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 PDF

Info

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
Application number
CN202211276296.0A
Other languages
English (en)
Other versions
CN115345208B (zh
Inventor
刘艳华
刘明哲
柳炳琦
杨艾青
黄瑶
刘祥和
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 CN202211276296.0A priority Critical patent/CN115345208B/zh
Publication of CN115345208A publication Critical patent/CN115345208A/zh
Application granted granted Critical
Publication of CN115345208B publication Critical patent/CN115345208B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

基于顶帽变换的中子-伽马脉冲堆积甄别方法
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
Figure 176667DEST_PATH_IMAGE001
道左、右各
Figure 943766DEST_PATH_IMAGE002
道的幅值，形成一个
Figure 127622DEST_PATH_IMAGE003
道幅值的数组，再以第
Figure 153216DEST_PATH_IMAGE001
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：
Figure 778233DEST_PATH_IMAGE004
其中，
Figure 372025DEST_PATH_IMAGE005
为平滑后第
Figure 387385DEST_PATH_IMAGE006
道幅值，
Figure 295299DEST_PATH_IMAGE007
为规范化常数，
Figure 837138DEST_PATH_IMAGE008
为权重因子，
Figure 726466DEST_PATH_IMAGE009
和
Figure 353756DEST_PATH_IMAGE010
根据查表得到的。
在本发明的一较佳实施方式中，在所述P30中，所述线形结构元素的高度
Figure 799781DEST_PATH_IMAGE011
为1，宽 度
Figure 337073DEST_PATH_IMAGE012
为250，中点为原点
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：
Figure 7089DEST_PATH_IMAGE013
，
其中，
Figure 324937DEST_PATH_IMAGE014
为顶帽变换后第
Figure 496025DEST_PATH_IMAGE006
道脉冲信号的幅值，即所述第一脉冲数据，
Figure 12457DEST_PATH_IMAGE015
表 示采用线形结构元素对预处理后的所述中子-伽马脉冲数据的开运算过程，
Figure 56636DEST_PATH_IMAGE016
，
Figure 533885DEST_PATH_IMAGE017
为每组所述中子-伽马脉冲数据的长度；
所述开运算过程包括：
腐蚀运算
Figure 384029DEST_PATH_IMAGE018
，
以及膨胀运算
Figure 958230DEST_PATH_IMAGE019
；
其中，
Figure 94682DEST_PATH_IMAGE020
为线形结构元素，
Figure 183861DEST_PATH_IMAGE012
为线形结构元素
Figure 775379DEST_PATH_IMAGE020
的宽度，为250。
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：
Figure 876190DEST_PATH_IMAGE021
，
其中，
Figure 324489DEST_PATH_IMAGE022
为剔除假峰后第
Figure 25598DEST_PATH_IMAGE023
道脉冲信号的幅值，即所述第二脉冲数据，
Figure 155228DEST_PATH_IMAGE024
为峰 高阈值。
在本发明的一较佳实施方式中，所述峰高阈值
Figure 500759DEST_PATH_IMAGE025
为最大的所述第一脉冲数据的 十分之一。
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，
Figure 323221DEST_PATH_IMAGE026
，
其中，
Figure 996779DEST_PATH_IMAGE027
为对
Figure 992417DEST_PATH_IMAGE028
进行差分处理后第
Figure 130137DEST_PATH_IMAGE023
道脉冲信号的幅值，即所述第三脉冲数 据。
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
Figure 44872DEST_PATH_IMAGE029
，
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
Figure 595939DEST_PATH_IMAGE030
，每组脉冲数据的长度为
Figure 739476DEST_PATH_IMAGE031
。
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。
用
Figure 997282DEST_PATH_IMAGE032
表示中子伽马脉冲平滑后第
Figure 223864DEST_PATH_IMAGE033
道幅值，即：
Figure 855702DEST_PATH_IMAGE034
，
其中，
Figure 130826DEST_PATH_IMAGE035
为规范化常数，
Figure 571035DEST_PATH_IMAGE036
为权重因子，
Figure 312726DEST_PATH_IMAGE037
初始中子-伽马脉冲数据第
Figure 776068DEST_PATH_IMAGE038
道左、 右各
Figure 386041DEST_PATH_IMAGE039
道的幅值，
Figure 805390DEST_PATH_IMAGE040
。
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。
线性结构元素是由0和1组成的矩阵，1在第几行，则高度
Figure 45878DEST_PATH_IMAGE011
就为几。
由于是线性的，所以1在哪一行都不会改变运算结果，所以为了构建简单，将高度
Figure 58834DEST_PATH_IMAGE011
设置为1，即1在第一行。
宽度
Figure 347864DEST_PATH_IMAGE012
指的是1共有多少个，该个数根据信号脉冲宽度来定，为脉冲宽度的一半， 在本实施例中，脉冲信号宽度为500ns，因此将宽度
Figure 434768DEST_PATH_IMAGE012
设置为250。
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。
在确定好结构元素的形状、尺寸和原点后，根据结构元素的形状、尺寸和原点构建 出线形结构元素
Figure 174054DEST_PATH_IMAGE041
。
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：
Figure 267781DEST_PATH_IMAGE042
，
其中，
Figure 422819DEST_PATH_IMAGE043
为顶帽变换后第
Figure 692126DEST_PATH_IMAGE044
道脉冲信号的幅值，即第一脉冲数据，
Figure 946521DEST_PATH_IMAGE045
表示采 用线形结构元素对预处理后的中子-伽马脉冲数据的开运算过程，
Figure 606173DEST_PATH_IMAGE046
，
Figure 627218DEST_PATH_IMAGE047
为每组 中子-伽马脉冲数据的长度；
开运算过程包括：
腐蚀运算
Figure 610087DEST_PATH_IMAGE048
，
以及膨胀运算
Figure 628858DEST_PATH_IMAGE049
；
其中，
Figure 838123DEST_PATH_IMAGE050
为线形结构元素，L为线形结构元素
Figure 7067DEST_PATH_IMAGE051
的宽度，为250。
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：
Figure 923070DEST_PATH_IMAGE052
，
其中，
Figure 175060DEST_PATH_IMAGE053
为剔除假峰后第
Figure 730675DEST_PATH_IMAGE054
道脉冲信号的幅值，即第二脉冲数据，
Figure 31207DEST_PATH_IMAGE055
为峰高阈 值，为最大的第一脉冲数据的十分之一，即顶帽变换后得到的最大幅值的十分之一，
Figure 864033DEST_PATH_IMAGE056
，
Figure 896711DEST_PATH_IMAGE057
为脉冲信号长度。
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，
Figure 18251DEST_PATH_IMAGE058
，
其中，
Figure 919211DEST_PATH_IMAGE059
为对
Figure 731178DEST_PATH_IMAGE060
进行差分处理后第
Figure 262654DEST_PATH_IMAGE061
道脉冲信号的幅值，即第三脉冲数据。
P70、统计第三脉冲数据的波峰个数，若波峰个数
Figure 668227DEST_PATH_IMAGE062
，则将中子-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。
在本实施例中，当
Figure 576140DEST_PATH_IMAGE063
，则认为存在波峰。
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。
4.根据权利要求3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P30中，所述线形结构元素的高度
Figure 170724DEST_PATH_IMAGE001
为1，宽度
Figure 555437DEST_PATH_IMAGE002
为250，中点为原点。
5.根据权利要求4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P40中，按照以下公式进行顶帽变换：
Figure 899831DEST_PATH_IMAGE003
，
其中，
Figure 663388DEST_PATH_IMAGE004
为顶帽变换后第
Figure 841559DEST_PATH_IMAGE005
道脉冲信号的幅值，即所述第一脉冲数据，
Figure 57777DEST_PATH_IMAGE006
表示采 用线形结构元素对预处理后的所述中子-伽马脉冲数据的开运算过程，
Figure 205862DEST_PATH_IMAGE007
，
Figure 214138DEST_PATH_IMAGE008
为每组所述中子-伽马脉冲数据的长度；
所述开运算过程包括：
腐蚀运算
Figure 687844DEST_PATH_IMAGE009
，
以及膨胀运算
Figure 391358DEST_PATH_IMAGE010
；
其中，
Figure 952921DEST_PATH_IMAGE011
为线形结构元素，
Figure 956649DEST_PATH_IMAGE002
为线形结构元素
Figure 335678DEST_PATH_IMAGE011
的宽度，为250。
6.根据权利要求5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P50中，按以下公式剔除所述第一脉冲数据的假峰：
Figure 916700DEST_PATH_IMAGE012
，
其中，
Figure 406588DEST_PATH_IMAGE013
为剔除假峰后第
Figure 874609DEST_PATH_IMAGE014
道脉冲信号的幅值，即所述第二脉冲数据，
Figure 424539DEST_PATH_IMAGE015
为峰高阈 值。
7.根据权利要求6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，所 述峰高阈值
Figure 102645DEST_PATH_IMAGE016
为最大的所述第一脉冲数据的十分之一。
8.根据权利要求7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P60中，按照以下公式对所述第二脉冲数据进行差分处理，
Figure 396223DEST_PATH_IMAGE017
，
其中，
Figure 233598DEST_PATH_IMAGE018
为对
Figure 688850DEST_PATH_IMAGE019
进行差分处理后第
Figure 854252DEST_PATH_IMAGE014
道脉冲信号的幅值，即所述第三脉冲数据。
9.根据权利要求8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P70中，甄别波峰的公式为
Figure 561308DEST_PATH_IMAGE020
，
每当满足一次该公式，则认为存在一个波峰。
CN202211276296.0A 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 Active CN115345208B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (17)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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