CN116070419A - 一种基于碲锌镉探测器反卷积计算综合分析方法 - Google Patents
一种基于碲锌镉探测器反卷积计算综合分析方法 Download PDFInfo
- Publication number
- CN116070419A CN116070419A CN202211686641.8A CN202211686641A CN116070419A CN 116070419 A CN116070419 A CN 116070419A CN 202211686641 A CN202211686641 A CN 202211686641A CN 116070419 A CN116070419 A CN 116070419A
- Authority
- CN
- China
- Prior art keywords
- energy
- tellurium
- zinc
- peak
- function
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Measurement Of Radiation (AREA)
Abstract
本发明公开了一种基于碲锌镉探测器反卷积计算综合分析方法,主要应用于小型化便携式核素识别仪,属于核辐射探测技术领域。该方法主要包括三个过程:(1)建立探测器响应函数;(2)建立探测器响应矩阵;(3)反卷积计算分析。其中过程(1)包括蒙特卡洛模拟获得伽马能谱、全能峰函数拟合、全能峰等效替换;过程(2)包括拟合参数刻度、模拟响应矩阵全能峰等效替换;过程(3)包括混合源能谱测量、反卷积算法计算、伽马能谱重建及均方误差分析等。综合分析方法整体从碲锌镉探测器特点出发,放大其优势,解决低能拖尾问题对建立探测器响应矩阵的影响,利用全谱分析方法进行反卷积计算,提高小型化便携式核素识别仪识别结果准确性和稳定性。
Description
技术领域
本发明属于核辐射探测技术领域,具体涉及一种基于碲锌镉探测器反卷积计算综合分析方法。
背景技术
放射性核素识别技术通过伽马能谱的测量和分析实现对未知样品的识别,经过数十年的发展,该技术已经广泛应用于国防、环境监测、医疗诊断、工业生产等领域。为了更加便捷高效地使用该技术,便携式核素识别仪应运而生。随着技术进步带来的核素识别要求,便携式核素识别仪小型化发展的同时,提高识别结果的准确性和稳定性是目前研究中的重点。
关于便携式核素识别仪的研究主要集中在两个方面:探测器和伽马能谱分析方法。碲锌镉探测器因具备体积小、能量沉积本领强、能量分辨率高、在常温下工作等优势,非常适用于便携式现场测量设备。但是,由于电子和空穴载流子在碲锌镉晶体中漂移时的平均自由程相差约两个数量级,导致电极对二者收集不完全且不均衡,最终在伽马能谱中全能峰低能端出现明显的拖尾现象,严重影响实测能谱的精细化分析。虽然很多研究者针对这一问题开展工作,但结果尚不理想,需要继续进行相关研究。
对于伽马能谱分析方法,传统便携式核素识别仪中通常采用特征峰分析法,但是在对复杂样品测量时,能谱中往往出现重叠峰和弱峰,分析时由于能谱信息利用不完整造成识别结果不准确,尤其是在定量识别时结果误差较大。伽马能谱反卷积计算属于全谱分析方法的一种,在已知实测能谱和探测器响应矩阵的基础上,通过反卷积计算求出原始射线谱,有效复原射线的能量和强度信息,使寻峰更加方便快捷,峰面积计算更加准确。反卷积计算分析已经在大体积闪烁体探测器上得到应用,由于碲锌镉探测器能谱中低能拖尾问题,现有研究中还没有建立探测器响应矩阵的有效方法,所以反卷积计算过程还未能实现。
基于上述背景,我们提出一种基于碲锌镉探测器反卷积计算综合分析方法,该方法能够解决低能拖尾问题并建立准确的探测器响应函数,根据拟合参数刻度可以快速地建立对应的探测器响应矩阵,通过不同的算法实现反卷积计算分析,并将重建能谱与原始谱对比分析误差。该综合分析方法能够应用于基于碲锌镉探测器的小型化便携式核素识别仪,提高识别结果准确性和稳定性。
发明内容
针对上述背景技术中提到的相关问题,本发明提出一种基于碲锌镉探测器反卷积计算综合分析方法,旨在改善小型化便携式核素识别仪的分析方法,提高识别结果准确性和稳定性。
为实现上述技术目的,本发明的技术方案为:
一种基于碲锌镉探测器反卷积计算综合分析方法,包括以下步骤,
步骤一,建立探测器响应函数,通过模拟软件建立碲锌镉探测器模型,对所述碲锌镉探测器模型的响应函数进行设置,保证所建立的碲锌镉探测器模型的模拟伽马能谱数据与实测谱数据的整体一致性;
步骤二,建立探测器响应矩阵,建立碲锌镉探测器的模拟响应矩阵,根据步骤一中的响应函数对相应能谱进行等效替换,建立准确的碲锌镉探测器的模拟响应矩阵;
步骤三,反卷积计算分析,准备含有不同种类和含量的放射性核素的样品,使用反卷积算法对样品的伽马能谱进行计算,再通过步骤二中碲锌镉探测器的模拟响应矩阵进行卷积计算,比对结果判断反卷积算法的优劣。
进一步的,所述的步骤一主要包括以下步骤,
S11,通过蒙特卡洛模拟获得伽马能谱,根据分析仪器中所用碲锌镉探测器的结构和尺寸,在蒙特卡洛模拟软件中建立碲锌镉探测器的对应模型,设置放射源模拟获得对应的模拟伽马能谱,所述模拟伽马能谱包括全能峰、康普顿坪、反散射峰和单双逃逸峰,其中康普顿坪、反散射峰和单双逃逸峰数据与实测谱数据一致;
S12,根据实测谱中全能峰形成的物理过程,通过拟合函数对所述全能峰进行拟合生成拟合峰,拟合函数选用四个函数叠加:F(i)=G(i)+D(i)+S(i)+B(i),其中G(i)为高斯函数,D(i)为拖尾函数,S(i)为台阶函数,B(i)为本底函数;
S13,使用S12中的拟合峰对S11中模拟伽马能谱中全能峰进行替换,以峰面积进行等效,使替换后的模拟伽马能谱数据与实测谱数据的保持整体一致性。
进一步的,所述的S12中,
本底函数B(i)=A1+A2×i,
其中,i为道址,i0为全能峰位,σ为标准差,Hg为高斯峰峰高,Ht为低能尾巴高度,Ts为指数尾巴反斜率,Hs为本底台阶高度,A1、A2为常数,各参数只与峰位能量相关。
进一步的,所述的步骤二主要包括以下步骤,
S21,根据步骤一中实测谱不同能量全能峰进行函数拟合获得对应的拟合峰参数值,分别对每个特征峰的参数关于能量进行刻度,确定参数与能量的关系式,获得对不同能量全能峰进行函数拟合时所需的参数值;
S22,建立碲锌镉探测器的模拟响应矩阵,结合S21中的拟合峰参值,使用循环操作程序完成模拟响应矩阵中的各能谱全能峰的等效替换,建立准确的碲锌镉探测器的模拟响应矩阵。
进一步的,所述的步骤三主要包括以下步骤,
S31,设置含有不同种类和含量的放射性核素的样品,使用步骤二中的碲锌镉探测器测量样品的伽马能谱;
S32,根据S31的测量结果,使用不同类型的反卷积算法对样品伽马能谱进行反卷积计算,对计算结果分析,实现对放射性核素的定性及定量识别;
S33,对不同反卷积算法识别结果进行差异性分析,将计算结果与碲锌镉探测器的模拟响应矩阵重新进行卷积计算,得到重建伽马能谱,同时与直接测得的样品伽马能谱进行对比,通过均方误差的大小对计算结果优劣性进行判断。
进一步的,S32中,所述不同类型的反卷积算法包括传统算法、迭代算法和增强型算法。
与现有技术相比,本发明所具有的优点:
1.本发明提出基于碲锌镉探测器反卷积计算综合分析方法,在满足便携式核素识别仪小型化发展的同时,进一步提升识别结果的准确性和稳定性。
2.本发明针对碲锌镉探测器全能峰低能拖尾问题,根据其形成的物理过程,结合使用蒙特卡洛模拟与全能峰函数拟合进行等效替换,建立准确的探测器响应函数,得到的全谱数据与实验能谱基本一致。
3.本发明通过对拟合函数各参数关于能量进行刻度,可以对范围内任意能量全能峰实现函数拟合,循环程序的使用可以对模拟响应矩阵一次性完成全能峰等效替换,既保证各能谱数据的准确性,又加快了响应矩阵建立的速度。
4.根据反卷积计算结果直接对算法进行评价存在困难,本发明将重建伽马能谱与原始测量能谱对比,通过计算二者的均方误差对反卷积结果的优劣进行量化,数值大小可以直接评价不同算法计算结果的差异。
附图说明
图1为本发明基于碲锌镉探测器反卷积计算综合分析方法实现步骤流程图;
图2为137Cs模拟谱与实验谱对比图;
图3为碲锌镉探测器响应矩阵;
图4为反卷积计算结果重建能谱与原始混合源能谱对比图。
具体实施方式
以下结合附图对本发明的实施例作进一步详细描述。
一种基于碲锌镉探测器反卷积计算综合分析方法,其特征在于提出一套完整可行的用于碲锌镉探测器便携式核素识别仪的全谱分析方法,主要包括三个过程:(1)建立探测器响应函数;(2)建立探测器响应矩阵;(3)反卷积计算分析。
所述过程(1)包括蒙特卡洛模拟获得伽马能谱、全能峰函数拟合、全能峰等效替换。针对碲锌镉探测器伽马能谱全能峰低能拖尾问题,通过全能峰函数拟合方法获得对应的准确拟合峰,蒙特卡洛模拟保证能谱中康普顿坪、反散射峰、单双逃逸峰等部分的准确性,使用拟合峰对模拟谱中全能峰进行等效替换,保证所建立探测器响应函数的全谱数据与实验谱数据的整体一致性。
过程(1)建立探测器响应函数主要包含三个步骤:
步骤一:蒙特卡洛模拟获得伽马能谱。根据分析仪器中所用碲锌镉探测器的结构和尺寸,在蒙特卡洛模拟软件中建立对应的模型;设置放射源模拟获得对应的伽马能谱,保证模拟谱中康普顿坪、反散射峰、单双逃逸峰等部分与实验谱一致。
步骤二:全能峰函数拟合。根据实测谱中全能峰形成的物理过程,拟合函数选用四个函数叠加F(i)=G(i)+D(i)+S(i)+B(i)。其中,①高斯函数②拖尾函数③台阶函数④本底函数B(i)=A1+A2×i。其中,i为道址,i0为全能峰位,σ为标准差,Hg为高斯峰峰高,Ht为低能尾巴高度,Ts为指数尾巴反斜率,Hs为本底台阶高度,A1、A2为常数,各参数只与峰位能量相关。
步骤三:全能峰等效替换。使用步骤二中拟合峰对步骤一中模拟谱全能峰进行替换,为了保证替换后全谱数据的一致性,应以峰面积进行等效,同时注意能谱数据的连续性,避免出现数据突变。
至此,完成建立探测器响应函数部分。
所述过程(2)包括拟合参数刻度、模拟响应矩阵全能峰等效替换。通过对实验谱中不同能量特征峰函数拟合,获得对应的拟合参数,各参数只与峰位能量有关,根据满足的函数关系式对各个参数关于能量进行刻度,由此可以得到能量范围内任意能量全能峰拟合时所需的各个参数值,从而得到对应的拟合峰;进一步地,对于模拟建立的响应矩阵,利用拟合峰分别进行全能峰等效替换,由此,可以建立准确的探测器响应矩阵。
过程(2)建立探测器响应矩阵主要包含两个步骤:
步骤一:拟合参数刻度。根据对不同能量全能峰进行函数拟合可以获得对应的参数值,由于各拟合参数只与峰能量相关,使用函数关系式分别关于能量进行刻度。由此,可以获得对不同能量全能峰进行函数拟合时所需的参数值。
步骤二:模拟响应矩阵全能峰等效替换。通过模拟建立探测器响应矩阵后,需要对其中各个能谱进行全能峰等效替换,替换方法与前述步骤相同。由于各拟合参数已经关于能量刻度,可以通过循环程序操作一次性完成响应矩阵中各能谱全能峰的等效替换。
至此,完成建立探测器响应矩阵部分。
所述过程(3)包括混合源能谱测量、反卷积算法计算、伽马能谱重建及均方误差分析等。通过实验测得混合源能谱,其中包含不同种类和含量的放射性核素;开发不同类型的反卷积算法,包括传统算法、迭代算法、增强型算法等,并结合响应矩阵使用这些算法对混合源能谱进行反卷积计算,对计算结果分析能够实现对放射性核素的定性及定量识别;同时,为了验证不同算法识别结果的差异性,将计算结果与响应矩阵进行卷积计算,得到对应的重建能谱,并与原始混合谱对比分析,根据均方误差值的大小确定最合适的算法。
过程(3)反卷积计算分析主要包含三个步骤:
步骤一:混合源能谱测量。设置含有不同种类和含量放射性核素的样品,使用前述碲锌镉探测器测量对应的伽马能谱。
步骤二:反卷积算法计算。根据现有研究工作开发不同的反卷积算法,分别对步骤一中测得的混合源能谱进行反卷积计算,根据计算结果可以进行放射性核素识别。
步骤三:伽马能谱重建及均方误差分析。为了量化各种反卷积算法计算结果的优劣,将计算结果与探测器响应矩阵重新进行卷积计算,得到重建伽马能谱,同时与直接测得的混合源能谱进行对比,根据均方误差的大小可以对计算结果优劣进行判断。
至此,完成反卷积计算分析部分。
在实验室条件下,使用碲锌镉探测器分别测得241Am、137Cs和60Co伽马能谱图,对能谱数据进行预处理,包括:能量刻度、能量分辨率刻度、本底扣除、平滑滤波、数据归一等。在此基础上,按照图1中步骤开展反卷积计算分析。
过程(1)建立探测器响应函数包含三个步骤。步骤一蒙特卡洛模拟获得伽马能谱,在Geant4中建立碲锌镉探测器模型,通过模拟计算分别获得241Am、137Cs和60Co模拟能谱。步骤二全能峰函数拟合,使用拟合函数F(i)=G(i)+D(i)+S(i)+B(i)分别对实验谱中四个全能峰(241Am@59.5keV、137Cs@662keV、60Co@1173keV和@1332keV)进行拟合,得到对应的拟合峰。步骤三全能峰等效替换,使用四个拟合峰分别对模拟谱中全能峰进行替换,替换后全谱数据与实验谱基本一致,以137Cs为例如图2所示。
过程(2)建立探测器响应矩阵包含两个步骤。步骤一拟合参数刻度,根据过程(1)中拟合结果,可以得到四个特征峰能量对应的参数值,分别对各个参数关于能量进行刻度,确定参数与能量的关系式。步骤二模拟响应矩阵全能峰等效替换,先通过模拟建立能量响应矩阵,结合参数刻度结果,使用循环操作程序完成矩阵中各能谱全能峰的等效替换。由此建立准确的探测器响应矩阵,其中部分能谱如图3所示。
过程(3)反卷积计算分析主要包含三个步骤。步骤一:混合源能谱测量,使用碲锌镉探测器同时对241Am、137Cs和60Co三种放射源进行测量,得到混合源能谱。步骤二:反卷积算法计算,结合过程(2)中建立的能量响应矩阵,使用Boosted-Gold迭代算法对混合源能谱进行反卷积计算,根据计算结果可以实现对混合源中三种放射性核素的识别。步骤三:伽马能谱重建及均方误差分析,为了量化反卷积计算结果的优劣,将结果与响应矩阵重新进行卷积计算,得到重建能谱,重建能谱与原始混合源能谱对比如图4所示,二者整体趋势一致,其中均方误差值小于0.1%,二者符合较好。由此证明本发明中提出的综合分析方法准确可行,能够保证便携式核素识别仪小型化发展的同时,提升识别结果的准确性和可行性。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.一种基于碲锌镉探测器反卷积计算综合分析方法,其特征在于,包括以下步骤,
步骤一,建立探测器响应函数,通过模拟软件建立碲锌镉探测器模型,对所述碲锌镉探测器模型的响应函数进行设置,保证所建立的碲锌镉探测器模型的模拟伽马能谱数据与实测谱数据的整体一致性;
步骤二,建立探测器响应矩阵,建立碲锌镉探测器的模拟响应矩阵,根据步骤一中的响应函数对相应能谱进行等效替换,建立准确的碲锌镉探测器的模拟响应矩阵;
步骤三,反卷积计算分析,准备含有不同种类和含量的放射性核素的样品,使用反卷积算法对样品的伽马能谱进行计算,再通过步骤二中碲锌镉探测器的模拟响应矩阵进行卷积计算,比对结果判断反卷积算法的优劣。
2.根据权利要求1所述的一种基于碲锌镉探测器反卷积计算综合分析方法,其特征在于,所述的步骤一主要包括以下步骤,
S11,通过蒙特卡洛模拟获得伽马能谱,根据分析仪器中所用碲锌镉探测器的结构和尺寸,在蒙特卡洛模拟软件中建立碲锌镉探测器的对应模型,设置放射源模拟获得对应的模拟伽马能谱,所述模拟伽马能谱包括全能峰、康普顿坪、反散射峰和单双逃逸峰,其中康普顿坪、反散射峰和单双逃逸峰数据与实测谱数据一致;
S12,根据实测谱中全能峰形成的物理过程,通过拟合函数对所述全能峰进行拟合生成拟合峰,拟合函数选用四个函数叠加:F(i)=G(i)+D(i)+S(i)+B(i),其中G(i)为高斯函数,D(i)为拖尾函数,s(i)为台阶函数,B(i)为本底函数;
S13,使用S12中的拟合峰对S11中模拟伽马能谱中全能峰进行替换,以峰面积进行等效,使替换后的模拟伽马能谱数据与实测谱数据的保持整体一致性。
4.根据权利要求3所述的一种基于碲锌镉探测器反卷积计算综合分析方法,其特征在于,所述的步骤二主要包括以下步骤,
S21,根据步骤一中实测谱不同能量全能峰进行函数拟合获得对应的拟合峰参数值,分别对每个特征峰的参数关于能量进行刻度,确定参数与能量的关系式,获得对不同能量全能峰进行函数拟合时所需的参数值;
S22,建立碲锌镉探测器的模拟响应矩阵,结合S21中的拟合峰参值,使用循环操作程序完成模拟响应矩阵中的各能谱全能峰的等效替换,建立准确的碲锌镉探测器的模拟响应矩阵。
5.根据权利要求4所述的一种基于碲锌镉探测器反卷积计算综合分析方法,其特征在于,所述的步骤三主要包括以下步骤,
S31,设置含有不同种类和含量的放射性核素的样品,使用步骤二中的碲锌镉探测器测量样品的伽马能谱;
S32,根据S31的测量结果,使用不同类型的反卷积算法对样品伽马能谱进行反卷积计算,对计算结果分析,实现对放射性核素的定性及定量识别;
S33,对不同反卷积算法识别结果进行差异性分析,将计算结果与碲锌镉探测器的模拟响应矩阵重新进行卷积计算,得到重建伽马能谱,同时与直接测得的样品伽马能谱进行对比,通过均方误差的大小对计算结果优劣性进行判断。
6.根据权利要求5所述的一种基于碲锌镉探测器反卷积计算综合分析方法,其特征在于,S32中,所述不同类型的反卷积算法包括传统算法、迭代算法和增强型算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211686641.8A CN116070419A (zh) | 2022-12-26 | 2022-12-26 | 一种基于碲锌镉探测器反卷积计算综合分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211686641.8A CN116070419A (zh) | 2022-12-26 | 2022-12-26 | 一种基于碲锌镉探测器反卷积计算综合分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116070419A true CN116070419A (zh) | 2023-05-05 |
Family
ID=86176071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211686641.8A Pending CN116070419A (zh) | 2022-12-26 | 2022-12-26 | 一种基于碲锌镉探测器反卷积计算综合分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070419A (zh) |
-
2022
- 2022-12-26 CN CN202211686641.8A patent/CN116070419A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6614740B2 (ja) | 蛍光x線分析方法、蛍光x線分析プログラムおよび蛍光x線分析装置 | |
CN108645880B (zh) | 一种大体积样品的能谱解析方法 | |
Heginbotham et al. | CHARMed PyMca, Part I: A Protocol for Improved Inter‐laboratory Reproducibility in the Quantitative ED‐XRF Analysis of Copper Alloys | |
CN110274925A (zh) | 基于能量色散x射线荧光光谱法测定矿石中的金的方法 | |
Shi et al. | Determination of uranium, thorium and plutonium isotopes by ICP-MS | |
CN109030528A (zh) | 一种x射线荧光光谱分析冶炼烟尘中氟氯的方法 | |
CN110161067A (zh) | 一种基于便携式xrf的精矿金属含量测定方法 | |
Trigueiro et al. | XPS spectrometer transmission function optimization by the differential evolution algorithm | |
He et al. | An integrated system for quantitative EDXRF analysis based on fundamental parameters | |
CN116070419A (zh) | 一种基于碲锌镉探测器反卷积计算综合分析方法 | |
CN103575864A (zh) | 一种韧性剪切带形成年代的界定方法 | |
Gao et al. | An improved method for determination of isotope ratios in individual uranium particles by thermal ionization mass spectrometry | |
CN114184667B (zh) | 一种富稀土钕元素矿物中钕同位素的分析方法及系统 | |
Gedcke et al. | FPT: An integrated fundamental parameters program for broadband EDXRF analysis without a set of similar standards | |
Rackwitz et al. | Calculation of X‐ray tube spectra by means of photon generation yields and a modified Kramers background for side‐window X‐ray tubes | |
Adams | Synchrotron radiation micro-X-ray fluorescence analysis: A tool to increase accuracy in microscopic analysis | |
US7536266B2 (en) | Universal X-ray fluorescence calibration technique for wire surface analysis | |
Gomez-Morilla et al. | An evaluation of the accuracy and precision of X-ray microanalysis techniques using BCR-126A glass reference material | |
Rodríguez et al. | Standardless semi-quantitative analysis by PIXE | |
Essani et al. | A method for the correction of size effects in microparticles using a peak-to-background approach in electron-probe microanalysis | |
Ivanova et al. | Laser ablation inductively coupled plasma mass spectrometric quantification of isotope trace elements in human carcinoma tissue-stochastic dynamics and theoretical analysis | |
Kondrashov et al. | Approximation of spectrum alpha peaks by robust estimation | |
Hsieh et al. | Noises depression based on statistic analysis algorithm for Kerma area product meter design | |
CN117007623A (zh) | 一种去内标能谱解析方法 | |
Tao et al. | XRF procedures for analysis of standard reference materials |
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 |