基于便携式NaI谱仪的核素识别算法

基于便携式NaI谱仪的核素识别算法

核素识别在核材料分析鉴定、核设施的安全性检测、环境放射性监测以及防止核恐怖主义发生等诸多方面有着重要的应用。核素识别的基本任务就是根据γ能谱中的特征峰或者利用能谱中的特征值确定核材料中放射性核素的种类,并通过相关解谱算法对核素进行定量分析。

本文以便携式NaI伽玛能谱仪采集的仪器谱为研究对象,采用有效的γ能谱数据处理技术对谱线进行解析。论文取得的主要成果有:(1)使用MCNP5蒙特卡罗模拟软件,并依据实验确定高斯展宽系数,模拟了两种点状源(137Cs、60Co)在不同距离下的γ能谱响应。

通过与实测数据对比验证了模拟计算数据的可靠性,为核素识别算法研究提供了依据,也使得在实验条件不足,不能对多种能量的射线进行实际测量时,可以采用蒙特卡罗方法实现对任何能量的能谱响应。(2)研究了基于Na I便携式γ谱仪的核素识别算法,其中包括能谱数据光滑去噪分析、峰位识别峰边界确定、基于特征峰匹配的核素定性识别、全能峰面积法和线性扣本底法进行定量分析。

并利用133Ba、137Cs、60Co源在不同辐射背景下测量,通过扣除本底,定量分析出放射源的活度,得出了在不同辐射背景下Na I探测器对不同能量射线的探测限和最低可探测活度。(3)将神经网络模式识别思想引入核素识别当中,采用全谱识别法。

以γ能谱每道计数作为神经网络的输入值,因此能充分利用了能谱数据信息,提高了结果的准确性。设计的算法以能谱的整体形状为依据,具有良好的容错性和适用性。

(4)针对全谱识别法网络训练样本输入维数大,提出了一种基于小波包分解

提取特征量识别法。特征量识别法是把γ能谱看作是平稳离散信号,将多道能谱数据进行小波包分解得到谱线频域的若干个个特征值,对各频带的能量进行归一化,并构造成特征向量作为神经网络的训练样本,很大的降低了神经网络的输入维数,并且有效的提取了γ能谱的特征,提高了训练速度,也能够对细微差异的γ能谱做出准确的识别,是一种较好的γ能谱识别方法。

(5)使用基于神经网络的全谱识别法和特征量识别法这两种识别算法,分别对实测样本测试,讨论了单一核素和混合核素的识别情况,核素的正确识别率均达到100%。并且本方法不需要对能谱进行寻峰处理、能量刻度和效率刻度,消除了由于寻峰、能量与效率刻度导致的分析误差,大大提高了γ能谱分析结果的准确性。