專利名稱：一種放射性能譜識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種放射性能譜識別方法。
背景技術(shù)：
在進(jìn)行放射性的能譜測量中，常常要根據(jù)探測器采集到的大量隨機(jī)數(shù)據(jù)，分析這些隨機(jī)信號由什么放射源產(chǎn)生。一般的放射性能譜解析方法是對所測的能譜在進(jìn)行了平滑濾波、扣除本底、尋峰、計(jì)算凈峰面積等分析后，根據(jù)能量、峰形和效率刻度的結(jié)果，由峰位所對應(yīng)的能量識別出放射源含有哪些放射性核素，進(jìn)而由凈峰面積計(jì)算出這些放射性核素的活度。在某些應(yīng)用場合，由于核信息保護(hù)的原因，不需要得到核素活度的精確結(jié)果，只需識別所測對象為何種核材料。為此，曾有研究者采用能譜信息作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，并用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對這些核材料進(jìn)行識別。這些方法存在難以訓(xùn)練、或者不易收斂、或者收斂到局部極小等缺點(diǎn)，導(dǎo)致能譜的識別不能進(jìn)行或者識別準(zhǔn)確率降低，故需要找出一種既能快速訓(xùn)練又能避免不能收斂或局部收斂的方法，使能譜的識別能順利進(jìn)行且能保證更高的識別準(zhǔn)確率。

發(fā)明內(nèi)容
本發(fā)明的目的在于公開一種放射性能譜識別方法。該方法克服了現(xiàn)有能譜識別方法的不足，具有訓(xùn)練速度快、收斂準(zhǔn)確、識別準(zhǔn)確率高等特點(diǎn)，是一種進(jìn)行放射性能譜識別的有效方法。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明的具體步驟如下①對放射性測量中已測得的能譜進(jìn)行訓(xùn)練，按如下A E步驟A根據(jù)需要按放射源類別對已測得的多個能譜進(jìn)行分類，B采用小波方法或多項(xiàng)式方法對能譜進(jìn)行平滑濾波，C求取能譜的GMM模型(Gaussian mixture model)，并將GMM模型中各高斯函數(shù)的權(quán)值作為降維后的數(shù)據(jù)，D將降維后的能譜數(shù)據(jù)進(jìn)行小波包分解，并將各子頻帶信號的能量進(jìn)行歸一化處理，提取歸一化數(shù)據(jù)作為特征向量。E將特征向量作為樣本，采用期望最大化法(Expectation Maximization，簡寫為 EM)對這些樣本進(jìn)行迭代運(yùn)算，得到各類特征向量的GMM模型；②將待識別能譜進(jìn)行決策分類，按如下A E步驟A采用小波方法或多項(xiàng)式方法對待識別能譜進(jìn)行平滑濾波，B求取待識別能譜的GMM模型(Gaussian mixture model)，并將GMM模型中各高斯函數(shù)的權(quán)值作為降維后的數(shù)據(jù)，C將降維后的待識別能譜數(shù)據(jù)進(jìn)行小波包分解，并將各子頻帶信號的能量進(jìn)行歸一化處理，提取歸一化數(shù)據(jù)作為特征向量，D將待識別能譜的特征向量作為多維隨機(jī)數(shù)，并計(jì)算其分屬于各類GMM模型的類條件概率密度，E最后按貝葉斯決策分類。本發(fā)明的有益效果是本發(fā)明在訓(xùn)練階段先采用小波方法或多項(xiàng)式方法對能譜進(jìn)行平滑濾波，以消除干擾信號；接著用GMM模型對能譜作降維處理，以保證能譜的統(tǒng)計(jì)特性在低維空間仍具有原始能譜信號的絕大部分信息；然后，在多頻帶信號空間提取歸一化特征向量并作為樣本，保證了采用低維樣本代表能譜特征的唯一性，同時也保證了樣本與測量時間的無關(guān)性；最后， 采用期望最大化法對這些樣本進(jìn)行迭代運(yùn)算，得到各類特征向量的GMM模型，這樣既保證了準(zhǔn)確收斂又可通過合理調(diào)整GMM模型的高斯函數(shù)個數(shù)以滿足各種不同場合下識別的需要。另外，本發(fā)明在識別時，采用貝葉斯決策分類，保證了識別準(zhǔn)確率在統(tǒng)計(jì)意義下的最優(yōu)。 總之，本發(fā)明是一種既能快速訓(xùn)練又能避免不能收斂或局部收斂的方法，使能譜的識別能順利進(jìn)行且能保證更高的識別準(zhǔn)確率。


圖1為本發(fā)明方法的流程圖；
具體實(shí)施例方式為使發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下參照附圖并舉實(shí)施例，對本發(fā)明作進(jìn)一步詳細(xì)說明。由于核信息保護(hù)的原因，不需要得到核素活度精確結(jié)果，只需識別所測對象為何種核材料，針對這一情況，本發(fā)明提供了一種放射性能譜識別方法。圖1顯示了本發(fā)明所述識別方法的流程。本發(fā)明的流程如圖1所示，具體包括如下的訓(xùn)練步驟①和識別步驟②①對放射性測量中已測得的能譜進(jìn)行訓(xùn)練，按如下A E步驟A根據(jù)需要按放射源類別——如，標(biāo)準(zhǔn)源或樣品的種類及批次等——對已測得的多個能譜進(jìn)行分類，能譜為在不同測量距離、不同測量時間及其它不同外界條件下所測得；B采用小波方法或多項(xiàng)式方法對能譜進(jìn)行平滑濾波；C求取能譜的GMM模型(Gaussian mixture model)，即表示為多個高斯分布函數(shù)的線性和Ρ{χ,θ) = ^α Ρι{χ·Α)(1)式(1)中M為高斯分布密度函數(shù)的個數(shù)，應(yīng)由能譜的形狀、光滑程度、道址數(shù)N等而定；a1; . . .，％是各高斯分布密度函數(shù)的權(quán)重，即各高斯分布函數(shù)在概率密度函數(shù)中所占
M
的比重，且Σ & = 1 彡0，(i = 1，. . .，M)，由能譜數(shù)據(jù)和函數(shù)個數(shù)M而定；Pi (χ)是第i個 /=1
高斯分布密度函數(shù)，其均值Pi由高斯分布密度函數(shù)的個數(shù)M和道址數(shù)確定；Pi(x)的方差為Oi2; Qi是未知參數(shù)^和Qi2的向量表示，S卩祝二細(xì)，。2)，密度函數(shù)？&，Θ,)的形
權(quán)利要求
1.一種放射性能譜識別方法，其特征在于，具體步驟如下①對放射性測量中已測得的能譜進(jìn)行訓(xùn)練；②將待識別能譜進(jìn)行決策分類。
2.根據(jù)權(quán)利要求1所述的一種放射性能譜識別方法，其特征是，所述①中對放射性測量中已測得的能譜進(jìn)行訓(xùn)練，包含如下步驟A對放射性測量中已測得的能譜進(jìn)行濾波、降維和分類處理，B提取處理后能譜的特征向量，C將特征向量作為樣本，并通過訓(xùn)練得到各類特征向量的GMM模型。
3.根據(jù)權(quán)利要求2所述的一種放射性能譜識別方法，其特征是，所述A中濾波是指采用小波方法或多項(xiàng)式方法對能譜進(jìn)行平滑濾波；降維是指求取能譜的GMM模型(Gaussian mixture model)，并將GMM模型中各高斯函數(shù)的權(quán)值作為降維后的數(shù)據(jù)；分類是指按放射源進(jìn)行分類。
4.根據(jù)權(quán)利要求2所述的一種放射性能譜識別方法，其特征是，所述B中提取特征向量，是指將權(quán)利要求3降維后的數(shù)據(jù)進(jìn)行小波包分解，并將各子頻帶信號的能量進(jìn)行歸一化處理，提取歸一化數(shù)據(jù)作為特征向量。
5.根據(jù)權(quán)利要求2所述的一種放射性能譜識別方法，其特征是，所述C中通過訓(xùn)練得到各類特征向量的GMM模型，是指將權(quán)利要求4提取的特征向量作為多維隨機(jī)數(shù)，采用期望最大化法(Expectation Maximization，簡寫為EM)對這些隨機(jī)數(shù)進(jìn)行迭代運(yùn)算，得到各類特征向量的GMM模型。
6.根據(jù)權(quán)利要求1所述的一種放射性能譜識別方法，其特征是，所述②中將待識別能譜進(jìn)行決策分類，包含如下步驟a采用小波方法或多項(xiàng)式方法對待識別能譜進(jìn)行平滑濾波，并求取待識別能譜的特征向量，b按GMM模型求取特征向量的類條件概率密度，c然后按貝葉斯決策分類。
7.根據(jù)權(quán)利要求6所述的一種放射性能譜識別方法，其特征是，所述a中求取待識別能譜的特征向量，是指將待識別能譜按權(quán)利要求3降維后進(jìn)行小波包分解，并將各子頻帶信號的能量進(jìn)行歸一化處理，提取歸一化數(shù)據(jù)作為特征向量。
8.根據(jù)權(quán)利要求6所述的一種放射性能譜識別方法，其特征是，所述b中按GMM模型求取特征向量的類條件概率密度，是指將權(quán)利要求7提取的待識別能譜特征向量作為待分類的多維隨機(jī)數(shù)，并計(jì)算其分屬于各類GMM模型的類條件概率密度。
全文摘要
本發(fā)明公開了一種放射性能譜識別方法。對放射性測量中已測得的能譜進(jìn)行濾波、降維和分類處理，提取其特征向量作為樣本，并通過訓(xùn)練得到各類特征向量的GMM模型；求取待識別能譜的特征向量，并按GMM模型求取特征向量的類條件概率密度，然后決策分類，即完成能譜識別。本發(fā)明對能譜的識別準(zhǔn)確率高，是進(jìn)行放射性能譜識別的有效方法。
文檔編號G06F19/00GK102313897SQ201010212350
公開日2012年1月11日 申請日期2010年6月29日 優(yōu)先權(quán)日2010年6月29日
發(fā)明者丁衛(wèi)撐, 劉念聰, 劉易, 周偉, 方方, 王敏, 王超, 閻萍, 黃洪全, 龔迪琛 申請人:成都理工大學(xué)