基于支持向量机的液体闪烁体探测器n/γ射线甄别方法

摘要

本发明提供了一种基于支持向量机的液体闪烁体探测器n/γ射线甄别方法，该方法的步骤如下：(1)信号采集，采用液体闪烁体探测器采集由中子源产生的信号，并将所采集的信号转化为脉冲信号；(2)采用电荷比较法甄别中子和γ射线，采用传统电荷比较法对步骤(1)获取的脉冲信号进行甄别，确定电荷比较法对中子和γ射线的甄别能量下限；(3)获取M矩阵；(4)采用LIBSVM软件进行中子和γ射线的分类预测。该方法可以对能量处于传统方法甄别阈值以下的信号进行区分，从而有助于提高中子通量测量的准确性。

主权项

基于支持向量机的液体闪烁体探测器n/γ射线甄别方法，其特征在于步骤如下：(1)信号采集采用液体闪烁体探测器采集由中子源产生的信号，并将所采集的信号转化为脉冲信号；(2)采用电荷比较法甄别中子和γ射线采用传统电荷比较法对步骤(1)获取的脉冲信号进行甄别，确定电荷比较法对中子和γ射线的甄别能量下限；(3)获取M矩阵①确定训练集和预测集将能量高于步骤(2)所得甄别能量下限的脉冲信号作为训练点，所有训练点组成训练集，将能量等于或低于步骤(2)所得甄别能量下限的脉冲信号作为预测点，所有预测点组成预测集；②确定M矩阵的特征向量分别扣除步骤(1)采集的各脉冲信号的基线，将扣除基线后的每个脉冲信号分别用M矩阵表示，也就是将各训练点和预测点用M矩阵表示，M＝[m₀,m₁,…,m_k‑1,m_k]，其中，m₀,m₁,…,m_k‑1,m_k分别为M矩阵的特征向量，所述M矩阵的特征向量按如下方法确定：扣除基线后，每个脉冲信号第i个采样点的幅度为g[i]，脉冲信号起始点j_start至脉冲信号第i个采样点的积分值表示为f[i]：$f\left[i\right]=\underset{j=j_{\mathrm{start}}}{\overset{i}{\Sigma }}g\left[i\right]---\left(1\right)$式(1)中，j_start为脉冲信号的起始点；M矩阵的特征向量表示如下：$m_0=\underset{i=1}{\overset{N}{\Sigma }}f\left[i\right]---\left(2\right)$$m_i=\underset{i=1}{\overset{N}{\Sigma }}\frac{f\left[i\right]·i}{m_0}---\left(3\right)$$m_{k-1}={\left|\underset{i=1}{\overset{N}{\Sigma }}\frac{f\left[i\right]·i^{k-1}}{m_0}\right|}^{1/k-1}---\left(4\right)$$m_k={\left|\underset{i=1}{\overset{N}{\Sigma }}\frac{f\left[i\right]·i^k}{m_0}\right|}^{1/k}---\left(5\right)$式(2)～(5)中，N为整个脉冲信号所包含的采样点的数量，i为脉冲信号第i个采样点，k为≥5的正整数；(4)采用LIBSVM软件进行中子和γ射线的分类预测①分别将步骤(3)得到的各M矩阵进行归一化，使||M||＝1；②将归一化后的M矩阵表示的各训练点作为LIBSVM软件的输入信号，使用RBF函数作为核函数对所有训练点组成的训练集进行超平面分类模型训练，得到超平面分类模型；③将归一化后的M矩阵表示的各预测点和超平面分类模型输入LIBSVM软件中，对预测集中的预测点进行分类预测，即完成液体闪烁体探测器n/γ射线甄别。