基于支持向量機的液體閃爍體探測器n/γ射線甄別方法
【技術領域】
[0001] 本發(fā)明屬于中子輻射探測技術領域，特別涉及一種基于支持向量機的液體閃爍體 探測器n/Y射線甄別方法。
【背景技術】
[0002] 1931年，英國物理學家JamesChadwick發(fā)現(xiàn)了中子（n)的存在，此后幾十年間， 中子探測技術得到了廣泛而深入的研宄和應用。目前，中子探測技術已廣泛應用于測井、違 禁品檢測、環(huán)境輻射檢測、醫(yī)學以及軍事等領域。但由于中子與周圍環(huán)境的非彈性散射、慢 化中子的輻射俘獲等原因，存在中子的場合幾乎都伴隨著大量的伽馬射線（y射線）本底， 中子探測器對Y射線也是非常靈敏的。要精確地確定環(huán)境的中子通量，應盡量排除Y射 線對中子通量測量的影響，因此n與Y射線的甄別就成為了中子探測的關鍵技術之一。
[0003] 對于液體閃爍體，入射粒子激發(fā)的熒光脈沖通?？捎弥笖?shù)衰減的快成分和慢成分 來表示。中子與液體閃爍體作用所產(chǎn)生的熒光脈沖的快成分份額比例較小，慢成分份額比 例較大，而y射線則與此相反，y射線與液體閃爍體作用所產(chǎn)生的熒光脈沖的快成分份額 比例較大，慢成分份額比例較小，即Y射線與液體閃爍體作用所產(chǎn)生的熒光脈沖比中子與 液體閃爍體所產(chǎn)生的熒光脈沖衰減得更快。因此可利用中子和Y射線在液體閃爍體探測 器內(nèi)所產(chǎn)生熒光脈沖形狀的不同來甄別n和Y射線。
[0004] 傳統(tǒng)的n和Y射線甄別方法主要有上升時間法、電荷比較法等基于模擬技術的 方法，這些方法需要專用的電子插件，具有電路實現(xiàn)復雜、脈沖通過率低以及穩(wěn)定性差等缺 點。近年來，高速模數(shù)轉換器（FADC)的出現(xiàn)使得完整記錄數(shù)字化脈沖波形成為可能，數(shù)字 信號處理器OSP)、現(xiàn)場可編程陣列（FPGA)等數(shù)字器件的發(fā)展為全數(shù)字化的n和Y射線的 甄別提供了必要的平臺。目前有神經(jīng)網(wǎng)絡法、脈沖梯度法、小波變換法這些基于數(shù)字技術的 對甄別n和Y射線的方法，雖然這些方法在一定程度上提高了對中子和Y射線的甄別能 力。但上述方法無法區(qū)分能量處于甄別閾值以下的信號是屬于n還是Y射線，這會導致中 子通量測量的準確性不高。
[0005] 支持向量機（SupportVectorMachine,SVM)是由Vapnik等于 1995年提出的一種 非常有潛力的分類技術，SVM是一種基于統(tǒng)計學習理論的模式識別方法，它在解決小樣本、 非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應用到函數(shù)擬合等其他機器 學習問題中。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的是針對現(xiàn)有技術對n/Y射線甄別存在的能量處于甄別閾值以下的 信號無法區(qū)分的不足，提供一種基于支持向量機的液體閃爍體探測器n/Y射線甄別方法， 該方法可以對能量處于傳統(tǒng)方法甄別閾值以下的信號進行區(qū)分，從而有助于提高中子通量 測量的準確性。
[0007] 為實現(xiàn)上述目的，本發(fā)明所述基于支持向量機的液體閃爍體探測器n/Y射線甄 別方法的步驟如下：
[0008] (1)信號采集
[0009] 采用液體閃爍體探測器采集由中子源產(chǎn)生的信號，并將所采集的信號轉化為脈沖 信號；
[0010] ⑵采用電荷比較法甄別中子和Y射線
[0011] 采用傳統(tǒng)電荷比較法對步驟（1)獲取的脈沖信號進行甄別，確定電荷比較法對中 子和y射線的甄別能量下限；
[0012] (3)獲取M矩陣
[0013] ①確定訓練集和預測集
[0014] 將能量高于步驟（2)所得甄別能量下限的脈沖信號作為訓練點，所有訓練點組成 訓練集，將能量等于或低于步驟（2)所得甄別能量下限的脈沖信號作為預測點，所有預測 點組成預測集；
[0015] ②確定M矩陣的特征向量
[0016] 分別扣除步驟（1)采集的各脈沖信號的基線，將扣除基線后的每個脈沖信號分別 用M矩陣表示，也就是將各訓練點和預測點用M矩陣表示，M= [1%!^，…，nvDmJ，其中， ，…，mj^nik分別為M矩陣的特征向量，所述M矩陣的特征向量按如下方法確定：
[0017] 扣除基線后，每個脈沖信號第i個采樣點的幅度為g[i]，脈沖信號起始點1#至 脈沖信號第i個采樣點的積分值表示為f[i]:
【主權項】
1.基于支持向量機的液體閃爍體探測器η/γ射線甄別方法，其特征在于步驟如下： (1) ?目號米集 采用液體閃爍體探測器采集由中子源產(chǎn)生的信號，并將所采集的信號轉化為脈沖信 號； (2) 采用電荷比較法甄別中子和γ射線 采用傳統(tǒng)電荷比較法對步驟（1)獲取的脈沖信號進行甄別，確定電荷比較法對中子和 γ射線的甄別能量下限； (3) 獲取M矩陣 ① 確定訓練集和預測集 將能量高于步驟（2)所得甄別能量下限的脈沖信號作為訓練點，所有訓練點組成訓練 集，將能量等于或低于步驟（2)所得甄別能量下限的脈沖信號作為預測點，所有預測點組 成預測集； ② 確定M矩陣的特征向量 分別扣除步驟（1)采集的各脈沖信號的基線，將扣除基線后的每個脈沖信號分別用 M矩陣表示，也就是將各訓練點和預測點用M矩陣表示，M = [1% Iii1, "^nvpmk]，其中， 1% Iii1,…分別為M矩陣的特征向量，所述M矩陣的特征向量按如下方法確定： 扣除基線后，每個脈沖信號第i個采樣點的幅度為g[i]，脈沖信號起始點jstart至脈沖 信號第i個采樣點的積分值表示為f[i]:
式（1)中，1#為脈沖信號的起始點； M矩陣的特征向量表示如下：
式⑵?（5)中，N為整個脈沖信號所包含的采樣點的數(shù)量，i為脈沖信號第i個采樣 點，k為彡5的正整數(shù)； (4) 采用LIBSVM軟件進行中子和γ射線的分類預測 ① 分別將步驟（3)得到的各M矩陣進行歸一化，使I |M| I = 1 ; ② 將歸一化后的M矩陣表示的各訓練點作為LIBSVM軟件的輸入信號，使用RBF函數(shù)作 為核函數(shù)對所有訓練點組成的訓練集進行超平面分類模型訓練，得到超平面分類模型； ③將歸一化后的M矩陣表示的各預測點和超平面分類模型輸入LIBSVM軟件中，對預測 集中的預測點進行分類預測，即完成液體閃爍體探測器η/γ射線甄別。
2. 根據(jù)權利要求1所述基于支持向量機的液體閃爍體探測器η/ γ射線甄別方法，其特 征在于所述M矩陣的階數(shù)優(yōu)選為6?9階，即5 < k < 8,且k為正整數(shù)。
3. 根據(jù)權利要求1或2所述基于支持向量機的液體閃爍體探測器η/γ射線甄別方法， 其特征在于，確定電荷比較法對中子和γ射線的甄別能量下限的步驟如下： ① 尋峰 對步驟（1)采集的每一個脈沖信號進行尋峰操作； ② 確定脈沖信號的最佳積分區(qū)間 步驟1 :將整個脈沖信號的積分值表示為Qtotal，脈沖信號尾部的積分值表示為 Qpart ;QTotal的積分區(qū)間為從峰前某一采樣點A到峰后某一采樣點B，QPart的積分區(qū)間 為從峰后某一采樣點C到峰后某一采樣點B ;先任意選取一組Qtotal和Qpart的積分區(qū)間， 計算尋峰后的各脈沖信號的Qtotal和Qpart，并計算各脈沖信號的甄別因子Dis，Dis = Qpart/Qtotal，統(tǒng)計具有相同Dis值的脈沖信號的數(shù)量，以甄別因子為橫坐標、其脈沖信號 數(shù)量為縱坐標作圖得到甄別因子分布圖； 步驟2 :分別用兩個高斯函數(shù)對甄別因子分布圖中的兩個峰進行擬合，得到η/γ射線 的甄別因子分布擬合曲線，然后根據(jù)所述擬合曲線計算優(yōu)質(zhì)因子，優(yōu)質(zhì)因子表示為F0M，
式（6)中，AD為η/γ射線的甄別因子分布擬合曲線中兩個峰的峰位之間的距離，Wy 為擬合曲線中左邊的峰的半高寬，Wn為擬合曲線中右邊的峰的半高寬； 步驟3 :調(diào)整步驟1中所選擇的積分區(qū)間，重復步驟1和步驟2,得到多個FOM值，最大 的FOM值對應的積分區(qū)間即為QTotal、Qpart的最佳積分區(qū)間； ③ 確定電荷比較法的能量甄別下限 以步驟②確定的最佳Qtotal和Qpart積分區(qū)間計算Qtotal、Qpart以及彌別因子，然 后以甄別因子為橫坐標、粒子能量為縱坐標作圖得到最佳甄別圖，根據(jù)最佳甄別圖即可確 定電荷比較法對中子和γ射線的甄別能量下限。
【專利摘要】本發(fā)明提供了一種基于支持向量機的液體閃爍體探測器n/γ射線甄別方法，該方法的步驟如下：(1)信號采集，采用液體閃爍體探測器采集由中子源產(chǎn)生的信號，并將所采集的信號轉化為脈沖信號；(2)采用電荷比較法甄別中子和γ射線，采用傳統(tǒng)電荷比較法對步驟(1)獲取的脈沖信號進行甄別，確定電荷比較法對中子和γ射線的甄別能量下限；(3)獲取M矩陣；(4)采用LIBSVM軟件進行中子和γ射線的分類預測。該方法可以對能量處于傳統(tǒng)方法甄別閾值以下的信號進行區(qū)分，從而有助于提高中子通量測量的準確性。
【IPC分類】G06F19-00, G01T1-204
【公開號】CN104536032
【申請?zhí)枴緾N201410812137
【發(fā)明人】幸浩洋, 余訓臻, 朱敬軍, 林興德, 王力, 唐昌建, 夏玉璽, 張才勛, 杜強, 魏偉偉
【申請人】四川大學
【公開日】2015年4月22日
【申請日】2014年12月23日