基于概率神经网络的放射性核素快速识别方法研究-论文.pdf

《基于概率神经网络的放射性核素快速识别方法研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第3期核电子学与探测技术V01．35No．32015年3月NuclearEleclxonics&DetectionTechnologyMar．2015基于概率神经网络的放射性核素快速识别方法研究霍建文，张华，王坤朋，任俊松，朱庆平，郭江，李培培(西南科技大学特殊环境机器人技术四川省重点实验室，绵阳621010)摘要：针对传统神经网络在核素识别中训练效果弱，易陷入局部极小、收敛速度慢等问题，提出了基于概率神经网络的核素识别方法，采用样本的先验概率和最优判定原则对新的样本进行分类。该方法利用能谱预处理过程获得的谱峰宽度、特征

2、能量射线强度、峰面积等特征信息建立训练与测试样本，采用训练样本对概率神经网络模型进行训练，并进行了分类识别仿真实验。通过CZD探测器对3种核素不同组合的实测能谱进行测试，并与传统的神经网络算法进行对比表明：此方法具有较高的识别效率及准确率，可应用于安全监控、失控放射物探测等快速核素识别领域。关键词：能谱；特征信息；概率神经网络；核素识别中图分类号：TL817文献标志码：A文章编号：0258-0934(2015)03-0253-06核素识别技术已经在核材料安全监控、失别的方式进行能谱特征提取，建立核素特征控放射物处置等方面到了广泛

3、的应用。目前，数组库，从而达到核素识别的目的。但此类方寻求可靠的分析方法，根据样品中射线能谱法均不能有效解决相干核素的识别问题。陈亮快速、准确地判断所含放射性核素是核素识别等人提出以自适应对称零面积寻峰、核素匹的主要研究内容之一。配为基础的能谱数据处理及核素识别算法，虽传统的核素识别主要采用能谱分析、解然能有效解决相干核素等问题，但能窗取值易谱、检索核素库、能谱特征峰匹配等方法实影响核素的误识别率。近年来，研究人员将人现⋯。由于能谱中不仅具有特征峰，还包含康工神经网络引入核素识别中，通过网络模型自普顿坪、单双逃逸峰、反射峰，并极

4、易受到噪声、身的学习，获取信息中隐含的知识，可以建立起基线漂移等因素的影响，以致识别准确度低、速各种非线性映射的数学模型。如王季红、于国度慢。王崇杰、王一鸣等人【2I4采用模糊逻辑，梁、史东生等人卜采用小波分析及BP神经通过建立能谱模糊集合隶属函数进行能谱网络进行核素识别，但不同能谱进行小波分析分析及核素识别。霍勇刚等人采用模式识难以选择合适的尺度函数，以及产生小波系数用于分类训练效果弱，并且BP神经网络极易收稿日期：2015—01—22陷入局部极小、收敛速度慢。基金项目：四川省科技厅科技支撑计划项目针对上述问题，本课题在概率神

5、经网络(2014R7A~9)；四川省科技创新苗子工程资助项目(PNN)的基础上提出了一种特征信息提取及(20132066)；西南科技大学研究生创新基金项目核素识别策略，可充分地利用能谱预处理获取(14yexl05)。的谱峰宽度、特征能量射线强度、峰面积等特征作者简介：霍建文(1988一)，男，四川资阳人，硕士研信息进行分类处理，提高识别结果的准确度；根究生，主要从事核电子学与探测技术、抗辐射加固研据特征信息建立样本库，采用概率神经网络进究。253行训练与识别，从而优化核素库及能谱解析流输入能谱的峰信息与核素库的峰进行比较，计程，

6、实现复杂能谱的高效识别。算出需识别峰与训练样本每个能量峰的概率，概率最大的即为识别结果。核素识别模型训练1PNN算法原理和识别的过程如图2所示。概率神经网络(PNN)于1989年由D．F．Specht博士首先提出，它由高斯函数为基函数来形成联合概率密度分布的估计方法和贝叶斯优化规划，其实质是基于贝叶斯最小风险准则发展而来的一种概率密度分类估计和并行计算图2核素识别模型训练和识别的过程的神经网络。同时它不像传统的多层前向网络2．1能谱预处理那样需要用BP算法进行反向误差传播的计在数字化核能谱测量的过程中，由于射线算，而是完全前向的

7、计算过程，并用样本的先验和探测器中固有的统计涨落、电子学系统噪声概率和最优判定原则对新样本进行分类识的影响，引起能谱测量的谱线有统计涨落，因此别¨。-l1]。PNN的结构图如图1所示，由输入需要对能谱数据进行平滑处理。(1)采用小波层、隐含层和输出层组成。变换方法对复杂的能谱进行平滑滤波¨引，能隐含层输出层————＼够有效抑制放射性计数的统计涨落，并能有助于精确找出全部的全能峰的峰位和计算全能峰的面积；(2)采用改进的SNIP算法【1有效对基线的最优估计及较好的处理康普顿边缘，从提取的幅度信号中扣除基线，提高自动寻峰的灵a=I呵

8、a曲I雨-Pt．∞ct(1D敏度与准确性；(3)结合半高宽刻度，将连续小图1PNN结构图波变换的脊线寻峰法u引入到能谱中，能有为了不失一般性，算法按图1结构进行，首效完成复杂能谱解析、寻峰及提高重叠峰分辨先为网络提供待识别核素输人样本特征向量，利能力。利用该方法