导读:本文包含了核素识别论文开题报告文献综述及选题提纲参考文献，主要关键词:伽马能谱,核素识别,卷积神经网络,深层特征
核素识别论文文献综述
胡浩行,张江梅,王坤朋,冯兴华[1]（2019）在《卷积神经网络在复杂核素识别中的应用》一文中研究指出针对传统核素识别方法对高本底、低探测率的复杂伽马能谱存在特征提取困难、建模复杂以及识别率低等问题,提出了一种使用卷积神经网络(CNN)进行核素识别的方法。利用CNN可自适应、隐式地提取图像特征并进行分类学习的特点,搭建多层卷积神经网络的核素识别模型,通过网络模型特征提取层和分类器的训练,获取深层次的核素特征描述,实现多核素识别。基于蒙特卡洛分析软件Geant4仿真数据进行了对比分析实验,结果表明:本文提出的方法其时间复杂度为O(n~2),所提方法避免了复杂的显式特征提取过程,能够对IAEA规定的部分常见单一及混合核素实时地多核素识别。(本文来源于《传感器与微系统》期刊2019年10期）
李紫鑫,仓基荣,朱劲夫,曾鸣,曾志[2]（2019）在《能量权重图法快速核素识别》一文中研究指出在序贯贝叶斯算法相关研究的基础上,提出了能量权重图法快速核素识别方法。基于探测器的实测能谱响应,通过并道、平滑等能谱预处理生成能量权重图,从而搭建Co处理器和Cs处理器以并行判别~(60)Co和~(137)Cs的放射源。针对能谱抽样生成的模拟数据进行处理器的参数调整,并在一套1 Gs/s(1 Gs=10~(-4) T)的数字化LaBr_3探测系统中开展了初步的实验验证。处理器平均使用不到100个光子就能实现核素识别,且虚警率低于2%,漏检率低于1%。(本文来源于《核电子学与探测技术》期刊2019年04期）
高妍,曾国强,顾民,严磊,罗明涛[3]（2019）在《核素识别仪中的自适应变换宽度SNIP算法开发》一文中研究指出研究了一种应用于γ散射本底扣除的改进型非线性迭代剥峰算法(Statistics-sensitive Nonlinear Iterative Peak-clipping,SNIP)方法,该方法拟合了峰宽与能量的关系,并通过该关系实时获取峰宽,实现了变换宽度自适应,改善了固定峰宽无法对全谱的散射本底进行准确扣除的缺陷。实验结果表明:本文提出的自适应变换峰宽SNIP算法结构简单,动态效果好,与传统和其他改进的SNIP算法相比,γ能谱的散射本底扣除效果得到了进一步改善,并可以达到优化核素识别的效果,为核素识别方法提供了更多的选择。(本文来源于《核技术》期刊2019年06期）
陆小军,何林锋,忻智炜[4]（2019）在《利用手持式γ核素识别仪快速检测石材中γ放射性核素含量》一文中研究指出提出一种利用手持式γ核素识别仪快速测量石材中天然放射性核素含量的方法。该方法借助低本底HPGeγ谱仪,运用能谱分析法确定手持式核素识别仪对~(226)Ra、~(232)Th、~(40)K含量的刻度系数参考值;然后使用手持式γ核素识别仪测量石材中放射性核素γ能谱,利用经过刻度系数参考值修正后的测量结果,估算出石材中~(226)Ra、~(232)Th、~(40)K的比活度。结果表明:该方法测量结果与低本底HPGeγ能谱仪分析结果的最大偏差为25. 1%(C_(Ra))、-27. 2%(C_(Th))、-15. 2%(C_K),可适用于快速无损的检测石材样品γ放射性比活度,以及快速估算装饰石材所致的外照射剂量。(本文来源于《计量学报》期刊2019年03期）
胡浩行[5]（2019）在《基于深度卷积神经网络的核素能谱特征提取及识别研究》一文中研究指出放射性核素能谱识别技术在放射性材料运输安全检查检测、核废物分拣以及核救援应急探测等领域中有着广泛地应用。传统核素识别方法通常分为数据处理、特征提取及分类识别叁个步骤,受环境本底噪声和探测器能量分辨率的影响,复杂噪声环境下短时测量的能谱质量较差,识别难度较大。因此研究复杂背景噪声下核素识别理论与技术有着重要的理论价值和现实意义。本文聚焦于基于深度卷积神经网络的能谱特征提取与核素识别方法研究,利用深度神经网络自主提取二维核素能谱矩阵特征,用以表征核素能谱,达到提高识别精度的目的。本文的主要研究内容包括以下几个方面:1)研究基于深度卷积神经网络的能谱特征提取方法。通过对一维能谱信号进行空间映射,获取二维能谱图像(二维矩阵),并构建多层卷积神经网络核素识别模型,自适应、隐式地提取能谱数据深层抽象表征。构建基于不同维度深度卷积神经网络的能谱特征提取模型,对一维波形能谱和二维能谱图像进行特征提取、分类识别,并和传统的特征提取方法进行识别对比实验,结果表明了本文所提出的基于卷积神经网络的核素能谱特征提取方法的有效性。2)研究卷积神经网络方法在核素识别中的应用。通过搭建深度神经网络模型,利用已经获取的核素特征向量进行模型参数训练,形成线上训练与线下识别结合的核素分类模型。为了验证所提方法的有效性,在Geant4模拟数据和真实放射源实测数据上分别进行了实验,实验结果表明了所提方法的可行性和有效性。3)研究基于多特征融合和多分类器融合的深度卷积神经网络核素识别系统。针对多组深度卷积神经网络模型,分别从特征提取层和分类决策层进行信息集成,构建核素识别集成系统。多组实测实验结果表明,与其他传统分类算法和单一卷积网络识别方法相比,该类集成识别系统在测试样本集的识别效果最优。本文总体研究了基于深度卷积神经网络的核素能谱特征提取及识别方法,实验结果表明,所提出的方法可以有效提高核素识别正确率。(本文来源于《西南科技大学》期刊2019-05-01）
仝茵,刘丽[6]（2019）在《基于Ada Boost的核素识别方法》一文中研究指出论文介绍了在真实能谱衰减环境中,提出一套对核素进行识别学习算法的流程。采用SVD特征抽取对能谱数据降维,提取到能谱特征向量,在形成的特征向量数据集上,训练决策树分类器,进而通过AdaBoost集成学习算法对多轮的决策树算法的训练结果进行融合,使用K轮类别投票法结合策略,构建一个结果更为接近标签值的假设函数算法模型,解决了探测器检测的能量信息具有局部特征、存在重迭峰值导致核素判别出现错失误判的问题,提高核素识别率。(本文来源于《中国电子科学研究院学报》期刊2019年01期）
唐伟,曾国强,高妍,朱珠,卿松[7]（2019）在《基于Windows CE的便携式核素识别仪的设计》一文中研究指出为满足便携测量γ能谱并识别核素的功能要求,设计了一种基于Windows CE的手持便携式γ能谱核素识别仪。为了达到快速、准确识别核素的目的,根据Windows CE系统的轻便、性能稳定及功能丰富的特点,采用了基于RISC微处理器(Advanced RISC Machine Cortex-A8,ARM)的S5PV210嵌入式核心板作为主控板,定制底板、外扩通讯接口等,使得仪器轻巧便携、操作方便以及低功耗。在整机平台测试中,对处理程序中运用萨维茨基第一类滤波器的谱线光滑,对称零面积法寻峰以及核素识别等效果进行了评估。实验结果表明:仪器能快速、准确识别基本核素。(本文来源于《核技术》期刊2019年01期）
张江梅,季海波,王坤朋,冯兴华[8]（2018）在《稀疏表示与多任务学习的复杂核素识别》一文中研究指出为提高核探测器在复杂环境下测量的适应性,提出了一种能谱校正和核素识别方法.针对核信号探测过程中,由于环境温度的交替变化会出现γ能谱偏移导致多核素识别率低的问题,提出了一种基于稀疏表示和多任务学习的核素识别方法.首先建立一个用于描述环境变量对于当前测量能谱影响的迁移矩阵,其次对测量能谱进行建模,该模型可以表示为标准能谱中独立核素能谱的瞬时迭加,由此核素识别问题就转化为多种核素能谱稀疏分解的问题,为求解该非凸优化问题采用交替方向乘子法(ADMM)的多任务学习方法同时优化迁移矩阵并进行稀疏分解,实现多核素识别.为验证该方法的可行性和有效性,利用高低温交变试验箱对Cs I(Tl)探测器的测量环境进行模拟,分别测量得到11种核素和典型混合核素的实际放射性元素能谱数据,以及基于蒙特卡洛分析软件Geant4仿真IAEA规定的27种核素的单一与混合核素数据进行实验.结果表明,提出的方法即使在温度为:-20℃~50℃的环境下依然可以准确地识别多种常用核素.(本文来源于《哈尔滨工业大学学报》期刊2018年10期）
王昌龙[9]（2018）在《基于随机脉冲信息与贝叶斯分类器的核素识别方法研究》一文中研究指出随着科学技术的发展与进步,放射性核材料已广泛应用于国民生产与日常生活当中,对放射性核素的监管与防控关系到国家安全与稳定,而如何快速、准确地识别出潜在的放射性核素是放射性核素监管的首要问题,也是当下亟待解决的重要课题。目前普遍应用的核素识别方法,先以脉冲幅度计数的方式获取目标能谱,再根据能谱中反映的特征信息来判断存在有哪些核素,而当计数较少时难以获取被检目标完整的能谱特征,进而无法及时、准确地识别放射性核素。为了及时地判别某种放射性核素是否存在,本文从核素探测时产生的时域脉冲入手,提出了一种基于贝叶斯分类器的核素识别方法。通过建立特征核事件的选取流程,依据脉冲的能量及其之间时间间隔,选取特征核脉冲,作为目标核素的存在性依据,并设计了序贯贝叶斯分类器,对核素的存在性进行实时的概率分析与判决。另外,针对运动状态放射性核素的识别,建立了核脉冲的探测模型,分析相对位移与脉冲速率之间的比例关系。利用相对位移信息校准脉冲时间间隔,并结合脉冲能量与脉冲时间间隔,对运动中获取的脉冲样本进行校验,选取其中的特征核脉冲,在此基础上重新构建了基于能量的贝叶斯分类器及其决策函数,对目标放射性核素的有无进行实时地概率分析与判别。与传统的核素识别方法依据核素能谱进行分析不同,本文所述方法以核素产生的时域脉冲为研究对象,即时分析特定种类放射性核素的存在与否。为了验证本文所述方法的有效性,本文进行了仿真和实测实验,并与传统的导数寻峰方法进行了对比,所述方法可正确识别出匀速运动状态的核素,且识别效果优于传统的寻峰方法。(本文来源于《西南科技大学》期刊2018-10-01）
王百荣,吴泽乾[10]（2018）在《利用LVQ神经网络识别放射性核素》一文中研究指出设计了一种新的核素识别算法,利用小波滤波对原始能谱进行去噪,将神经网络模型嵌入该算法中,利用MC法得到大量的能谱数据作为LVQ神经网络模型的训练样本,同时利用放射性核素分支比这一指纹,最后,用MATLAB编写仿真代码,得到了该模型的识别结果,并给出了该模型与传统的核素识别算法,BP神经网络模型之间结果的比较,该算法不仅提高了识别的正确率,同时缩短了识别的时间。(本文来源于《核电子学与探测技术》期刊2018年04期）
核素识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在序贯贝叶斯算法相关研究的基础上,提出了能量权重图法快速核素识别方法。基于探测器的实测能谱响应,通过并道、平滑等能谱预处理生成能量权重图,从而搭建Co处理器和Cs处理器以并行判别~(60)Co和~(137)Cs的放射源。针对能谱抽样生成的模拟数据进行处理器的参数调整,并在一套1 Gs/s(1 Gs=10~(-4) T)的数字化LaBr_3探测系统中开展了初步的实验验证。处理器平均使用不到100个光子就能实现核素识别,且虚警率低于2%,漏检率低于1%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
核素识别论文参考文献
[1].胡浩行,张江梅,王坤朋,冯兴华.卷积神经网络在复杂核素识别中的应用[J].传感器与微系统.2019
[2].李紫鑫,仓基荣,朱劲夫,曾鸣,曾志.能量权重图法快速核素识别[J].核电子学与探测技术.2019
[3].高妍,曾国强,顾民,严磊,罗明涛.核素识别仪中的自适应变换宽度SNIP算法开发[J].核技术.2019
[4].陆小军,何林锋,忻智炜.利用手持式γ核素识别仪快速检测石材中γ放射性核素含量[J].计量学报.2019
[5].胡浩行.基于深度卷积神经网络的核素能谱特征提取及识别研究[D].西南科技大学.2019
[6].仝茵,刘丽.基于AdaBoost的核素识别方法[J].中国电子科学研究院学报.2019
[7].唐伟,曾国强,高妍,朱珠,卿松.基于WindowsCE的便携式核素识别仪的设计[J].核技术.2019
[8].张江梅,季海波,王坤朋,冯兴华.稀疏表示与多任务学习的复杂核素识别[J].哈尔滨工业大学学报.2018
[9].王昌龙.基于随机脉冲信息与贝叶斯分类器的核素识别方法研究[D].西南科技大学.2018
[10].王百荣,吴泽乾.利用LVQ神经网络识别放射性核素[J].核电子学与探测技术.2018