【技术实现步骤摘要】
一种中子
‑
伽马射线甄别方法、系统、设备及介质
[0001]本专利技术涉及中子探测
,具体而言,涉及一种中子
‑
伽马射线甄别方法、系统、设备及介质。
技术介绍
[0002]半个多世纪以来,随着核技术快速发展。在反应堆功率、堆外放射性、核退役、辐照室、中子测井、硼中子俘获治疗以及核材料运输等众多领域都需要采用中子探测技术。但在实际中子测量应用中,由于中子与周围环境存在非弹性散射及慢中子的俘获等相互作用,伽马射线总是与中子相伴存在。而探测器一般对中子和伽马射线同时灵敏,且中子和伽马射线都相对容易探测但较难区分,因此中子和伽马射线的甄别尤为重要。
[0003]近年来,科研工作者在中子伽马甄别算法领域进行了许多研究。这些现有的甄别方法大致可分为三类:频域甄别法,时域甄别法以及智能甄别法。其中,频域与智能甄别法需要进行大量的矩阵运算,消耗时间较长,很难用于实时甄别;而时域甄别法虽然运算较快,但是甄别效果又相对较差。因此,急需一种既有出色的甄别效果,又耗时较短的中子
‑
伽马射线甄别方法用以解决现有技术中存在的这些困惑。
技术实现思路
[0004]本专利技术的目的在于提供一种中子
‑
伽马射线甄别方法、系统、设备及介质,其能够在提高甄别效果的同时减少甄别耗时。
[0005]本专利技术的实施例是这样实现的:
[0006]第一方面,本申请实施例提供一种中子
‑
伽马射线甄别方法,包括以下步骤:
[ ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种中子
‑
伽马射线甄别方法,其特征在于,包括以下步骤:步骤S101:获取中子
‑
伽马射线的数字波形S
n
;步骤S102:将数字波形S
n
送入预置的脉冲耦合神经网络中进行点火,得到对应的点火映射图;步骤S103:基于点火映射图包括的数字波形S
n
的上升沿、下降沿与余晖效应部分进行积分处理,并根据积分结果生成对应的得到甄别因子R;步骤S104:基于甄别因子R建立预设甄别机制获取中子
‑
伽马射线的甄别结果信息。2.如权利要求1所述的一种中子
‑
伽马射线甄别方法,其特征在于,所述步骤S101和步骤S102之间还包括:将数字波形S
n
依次进行剔除失真信号、幅值归一化处理和滤波处理。3.如权利要求1所述的一种中子
‑
伽马射线甄别方法,其特征在于,所述步骤S102包括:对脉冲耦合神经网络进行对应的参数配置,得到对应的PCNN模型;利用PCNN模型对每一个数字波形Sn的每一个采样点进行点火,并将每一采样点的每次迭代的点火情况进行累计,得到每一个数字波形S
n
的点火映射图。4.如权利要求3所述的一种中子一伽马射线甄别方法,其特征在于,所述点火映射图中的每一个采样点的点火次数的选取贡献包括对应采样点的幅值和数字波形S
n
的动态信息。5.如权利要求1所述的一种中子
‑
伽马射线甄别方法,其特征在于,所述步骤S104具体包括:基于甄别因子R绘制对应的统计直方图;对绘制的统计直方图进行高斯拟合,得到两个高斯峰,并得到对应的拟合参数d、S1和S2,其中,d为两高斯峰之间的距离,S1和S2分别为两高斯峰的半高斯峰的宽度;基于公式进行计算得到对应的FOM值。6.如权利要求1所述的一种中子
‑
伽马射线甄别方法,其特征在于,所述脉冲耦合神经网络的数学表达式包括:网络的数学表达式包括:U
ij
[n]=F
ij
[n]{1+βL
ij
[n]}、[n]}、其中,(i,j)为内部活动神经元的位置坐标,n为神经元的迭代次数,S
ij
为外部刺激,F
ij
和L
ij
分别为反馈输入和连接输入,α
F
和α
L
技术研发人员:黎鹏,左卓,罗静蕾,刘浩然,王凯民,柳炳琦,颜瑜成,
申请(专利权)人:成都理工大学工程技术学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。