中实测单脉冲无堆积的顶帽变换波形图,可以明显的看出,针对无堆积的单脉冲信号,该方法能够识别出一个有效峰。图6为本实施例中实测双脉冲堆积信号顶帽变换波形图,可以清晰的看出,针对堆积的双脉冲信号,本发明方法能够识别出两个有效峰。图7为本实施例中实测三脉冲堆积信号顶帽变换波形图,可以清晰的看出,针对堆积的三脉冲,本发明方法能够识别出三个有效峰,进而实现脉冲堆积的甄别。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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 (9)
1.一种基于顶帽变换的中子-伽马脉冲堆积甄别方法,其特征在于,包括以下步骤:
P10、采集中子-伽马脉冲数据;
P20、对所述中子-伽马脉冲数据进行预处理;
P30、构建线形结构元素;
P40、基于所述线形结构元素,对预处理后的所述中子-伽马脉冲数据进行顶帽变换,得到第一脉冲数据;
P50、设置峰高阈值,根据峰高阈值对所述第一脉冲数据进行假峰剔除,得到第二脉冲数据;
P60、对所述第二脉冲数据进行差分处理,得到第三脉冲数据;
P70、统计所述第三脉冲数据的波峰个数,若波峰个数大于等于2,则将所述中子-伽马脉冲数据对应的事件甄别为脉冲堆积事件,否则甄别为非脉冲堆积事件。
2.根据权利要求1所述基于顶帽变换的中子-伽马脉冲堆积甄别方法,其特征在于,在所述P10中,放射源选用241Am-Be中子源,脉冲探测器选用EJ-276塑料闪烁体探测器,采用HDO6000A-MS高分辨率示波器收集脉冲信号,获得若干组所述中子-伽马脉冲数据。
3.根据权利要求2所述基于顶帽变换的中子-伽马脉冲堆积甄别方法,其特征在于,在所述P20中,预处理过程包括:采用最小二乘法对所述中子-伽马脉冲数据进行平滑处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276296.0A CN115345208B (zh) | 2022-10-19 | 2022-10-19 | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211276296.0A CN115345208B (zh) | 2022-10-19 | 2022-10-19 | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345208A true CN115345208A (zh) | 2022-11-15 |
CN115345208B CN115345208B (zh) | 2023-02-03 |
Family
ID=83957033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211276296.0A Active CN115345208B (zh) | 2022-10-19 | 2022-10-19 | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345208B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102247129A (zh) * | 2011-06-15 | 2011-11-23 | 西安电子科技大学 | 脉搏波非典型波峰波谷的识别方法 |
CN102722640A (zh) * | 2012-05-24 | 2012-10-10 | 中交第二公路勘察设计研究院有限公司 | 一种顾及邻近波形信息的机载激光波形数据分解算法 |
CN103969675A (zh) * | 2013-02-05 | 2014-08-06 | 苏州瑞派宁科技有限公司 | 数字化闪烁脉冲的基线校正方法及系统 |
CN104271880A (zh) * | 2011-05-24 | 2015-01-07 | 快帽系统公司 | 用于高温应用的具有可再充电能量存储器的电力系统 |
CN105078444A (zh) * | 2014-08-25 | 2015-11-25 | 深圳迈瑞生物医疗电子股份有限公司 | 一种噪声检测方法、装置及医疗检测设备 |
CN106845334A (zh) * | 2016-11-29 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于数学形态学的新型噪声提取方法 |
CN108620734A (zh) * | 2018-05-09 | 2018-10-09 | 上海航天设备制造总厂有限公司 | 一种蚀刻网过滤器脉冲激光自动焊接方法 |
CN109936360A (zh) * | 2019-04-19 | 2019-06-25 | 苏州瑞迈斯医疗科技有限公司 | 脉冲计数装置及辐射探测系统 |
CN110061733A (zh) * | 2019-04-19 | 2019-07-26 | 苏州瑞迈斯医疗科技有限公司 | 脉冲信号的计数方法、重建方法及芯片 |
CN110083019A (zh) * | 2013-09-25 | 2019-08-02 | Asml荷兰有限公司 | 光学元件、辐射系统及光刻系统 |
CN111337606A (zh) * | 2020-03-19 | 2020-06-26 | 南通乐尔环保科技有限公司 | 一种应用于色谱分析的重叠峰处理办法及装置 |
WO2020197095A1 (ko) * | 2019-03-28 | 2020-10-01 | ㈜큐엠씨 | 마이크로 발광다이오드 칩 제거 장치와 방법 및 이를 이용한 마이크로 발광다이오드 모듈 리페어 시스템과 방법 |
CN112258432A (zh) * | 2020-10-23 | 2021-01-22 | 成都大学 | 基于复合型结构元素数学形态学的中子-伽马甄别方法 |
CN112505742A (zh) * | 2020-11-07 | 2021-03-16 | 成都理工大学工程技术学院 | 基于下降沿积分的数字n-γ甄别方法 |
CN112597923A (zh) * | 2020-12-28 | 2021-04-02 | 成都大学 | 一种基于形态学与优化灰色模型的脉冲堆积校正方法 |
CN113204743A (zh) * | 2021-05-19 | 2021-08-03 | 成都大学 | 基于遗传算法的中子-伽马甄别方法 |
CN114788704A (zh) * | 2021-01-25 | 2022-07-26 | 浙江荷清柔性电子技术有限公司 | 心电图信号中qrs波识别方法、装置、设备和存储介质 |
-
2022
- 2022-10-19 CN CN202211276296.0A patent/CN115345208B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104271880A (zh) * | 2011-05-24 | 2015-01-07 | 快帽系统公司 | 用于高温应用的具有可再充电能量存储器的电力系统 |
CN102247129A (zh) * | 2011-06-15 | 2011-11-23 | 西安电子科技大学 | 脉搏波非典型波峰波谷的识别方法 |
CN102722640A (zh) * | 2012-05-24 | 2012-10-10 | 中交第二公路勘察设计研究院有限公司 | 一种顾及邻近波形信息的机载激光波形数据分解算法 |
CN103969675A (zh) * | 2013-02-05 | 2014-08-06 | 苏州瑞派宁科技有限公司 | 数字化闪烁脉冲的基线校正方法及系统 |
CN110083019A (zh) * | 2013-09-25 | 2019-08-02 | Asml荷兰有限公司 | 光学元件、辐射系统及光刻系统 |
CN105078444A (zh) * | 2014-08-25 | 2015-11-25 | 深圳迈瑞生物医疗电子股份有限公司 | 一种噪声检测方法、装置及医疗检测设备 |
CN106845334A (zh) * | 2016-11-29 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 一种基于数学形态学的新型噪声提取方法 |
CN108620734A (zh) * | 2018-05-09 | 2018-10-09 | 上海航天设备制造总厂有限公司 | 一种蚀刻网过滤器脉冲激光自动焊接方法 |
WO2020197095A1 (ko) * | 2019-03-28 | 2020-10-01 | ㈜큐엠씨 | 마이크로 발광다이오드 칩 제거 장치와 방법 및 이를 이용한 마이크로 발광다이오드 모듈 리페어 시스템과 방법 |
CN110061733A (zh) * | 2019-04-19 | 2019-07-26 | 苏州瑞迈斯医疗科技有限公司 | 脉冲信号的计数方法、重建方法及芯片 |
CN109936360A (zh) * | 2019-04-19 | 2019-06-25 | 苏州瑞迈斯医疗科技有限公司 | 脉冲计数装置及辐射探测系统 |
CN111337606A (zh) * | 2020-03-19 | 2020-06-26 | 南通乐尔环保科技有限公司 | 一种应用于色谱分析的重叠峰处理办法及装置 |
CN112258432A (zh) * | 2020-10-23 | 2021-01-22 | 成都大学 | 基于复合型结构元素数学形态学的中子-伽马甄别方法 |
CN112505742A (zh) * | 2020-11-07 | 2021-03-16 | 成都理工大学工程技术学院 | 基于下降沿积分的数字n-γ甄别方法 |
CN112597923A (zh) * | 2020-12-28 | 2021-04-02 | 成都大学 | 一种基于形态学与优化灰色模型的脉冲堆积校正方法 |
CN114788704A (zh) * | 2021-01-25 | 2022-07-26 | 浙江荷清柔性电子技术有限公司 | 心电图信号中qrs波识别方法、装置、设备和存储介质 |
CN113204743A (zh) * | 2021-05-19 | 2021-08-03 | 成都大学 | 基于遗传算法的中子-伽马甄别方法 |
Non-Patent Citations (3)
Title |
---|
YAO HUANG ,ETC: ""Nuclide Spectrum Peak Searching Algorithm Based on Multiple Morphological Structuring Elements"", 《CISAT 2020》 * |
王一鸣等: ""脉冲堆积条件下 n 与 γ 脉冲波形甄别仿真分析"", 《核电子学与探测技术》 * |
罗晓亮等: ""中子通量及能谱测量中关键技术研究"", 《中国博士学位论文全文数据库基础科学辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115345208B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105093261B (zh) | 一种数字化中子谱仪的中子、γ甄别系统 | |
CN102073059B (zh) | 一种数字化pileup波形处理方法及系统 | |
CN103424766A (zh) | 一种基于模式识别的核素快速识别方法 | |
CN106990429A (zh) | 一种γ、中子双射线能谱测量装置及测量方法 | |
CN112505742B (zh) | 基于下降沿积分的数字n-γ甄别方法 | |
CN105824817A (zh) | 一种闪烁脉冲的数字化方法 | |
CN102279408A (zh) | 多道能谱测量的处理方法和装置 | |
CN101063664A (zh) | 一种放射性人工气溶胶的监测方法及装置 | |
Nakhostin | A general-purpose digital pulse shape discrimination algorithm | |
Han et al. | Pulse characteristics of CLYC and piled-up neutron–gamma discrimination using a convolutional neural network | |
CN115345208B (zh) | 基于顶帽变换的中子-伽马脉冲堆积甄别方法 | |
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 | |
Enqvist et al. | Measurement and simulation of neutron/gamma-ray cross-correlation functions from spontaneous fission | |
US6207957B1 (en) | System to quantify gamma-ray radial energy deposition in semiconductor detectors | |
Faisal et al. | A data processing system for real-time pulse processing and timing enhancement for nuclear particle detection systems | |
Takahashi et al. | Digital signal processing for 3He proportional counters | |
CN115420226A (zh) | 基于脉冲宽度的射线作用位置定位装置及定位方法 | |
CN111239797B (zh) | 一种基于辐射粒子事件的采集器及快速核素识别方法 | |
CN110687584B (zh) | 一种基于lstm的快速核素识别方法 | |
DE10201995A1 (de) | Verfahren zur Zuordnung eines Pulslaufes zu einem von einer Mehrzahl von Pulstypen verschiedener Abklingzeit und Vorrichtung zu dessen Durchführung | |
Chandhran et al. | Neutron and gamma ray discrimination for CLYC using normalized cross correlation analysis | |
Gao et al. | Study on sequential bayesian radionuclide identification approach: Threshold and detection capability | |
CN111273337A (zh) | 一种基于蒙特卡罗脉冲插值方法的核能谱处理方法 | |
Reva et al. | Computer methods of recognition and analysis of X-ray and gamma radiation parameters | |
CN114254495B (zh) | 一种基于蒙特卡洛方法的模拟能谱生成方法 |
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 |