[发明专利]基于特征变换与神经网络的快速核素识别方法

权利要求书

1.一种基于特征变换与神经网络的快速核素识别方法，其特征在于包含以下步骤：

步骤一：通过伽马探测仪测量天然本底谱和放射性核素谱；

步骤二：采用滤波算法对天然本底谱进行平滑处理得到标准本底谱；采用滤波算法对放射性核素谱进行平滑处理得到标准放射性核素谱；

步骤三：将标准放射性核素谱减去标准本底谱，得到净计数谱；

步骤四：对净计数谱进行特征变换，按顺序提取一定数量的变换系数作为能谱特征向量并将其归一化；

步骤五：将归一化的特征向量输入到神经网络进行核素识别。

2.按照权利要求1所述的基于特征变换与神经网络的快速核素识别方法，其特征在于：所述步骤二中滤波算法采用重心法、高斯滤波法、最小二乘滤波法、小波平滑法、移动平均值法中的一种或几种。

3.按照权利要求1所述的基于特征变换与神经网络的快速核素识别方法，其特征在于：所述步骤四中特征变换采用离散余弦变换、离散正弦变换、离散傅里叶变换、离散沃尔什-哈达玛变换、奇异值变换、哈尔变换、radon变换、小波变换中的一种或几种。

4.按照权利要求1所述的基于特征变换与神经网络的快速核素识别方法，其特征在于：所述步骤四中归一化采用线性函数归一化或0均值标准化。

5.按照权利要求1所述的基于特征变换与神经网络的快速核素识别方法，其特征在于：所述步骤五中特征向量维度范围为1-256。

6.按照权利要求1所述的基于特征变换与神经网络的快速核素识别方法，其特征在于：所述步骤五中神经网络包含输入层神经元、隐含层神经元和输出层神经元，输入层神经元、隐含层神经元和输出层神经元的数量分别为m、k、n，其中，m为步骤四中提取的能谱特征向量的数量，k由经验公式k＝log₂m计算得到，n为测试的核素种类数量。

7.按照权利要求6所述的基于特征变换与神经网络的快速核素识别方法，其特征在于：所述隐含层神经元和输出层神经元的转移函数为tansig。