[发明专利]频域n-γ的识别方法及装置

说明书

本发明实施例公开了一种频域n‑γ的识别方法及装置，涉及核辐射探测技术领域，主要目的在于采用以Shannon熵作为小波重构系数的降噪方法，可以抑制高频噪声甚至信号，同时对于低频信号不但没有抑制，反而有提升的效果，算法简单、准确度高。主要技术方案包括：对待处理脉冲信号基于Shannon熵小波作为小波重构系数进行频域脉冲降噪；对降噪后的待处理脉冲信号提取0频率的脉冲幅值，将所述0频率的脉冲幅值作为特征值进行频域n‑γ的识别。

技术领域

本发明实施例涉及核辐射探测技术领域，特别是涉及一种频域n-γ的识别方法及装置。

背景技术

大多数中子辐射伴有γ射线，这主要源自中子源自身的γ散射和慢化中子的俘获γ射线。在n、γ射线混合辐射场进行粒子探测时，需要进行 n-γ识别。在n-γ识别技术领域中，对于有一定时间关系的n和γ射线，可以利用粒子飞行时间(Time Of Flight,TOF)的差别进行识别。对没有时间关系的n和γ射线，一般用脉冲形状识别法(Pulse ShapeDiscrimination, PSD)加以区分。根据脉冲形状的不同，早在上世纪五、六十年代的核物理实验中，基于模拟电路的脉冲形状识别技术，例如电荷比较法(Charge ComparisonMethod,CCM)、上升时间法(Rise-Time Methods,RTM)、过零时间法(Zero-CrossingMethods,ZCM)等已被广泛使用于强γ射线背景中的中子探测。但是这种传统n-γ识别系统需要过多硬件、结构复杂，并且成本较高，信号调试较困难，使用受到限制。

近年来，随着计算机技术的不断发展，数字信号处理(Digital SignalProcessing)技术的运算速度得到大幅度提升，高速模数转换器(Fast Analog to DigitalConverter，FADC)的出现，使得数字化n-γ脉冲识别技术取得了较大发展。目前的数字化n-γ识别算法主要包括两类：一类是从基于模拟电路的传统算法发展起来的识别算法，如电荷比较法、n-γ模型分析法、过零时间法等。这类算法较为简单，但直接移植后并没有充分利用数字信号处理中高精度的特点，因而识别的可靠性不高。另一类是数字信号处理中的算法直接应用于n-γ识别，如神经网络，模糊聚类等算法。

上述算法虽然能够实现n-γ脉冲的识别，但是在频域特征提取方面上述算法对噪声敏感度不高，但是噪声对频域识别效果的影响很大，因此，如何对频域识别中的噪声进行处理，并进行频域n-γ识别是目前亟需解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种频域n-γ的识别方法及装置，主要目的采用以Shannon熵作为小波重构系数的降噪方法，可以抑制高频噪声甚至信号，同时对于低频信号不但没有抑制，反而有提升的效果，算法简单、准确度高。

为了解决上述问题，本发明实施例主要提供如下技术方案：

第一方面，本发明实施例提供了一种频域n-γ的识别方法，包括：

对待处理脉冲信号基于Shannon熵小波作为小波重构系数进行频域脉冲降噪；

对降噪后的待处理脉冲信号提取0频率的脉冲幅值；

将所述0频率的脉冲幅值作为特征值进行频域n-γ的识别。

可选的，对降噪后的待处理脉冲信号提取0频率的脉冲幅值包括：

根据降噪后的n-γ脉冲信号得到频域脉冲分布图；

在所述频域脉冲分布图基于下述公式提取0频率的脉冲幅值，其中F 的数值相对较大的部分为n脉冲信号；

a为傅里叶变换之后频率为0处幅值的实部，b为虚部。

可选的，所述方法还包括：

根据提取的所述0频率的脉冲幅值生成识别统计图。