一种基于碘化钠探测器的低本底解谱方法技术

本发明专利技术公开了一种基于碘化钠探测器的低本底解谱方法，其包括以下步骤：（1）能量刻度后的γ探测器实测放射性核素谱和天然本底谱降噪处理；（2）去卷积算法处理降噪后的γ能谱；（3）寻峰算法对去卷积后的γ能谱所有潜在峰位进行搜寻，并获得峰位列表；（4）将峰位列表信息结合核素库一同输入模糊逻辑系统，系统将给出核素库中任一核素特征峰的峰位识别置信度，设置约束条件进一步调整峰位识别置信度获得核素列表及其核素识别置信度。本发明专利技术具有还原峰位准确、提高能量分辨率显著、可分解重叠峰、误识别率小、本底核素分析精确、低活度核素分析准确等优点，可用于门式辐射监测器、核素识别仪等辐射监测设备的核素识别与活度计算。

【技术实现步骤摘要】
一种基于碘化钠探测器的低本底解谱方法
本专利技术涉及一种伽马能谱解析方法，特别是一种基于碘化钠探测器的低本底解谱方法。技术背景在快速核素识别之后，随着测量时间的增加，伽马能谱谱形的基本成形需要采用数学、物理或两者结合的方法对实测能谱做高精度分析，以实现精确核素识别。目前，用于核素识别的探测器大多数为半导体探测器，如高纯锗探测器，而由于半导体探测器自身特点，需要制冷、价格昂贵、体积大等缺点，使其并不适合应用于复杂环境下担任核素识别任务，而采用能量分辨率较低的探测器，如碘化钠探测器，则存在重叠峰严重现象，对重叠峰的处理措施将直接影响到最后结果的准确性以及可靠性，即重叠峰分解不正确将导致核素误识别和核素活度计算不准确，进而导致错误评估周围辐射水平，威胁人类财产安全。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于碘化钠探测器的低本底解谱方法，其通过对伽马能谱采用去卷积算法处理提高分辨率，寻峰算法搜寻伽马能谱中所有潜在峰位，模糊逻辑算法实现能谱中某核素存在与否判断，实现低本底、低活度下低分辨碘化钠探测器能谱准确核素识别。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于碘化钠探测器的低本底解谱方法，包含以下步骤：步骤一、采用能量刻度后的γ探测器实测放射性核素谱和天然本底谱，并对它们进行降噪处理；步骤二、采用去卷积算法处理降噪后的γ能谱；步骤三、采用寻峰算法对去卷积算法处理后的γ能谱所有潜在峰位进行搜寻，并获得峰位列表；步骤四、将峰位列表信息结合核素库一同输入至模糊逻辑系统，系统将给出核素库中任一核素特征峰的峰位识别置信度，通过设置约束条件进一步调整峰位识别置信度，并获得核素列表及其核素识别置信度。进一步地，所述步骤一中，能量刻度算法采用线性函数法或二次函数法。进一步地，所述步骤一中，降噪算法采用重心法、高斯滤波法、最小二乘滤波法、小波平滑法、移动平均值法、粒子滤波法和卡尔曼滤波法中的一种或几种。进一步地，所述步骤二中，去卷积算法采用Gold去卷积算法、Richardson-Lucy(R-L)去卷积算法、Maximumaposteriori(MAP)去卷积算法和GRAVEL去卷积算法中的一种或几种。进一步地，所述步骤二中，去卷积算法中的迭代次数范围为10-20000，加速因子范围为1-2，响应函数通过高斯响应矩阵方法或模拟能谱方法获得。进一步地，所述步骤三中，寻峰算法采用导数寻峰法、斜宽寻峰法、协方差寻峰法、对称零面积寻峰法、高斯乘积函数寻峰法、微商寻峰法、IF函数寻峰法、单卷积寻峰算法和双卷积寻峰算法中的一种或多种。进一步地，所述步骤四中的核素识别采用模糊逻辑算法。进一步地，所述步骤四中的模糊逻辑算法的隶属函数采用三角隶属度函数、高斯隶属度函数、两边型高斯隶属度函数、钟型隶属度函数、Sigmoid隶属度函数、S型隶属度函数和梯形隶属度函数中的一种或几种；模糊推理方法采用面积中心法、面积平分法、平均最大隶属度方法、最大隶属度中的取最小值方法和最大隶属度中的去最大值方法中的一种或几种。进一步地，所述步骤四中，约束条件对任一所寻峰位可匹配的核素特征峰数量范围为1-20。本专利技术与现有技术相比，具有以下优点和效果：1、本专利技术采用去卷积算法处理伽马能谱，显著提高了能谱能量分辨率、有效分解了重叠峰、正确还原了核素特征峰峰位；2、本专利技术采用模糊逻辑算法判断能谱中核素存在与否判断，大大减少了能谱分析人员的工作量，提高了正确核素识别概率，降低了核素误识别概率，实现了能谱智能分析；3、本专利技术结合去卷积算法与模糊逻辑算法，实现了低本底、低活度下低分辨碘化钠探测器能谱的精确分析，增强了碘化钠探测器的核素鉴别能力，拓展了碘化钠探测器的应用范围。本专利技术可用于门式辐射监测器、核素识别仪以及其他辐射监测设备的核素识别与活度计算。附图说明图1是本专利技术的低本底解谱算法流程图；图2是本专利技术的实施例的模糊逻辑系统输入变量语言值小、中、大的模糊表示；图3是本专利技术的实施例的模糊逻辑系统输出变量语言值低、中、高的模糊表示；图4是60Co能谱图，其中，(a)为MCNP模拟能谱，(b)为高斯展宽后能谱；图5中，(a)为R-L算法处理后60Co能谱图，(b)为60Co模拟与R-L算法处理后能谱图；图6中，(a)为137Cs(Nuclide-3)能谱图，(b)为R-L算法处理后137Cs能谱图；图7中，(a)为3600s天然本底能谱图，(b)为R-L算法处理后3600s天然本底能谱图。具体实施方式下面结合附图并通过实施例对本专利技术作进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。一种基于碘化钠探测器的低本底解谱方法,如图1所示，包含以下步骤：步骤一、采用能量刻度后的γ探测器实测放射性核素谱和天然本底谱，并对它们进行降噪处理。放射性核衰变和γ能谱仪的固有统计涨落、γ射线散射、电子学系统噪声等因素往往会造成实测γ能谱出现较大的统计涨落，即每一道址的计数与理论期望值存在一定偏差，这些涨落将影响全能峰峰位的确定、净峰面积的计算、掩盖弱峰、导致假峰出现等，大大增加了后续能谱分析的复杂度，使γ能谱定性定量分析存在不可避免的误差。为对γ能谱进行准确分析以及提取包含信息，需将γ能谱进行平滑或降噪处理。γ能谱数据的维度是2的整数次方，由于相邻各道的计数服从相应的数学表达式，因此可利用该规律采用相应的数学方法逐道对γ能谱数据进行校正，以达到去除γ能谱统计涨落的影响的作用，同时保留原始能谱中的核心特征。天然本底谱或放射性核素谱进行平滑处理，可去除能谱中包含的噪声成分，以及抑制天然本底辐射的涨落性。平滑算法采用重心法、高斯滤波法、最小二乘滤波法、小波平滑法、移动平均值法、粒子滤波法和卡尔曼滤波法中的一种或几种。步骤二、采用去卷积算法处理降噪后的γ能谱。去卷积算法被认为是提高能量分辨率最有效的一种方法，它的核心思想是去除入射粒子与探测器晶体卷积(响应)这一过程，最终使能谱在核素特征峰峰位处成delta函数形式。去卷积算法可以分为两类，即直接法和迭代法。直接法由于对噪声灵敏，不适合处理含有噪声作用的伽马能谱数据，而迭代法对噪声作用不灵敏，使它在伽马能谱数据处理方面得到应用，因此本专利技术采用的去卷积算法属于迭代法。去卷积算法采用Gold去卷积算法、Richardson-Lucy(R-L)去卷积算法、Maximumaposteriori(MAP)去卷积算法和GRAVEL去卷积算法中的一种或几种。去卷积算法中的迭代次数范围为10-20000，加速因子范围为1-2，响应函数通过高斯响应矩阵方法或模拟能谱方法获得。步骤三、采用寻峰算法对去卷积算法处理后的γ能谱所有潜在峰位进行搜寻，并获得峰位列表。伽马能谱经去卷积算法处理后，能量分辨率得到提高，能谱中潜在峰的数量大大增多。然而并非所有峰均是真峰，很多峰实质上是假峰，因此需要采用寻峰算法将真实存在的峰一一搜寻出来，去除假峰，特别地，最大程度保留弱峰信息，这对实现多种核素精确识别至关重要，是其关键步骤之一。寻峰算法采用导数寻峰法、斜宽寻峰法、协方差寻峰法、对称零面积寻峰法、高斯乘积函数寻峰法、微商寻峰法、IF函数寻峰法、单卷积寻峰算法和双卷积寻峰算法中的一种或多种。步骤四、将峰位列表信息结合核素库一同输入至模糊逻辑本文档来自技高网...

【技术保护点】
1.一种基于碘化钠探测器的低本底解谱方法，其特征在于，包含以下步骤：步骤一、采用能量刻度后的γ探测器实测放射性核素谱和天然本底谱，并对它们进行降噪处理；步骤二、采用去卷积算法处理降噪后的γ能谱；步骤三、采用寻峰算法对去卷积算法处理后的γ能谱所有潜在峰位进行搜寻，并获得峰位列表；步骤四、将峰位列表信息结合核素库一同输入至模糊逻辑系统，系统将给出核素库中任一核素特征峰的峰位识别置信度，通过设置约束条件进一步调整峰位识别置信度，并获得核素列表及其核素识别置信度。

【技术特征摘要】
1.一种基于碘化钠探测器的低本底解谱方法，其特征在于，包含以下步骤：步骤一、采用能量刻度后的γ探测器实测放射性核素谱和天然本底谱，并对它们进行降噪处理；步骤二、采用去卷积算法处理降噪后的γ能谱；步骤三、采用寻峰算法对去卷积算法处理后的γ能谱所有潜在峰位进行搜寻，并获得峰位列表；步骤四、将峰位列表信息结合核素库一同输入至模糊逻辑系统，系统将给出核素库中任一核素特征峰的峰位识别置信度，通过设置约束条件进一步调整峰位识别置信度，并获得核素列表及其核素识别置信度。2.按照权利要求1所述的一种基于碘化钠探测器的低本底解谱方法，其特征在于，步骤一中，能量刻度算法采用线性函数法或二次函数法。3.按照权利要求1所述的一种基于碘化钠探测器的低本底解谱方法，其特征在于，步骤一中，降噪算法采用重心法、高斯滤波法、最小二乘滤波法、小波平滑法、移动平均值法、粒子滤波法和卡尔曼滤波法中的一种或几种。4.按照权利要求1所述的一种基于碘化钠探测器的低本底解谱方法，其特征在于，步骤二中，去卷积算法采用Gold去卷积算法、Richardson-Lucy(R-L)去卷积算法、Maximumaposteriori(MAP)去卷积算法和GRAVEL去卷积算法中的一种或几种。5.按照...

【专利技术属性】
技术研发人员：汤晓斌，王鹏，张金钊，李红志，何建平，
申请(专利权)人：南京航空航天大学，国家海洋技术中心，
类型：发明
国别省市：江苏,32