專利名稱：伽馬能譜核素識別方法
技術(shù)領域：
本發(fā)明涉及一種放射性物質(zhì)的識別方法，尤其是涉及一種通過伽馬能譜來識別被 檢物質(zhì)中所含放射性元素的識別方法。
背景技術(shù)：
放射性物質(zhì)(也稱為核素)都具有自己特有的本征能譜，即每種核素所釋放的伽 馬射線有幾種能量，并且各種能量的伽馬射線的強度比例是一定的。根據(jù)放射性物質(zhì)的這 一屬性，便可以通過分析被檢物質(zhì)的伽馬能譜來識別其中所包含的核素。伽馬光子入射到探測器內(nèi)的晶體上使晶體發(fā)光，晶體所產(chǎn)生的光信號被光電倍增 管轉(zhuǎn)化為脈沖信號，而該脈沖的強度正比于入射光子的能量。在一段時間內(nèi)所有進入探測 器的伽馬光子形成的脈沖經(jīng)過一系列的處理并被離散化后以直方圖的形式記錄下來，這便 是伽馬能譜。伽馬能譜的橫坐標稱為道數(shù)，其值和入射光子的能量相關，可以通過“能量刻 度”對道數(shù)和能量之間的關系進行標定；伽馬能譜的縱坐標是對應能量光子的計數(shù)。當核 素發(fā)出某種能量的伽馬射線時，就會在能譜上有一個峰與之對應，峰的中心道數(shù)所對應的 能量就是伽馬射線的能量，而峰的面積和伽馬射線的強度相關，不同能量下的峰面積和伽 馬射線強度的關系可以用“效率刻度”來標定。峰的形狀和探測器的類型有關，不同能量下 的峰的形狀由“峰形刻度”來標定。能量刻度和峰形刻度只和探測器相關，而效率刻度不僅 和探測器相關，還和被檢物質(zhì)的形狀、包裝以及被檢物質(zhì)和探測器之間的位置關系都相關。 在實驗室條件下這些因素可以人為的控制，從而可以達到較為精確的測量效果，然而在現(xiàn) 場環(huán)境下，許多因素不可控，這就使得同一種放射性物質(zhì)的能譜在不同的情況下有很大的 變化，這樣就會增加核素識別的難度。此外，能譜中有本底、逃逸峰、康普頓平臺、其他射線 等多種成分。在有遮擋的情況下，有些低能區(qū)的峰會被屏蔽。另外，探測器本身具有誤差和 有限的分辨率，當放射源中含有多種放射性物質(zhì)時，在識別過程中還要克服多種物質(zhì)之間 的相互干擾，這些都增加了能譜識別的難度。目前較為常見的核素識別方法分為兩類，一類是峰相關的方法，一類是模板匹配 的方法。峰相關的方法的思路是這樣的，首先通過尋峰找到能譜中的峰的位置并估計出峰 的面積，然后在編輯好的核素庫中尋找和這些峰位能量匹配的核素，通過建立線性方差組 或采用其他方法來估計每種核素對各個峰面積的貢獻，從而判斷是否含有某種核素。這種 方法的缺點在于尋峰的結(jié)果受多種因素的影響，并且還有一些峰，如康普頓邊緣、反散射 峰、逃逸峰等，并不對應核素的特征譜線。另外，核素庫中譜線的強度只是在理想狀態(tài)下的 譜線強度，而在實際情況下能譜中這些譜線對應的峰面積的比會有所改變。模板匹配的方法是用整個能譜與核素的模板進行匹配，然而由于每種核素在不同 的條件下測得的能譜并不相同，所以就要求每種核素要有在不同條件下的能譜模板。這時 雖然可以用模擬的方法模擬各種條件下的能譜，但超大的計算量也是無法承受的。
發(fā)明內(nèi)容
為了克服上述現(xiàn)有技術(shù)中所存在的不足，本發(fā)明提出了一種新的伽馬能譜的核素 識別方法。該伽馬能譜核素識別方法的步驟包括a)用伽馬探測器獲取被檢測物質(zhì)的伽馬 能譜；b)尋找所述伽馬能譜中的峰，并計算峰的面積；C)將步驟b)中尋找到的峰與核素庫 中核素的譜線進行匹配，找到有譜線與所述峰的峰位相對應的核素作為備選核素；d)計算 每個所述備選核素在所述被檢測物質(zhì)中出現(xiàn)的概率；e)去除所述備選核素之間由于匹配 到相同的峰而產(chǎn)生的相互干擾，更新各個備選核素的出現(xiàn)概率，將所述出現(xiàn)概率大于第一 預定閾值的核素識別為被檢測物質(zhì)中包含的核素，將所述出現(xiàn)概率作為置信系數(shù)。優(yōu)選的，所述伽馬探測器是碘化鈉探測器。優(yōu)選的，所述步驟b)中包括如下子步驟將獲取的所述伽馬能譜減去本底并對其 進行光滑處理。優(yōu)選的，所述步驟b)中進一步包括分離基底子步驟把所述伽馬能譜分為純峰信 號和基底信號，所述基底信號表示除去所述峰以外的其他所有計數(shù)。優(yōu)選的，所述步驟b)中進一步包括二次差分尋峰子步驟用二次差分的方法來尋 找經(jīng)過所述光滑處理的伽馬能譜中的高斯峰。優(yōu)選的，用高斯函數(shù)的二階導數(shù)作為所述二次差分的差分濾波器，用所述差分濾 波器對所述伽馬能譜數(shù)據(jù)進行濾波。優(yōu)選的，所述步驟b)中進一步包括峰區(qū)分割子步驟，在該子步驟中，將所述二次 差分尋峰子步驟中尋找到的峰的峰區(qū)進行分割，并確定初始峰位。優(yōu)選的，在所述峰區(qū)分割子步驟之后，所述步驟b)中進一步包括高斯混合模型估 計子步驟，在該子步驟中，對高斯混合模型的參數(shù)進行估計，以確定峰位。優(yōu)選的，所述步驟b)中進一步包括基底類型判斷子步驟，在該子步驟中，根據(jù)所 述分離基底子步驟所分離出來的基底的走勢來判斷所述基底的類型。優(yōu)選的，所述步驟b)中進一步包括最小二乘擬合子步驟，在該子步驟中，根據(jù)所 述基底的類型來選擇擬合函數(shù)對以各個所述初始峰位為中心的區(qū)間進行最小二乘擬合。優(yōu)選的，其特征在于，所述步驟d)采用貝葉斯網(wǎng)絡模型來計算每個所述備選核素 在所述被檢測物質(zhì)中的出現(xiàn)概率。優(yōu)選的，所述步驟e)進一步包括如下子步驟將所述出現(xiàn)概率值大于第二預定閾 值的核素和對應的匹配峰分組，使得每組峰中的每個峰能被匹配的核素在其他組中沒有匹 配的峰，并且每組峰中任意兩個峰都有一個核素同時有譜線和這兩個峰匹配。優(yōu)選的，所述步驟e)還包括如下子步驟對于每個所述組，將組內(nèi)峰的面積逐次 劃歸到最有可能和匹配最好的核素。優(yōu)選的，其特征在于，所述步驟e)還包括如下子步驟對所述組內(nèi)的核素兩兩之 間進行對比，以找到出現(xiàn)概率和峰面積匹配綜合結(jié)果最好的一個核素，按照核素庫中譜線 的強度比以及伽馬探測器的效率標定估計該匹配綜合結(jié)果最好的核素對峰面積的貢獻，然 后從對應的峰中扣除相應的面積，之后用被劃歸到該匹配綜合結(jié)果最好的核素的峰的面積 計算峰的顯著度，并代入貝葉斯網(wǎng)絡重新計算該匹配綜合結(jié)果最好的核素出現(xiàn)的概率。優(yōu)選的，所述步驟e)還包括如下子步驟在處理完所述匹配綜合結(jié)果最好的核素 之后，在剩余的峰面積和剩余的核素中繼續(xù)找下一個匹配綜合結(jié)果最好的核素，如此循環(huán)，直到所有的峰面積都被扣除或達到預定循環(huán)次數(shù)為止；在循環(huán)結(jié)束之后，仍沒有被處理的 核素的概率被置為零；最后識別出的核素是出現(xiàn)概率大于所述第一預定閾值的核素。優(yōu)選的，所述第一預定閾值大于所述第二預定閾值。優(yōu)選的，所述第一預定閾值為50%以上。優(yōu)選的，所述第二預定閾值為10%。本發(fā)明通過采用基底分離算法、二次差分尋峰法、混合高斯模型、最小二乘曲線擬 合等方法，保證了峰位和峰面積的準確性；通過分析尋峰的結(jié)果，估計了每個峰是康普頓邊 緣、反散射峰、逃逸峰的可能性。本發(fā)明由于只采用備選核素參與后續(xù)的貝葉斯網(wǎng)絡建模等 運算，從而使得大大減少了計算量。另外，由于本發(fā)明中所采用的貝葉斯網(wǎng)絡模型中綜合考 慮了屏蔽、本底噪聲、康普頓平臺、反散射峰、逃逸峰以及其他核素的干擾等因素，所以會使 得識別結(jié)果更有意義。除此之外，本發(fā)明還通過對相互干擾的核素進行分組，在每組內(nèi)估計 各個相互干擾的核素對峰面積的貢獻并從峰面積中扣除相應的部分，以減少核素間的相互 干擾，從而提升了被隱藏核素的置信系數(shù)的準確度。當采用本發(fā)明所述的伽馬能譜核素識 別方法在機場、碼頭、工廠等非實驗室條件的環(huán)境下對放射性物質(zhì)進行監(jiān)測時既可以保證 較高的檢測速度和靈敏度，也能降低因誤報警而帶來的損失。
圖1是本發(fā)明的伽馬能譜核素識別方法的流程圖。圖2是用碘化鈉(NaI)探測器獲取的核素Csl37的伽馬能譜。圖3是本發(fā)明的尋峰算法的流程圖。圖4是描述核素發(fā)出射線被探測器吸收，在能譜中尋到對應的峰的貝葉斯網(wǎng)絡模型。
具體實施例方式下面將結(jié)合附圖來詳細描述本發(fā)明的伽馬能譜核素識別方法。圖1示出了本發(fā)明的伽馬能譜核素識別方法的流程圖。如圖1所示，在步驟SOl 中，通過伽馬射線探測裝置來獲取被檢測物質(zhì)的伽馬能譜，并將其輸入到伽馬能譜處理模 塊進行尋峰和核素識別。此處所述的伽馬射線探測裝置可以采用現(xiàn)有的各種類型的伽馬射 線探測裝置(例如碘化鈉探測器)，因而本文將不再贅述伽馬射線探測裝置的具體結(jié)構(gòu)。圖 2示出了用碘化鈉探測器獲取的核素Csl37的伽馬能譜(其中橫坐標是道數(shù)，縱坐標是計 數(shù))。在接下來的步驟S02中，將進行尋峰(即尋找伽馬能譜中的峰)，求出峰的道數(shù)、 能量、面積及顯著度，該步驟的具體流程將在后文中結(jié)合圖3進行詳細說明。在該步驟S02 中，通過采用基底分離算法、二次差分尋峰法、高斯混合模型、最小二乘曲線擬合等方法，保 證了峰位和峰面積的準確性。本發(fā)明的伽馬能譜核素識別方法的第三步是步驟S03，其通過將步驟S02中所尋 找到的伽馬能譜中的峰與事先存儲的核素庫中核素的譜線進行匹配，以尋找有譜線與所述 峰的峰位對應的核素作為識別的備選核素。只有當核素庫中某核素的譜線中有一條與之前 步驟中所尋找到的某個峰匹配時，該核素才有出現(xiàn)可能(即在被檢測物質(zhì)中可能會包含該核素)，所以先對核素庫中的每個核素進行一次篩選，把有譜線和之前所尋找到的能譜中的 峰位匹配的核素留下來作為備選核素，其他的核素則認為不可能出現(xiàn)在被檢測物質(zhì)中。在之后的步驟S04中，對S03中篩選得到的備選核素用如圖4所示的貝葉斯網(wǎng)絡 模型進行建模，并推斷出該備選核素在被檢測物質(zhì)中出現(xiàn)的概率。接下來的步驟S05將相互干擾的核素及其對應的峰進行分組，在每組內(nèi)進行迭 代，每次迭代選出最有可能的一個核素，估計其對峰面積的貢獻并從峰面積中扣除相應的 部分，以去除備選核素之間由于匹配到相同的峰而造成的相互干擾，更新各個備選核素出 現(xiàn)的概率，得到最終的置信系數(shù)。在后文中將結(jié)合圖4來具體說明上述步驟S04和S05。下面將結(jié)合圖3來說明上述步驟S02的具體處理過程。如圖3所示，步驟S02包括如下子步驟減去本底并光滑S020、分離基底S021、二 次差分尋峰S022、峰區(qū)分割S0M、高斯混合模型估計S025、最小二乘擬合以及基底類 型判斷S027。在子步驟S020中，對輸入的伽馬能譜進行光滑處理。首先用中值濾波去除輸入數(shù) 據(jù)中的奇異點，然后進行高斯濾波。根據(jù)輸入的伽馬能譜數(shù)據(jù)的峰形和噪聲隨能量的變化， 對濾波器的長度和平滑程度作相應的調(diào)整。在低能區(qū)峰寬較小，峰比較密集，所以應當采用 平滑程度較低的濾波器，對高斯濾波器而言就是要采用方差較小的高斯函數(shù)。而當能量較 大時，峰的寬度也相應的變大，此時峰的個數(shù)一般而言也比較少，但是由于計數(shù)率低，數(shù)據(jù) 顯得很不光滑，所以在這種情況下應當采用平滑程度較高的濾波器，對高斯濾波器而言就 是要采用方差較大的高斯函數(shù)。子步驟S021中所述的分離基底是指把伽馬能譜分為純峰信號和基底信號兩部 分。其中“基底”表示除去峰以外其他的所有計數(shù)，其既包括本底，也包括高能峰的康普頓 平臺等。分離基底的基本方法是用伽馬能譜各道的值和以各道為中心的窗口兩側(cè)的平均值 作對比，選較小的一個作為新的值，如此迭代數(shù)次便得到基底。在子步驟S022中，用二次差分的方法來尋找伽馬能譜中的高斯峰。此時選用高斯 函數(shù)的二階導數(shù)作為差分濾波器，用該差分濾波器對伽馬能譜數(shù)據(jù)進行濾波，這相當于將 伽馬能譜數(shù)據(jù)先與高斯函數(shù)作卷積，然后再求二階導數(shù)。由于高斯函數(shù)與高斯函數(shù)的卷積 仍是高斯函數(shù)，而高斯函數(shù)的二階導數(shù)在均值附近的一個區(qū)域是小于零的，所以可以利用 這一特征，來從濾波結(jié)果中檢測出連續(xù)為負的區(qū)域作為疑似峰區(qū)，而初始峰位可以選擇峰 區(qū)的中心、峰區(qū)中二階差分的最小值點，或者整個峰區(qū)以二階差分的絕對值為權(quán)重的加權(quán) 平均。疑似峰區(qū)要通過峰形驗證，也就是說疑似峰區(qū)的峰寬要與該能量處峰寬刻度的值相 一致，如果疑似峰區(qū)的峰寬相對于該能量處峰寬刻度的值而言太小的話，則認為是噪聲，如 果太大則有可能是重峰。經(jīng)過上述各子步驟的光滑和尋峰，可以找到伽馬能譜中的一些峰位。為了能繼續(xù) 使用高斯混合模型進行更精確的峰位估計，找出二次差分法漏檢的峰位、分開重峰，則需要 在子步驟SOM中將子步驟S022的二次差分尋峰所得到的峰的峰區(qū)進行分割，例如如果所 尋找到的幾個峰離得比較近就將這幾個峰放在一個區(qū)內(nèi)，如果離得比較遠就將其分在不同 的區(qū)內(nèi)，此外還確定初始峰位。在接下來的子步驟S025中采用EM迭代算法來估計高斯混 合模型的參數(shù)，該參數(shù)即為伽馬能譜的峰位和面積，通過使用高斯混合模型可以進行更精 確的峰位估計，同時也可以更準確地計算峰的面積。
前面尋峰的方法都是在分離基底后剩下的峰信號上進行的，由于基底的估計本身 存在誤差，所以這就增加了結(jié)果的誤差。為了能更準確地對原始伽馬能譜數(shù)據(jù)進行擬合，在 對各個初始峰位為中心的小段進行擬合時，可以把峰函數(shù)和本底函數(shù)一起擬合，其采用的 方法是最小二乘法(如子步驟所示)。擬合函數(shù)是多項式本底和高斯峰的和，可以有 多個高斯峰。因為本底比較復雜，當擬合區(qū)間較大時用一個多項式擬合會導致誤差很大，從 而影響到峰位和峰面積的估計，所以擬合的區(qū)間不宜太寬，這樣做的另外一個好處是區(qū)間 中不需要太多的高斯峰。在進行子步驟所述的最小二乘擬合前可以根據(jù)子步驟S021 所分離出來的基底的走勢來選擇基底的類型(如子步驟S027所示)，例如當上述分離出 來的基底的走勢接近于直線狀，則選擇使用線性函數(shù)來進行后續(xù)的最小二乘擬合，而當上 述分離出來的基底的走勢接近于拋物線狀，則選擇使用二次函數(shù)來進行后續(xù)的最小二乘擬 合，總之，可以根據(jù)分離出來的基底的走勢來選擇適合的函數(shù)來進行后續(xù)的最小二乘擬合。如圖3所示，在子步驟S022所述的二次差分尋峰、子步驟S025所述的高斯混合模 型估計、以及子步驟所述的最小二乘擬合之后都可以輸出尋找到的峰位及峰的其他 信息(例如峰的面積、峰的能量或峰的顯著度)，只是準確程度不同而已，其中子步驟S025 所述的高斯混合模型估計所得到的峰位及峰的上述其他信息要比子步驟S022所述的二次 差分尋峰所得到的相應信息精確，而子步驟所述的最小二乘擬合所得到的峰位及峰 的上述其他信息又比子步驟S025所述的高斯混合模型估計所得到的相應信息精確。因此， 技術(shù)人員可以根據(jù)伽馬射線探測器的精確程度和識別需求來選擇在哪一步輸出結(jié)果。對得 到的峰位，求得對應的峰面積、本底面積、顯著程度后輸出到步驟S03中，以進行備選核素 的識別。下面將結(jié)合圖4來描述步驟S04和S05的具體處理過程。圖4示出了用于描述核 素發(fā)出伽馬射線被探測器吸收、在能譜中尋到對應的峰的過程的貝葉斯網(wǎng)絡模型。在該模 型中已經(jīng)考慮了下述各種情形伽馬射線是否被屏蔽、在能譜中能否形成明顯的峰、能譜中 尋到的峰是否是其他因素(如本底噪聲，其他峰的康普頓邊緣，反散射峰，逃逸峰等)造成 的、峰位與射線能量的匹配程度等。通過該模型可以推斷出被檢物質(zhì)中含有特定核素的概 率。在圖4中，Ne {0，1}，其表示被測物質(zhì)中是否有此核素，其中1表示被測物質(zhì)中有 此核素，0表示無此核素。L= (Li, i = 1, -Kj5Li e {0，1}，該Li表示核素在核素庫中的 譜線是否被屏蔽，其中1表示核素在核素庫中的譜線被屏蔽，0表示未被屏蔽。能量較高的 伽馬射線是否被屏蔽和能量較低的伽馬射線是否被屏蔽是相關的，當?shù)湍苜ゑR射線未被屏 蔽時，高能伽馬射線肯定不會被屏蔽。D= (Di, i = 1，-KjjDi e {0，1}，該01表示在相應 的譜線位置是否檢測到峰，其中1表示在相應的譜線位置檢測到了峰，0表示在相應的譜線 位置未檢測到峰。檢測到峰的原因有兩類，一類是由該核素在相應能量位置的伽馬射線引 起的，另一類是其他因素(例如是誤差等)引起的。如果核素所發(fā)出的伽馬射線的強度不 夠，或本底計數(shù)較高時，即使該伽馬射線未被屏蔽，也不一定能在能譜中形成顯著的峰。P = {Pi，i = 1，…K}是在譜線對應的區(qū)間內(nèi)檢測出的峰位及峰的其他信息，包括峰的面積，顯 著度等。統(tǒng)計推斷被檢物質(zhì)中含有特定核素的概率的過程是指已知節(jié)點P = {P”i = Ir·· K}的觀測，求N的條件概率分布，如下式所示
權(quán)利要求
1.一種伽馬能譜核素識別方法，其中包括步驟a)用伽馬探測器獲取被檢測物質(zhì)的伽馬能譜；b)尋找所述伽馬能譜中的峰，并計算所述峰的面積；c)將步驟b)中尋找到的峰與核素庫中核素的譜線進行匹配，找到有譜線與所述峰的 峰位相對應的核素作為備選核素；d)計算每個所述備選核素在所述被檢測物質(zhì)中的出現(xiàn)概率；e)去除所述備選核素之間由于匹配到相同的峰而產(chǎn)生的相互干擾，更新各個備選核素 的出現(xiàn)概率，將所述出現(xiàn)概率大于第一預定閾值的核素識別為被檢測物質(zhì)中包含的核素， 將所述出現(xiàn)概率作為置信系數(shù)。
2.如權(quán)利要求1所述的伽馬能譜核素識別方法，其特征在于，所述伽馬探測器是碘化 鈉探測器。
3.如權(quán)利要求1或2所述的伽馬能譜核素識別方法，其特征在于，所述步驟b)中包括 如下子步驟將獲取的所述伽馬能譜減去本底并對其進行光滑處理。
4.如權(quán)利要求3所述的伽馬能譜核素識別方法，其特征在于，所述步驟b)中進一步包 括分離基底子步驟把所述光滑處理后的伽馬能譜分為純峰信號和基底信號，所述基底信 號表示除去所述峰以外的其他所有計數(shù)。
5.如權(quán)利要求3或4所述的伽馬能譜核素識別方法，其特征在于，所述步驟b)中進一 步包括二次差分尋峰子步驟，在該子步驟中，用二次差分的方法來尋找經(jīng)過所述光滑處理 的伽馬能譜中的高斯峰。
6.如權(quán)利要求5所述的伽馬能譜核素識別方法，其特征在于，用高斯函數(shù)的二階導數(shù) 作為所述二次差分的差分濾波器，用所述差分濾波器對所述伽馬能譜數(shù)據(jù)進行濾波。
7.如權(quán)利要求5或6所述的伽馬能譜核素識別方法，其特征在于，所述步驟b)中進一 步包括峰區(qū)分割子步驟，在該子步驟中，將所述二次差分尋峰子步驟中尋找到的峰的峰區(qū) 進行分割，并確定初始峰位。
8.如權(quán)利要求7所述的伽馬能譜核素識別方法，其特征在于，在所述峰區(qū)分割子步驟 之后，所述步驟b)進一步包括高斯混合模型估計子步驟，在該子步驟中，對高斯混合模型 的參數(shù)進行估計，以確定峰位。
9.如權(quán)利要求8所述的伽馬能譜核素識別方法，其特征在于，所述步驟b)中進一步包 括基底類型判斷子步驟，在該子步驟中，根據(jù)所述分離基底子步驟所分離出來的基底的形 狀走勢來判斷所述基底的類型。
10.如權(quán)利要求9所述的伽馬能譜核素識別方法，其特征在于，所述步驟b)中進一步包 括最小二乘擬合子步驟，在該子步驟中，根據(jù)所述基底的類型來選擇擬合函數(shù)對以各個所 述初始 峰位為中心的區(qū)間進行最小二乘擬合。
11.如權(quán)利要求1、2、4、6、8-10之一所述的伽馬能譜核素識別方法，其特征在于，所述 步驟d)采用貝葉斯網(wǎng)絡模型來計算每個所述備選核素在所述被檢測物質(zhì)中的出現(xiàn)概率。
12.如權(quán)利要求11所述的伽馬能譜核素識別方法，其特征在于，所述步驟e)進一步包 括如下子步驟將所述出現(xiàn)概率值大于第二預定閾值的核素和對應的匹配峰分組，使得每 組峰中的每個峰能被匹配的核素在其他組中沒有匹配的峰，并且每組峰中任意兩個峰都有 一個核素同時有譜線和這兩個峰匹配。
13.如權(quán)利要求12所述的伽馬能譜核素識別方法，其特征在于，所述步驟e)還包括如 下子步驟對于每個所述組，將組內(nèi)峰的面積逐次劃歸到最有可能和匹配最好的核素。
14.如權(quán)利要求13所述的伽馬能譜核素識別方法，其特征在于，所述步驟e)還包括如 下子步驟對所述組內(nèi)的核素兩兩之間進行對比，以找到出現(xiàn)概率和峰面積匹配綜合結(jié)果 最好的一個核素，按照核素庫中譜線的強度比以及伽馬探測器的效率標定估計該匹配綜合 結(jié)果最好的核素對峰面積的貢獻，然后從對應的峰中扣除相應的面積，之后用被劃歸到該 匹配綜合結(jié)果最好的核素的峰的面積計算峰的顯著度，并代入貝葉斯網(wǎng)絡重新計算該匹配 綜合結(jié)果最好的核素出現(xiàn)的概率。
15.如權(quán)利要求14所述的伽馬能譜核素識別方法，其特征在于，所述步驟e)還包括如 下子步驟在處理完所述匹配綜合結(jié)果最好的核素之后，在剩余的峰面積和剩余的核素中 繼續(xù)找下一個匹配綜合結(jié)果最好的核素，如此循環(huán)，直到所有的峰面積都被扣除或達到預 定循環(huán)次數(shù)為止；在循環(huán)結(jié)束之后，仍沒有被處理的核素的概率被置為零；最后識別出的 核素是出現(xiàn)概率大于所述第一預定閾值的核素。
16.如權(quán)利要求12或15所述的伽馬能譜核素識別方法，其特征在于，所述第一預定閾 值大于所述第二預定閾值。
全文摘要
本發(fā)明提供了一種伽馬能譜核素識別方法，其包括如下步驟a)獲取伽馬能譜；b)尋找能譜中的峰，并計算峰的面積；c)通過匹配尋找到的峰與核素庫中核素的譜線得到可能存在的備選核素；d)用貝葉斯網(wǎng)絡模型計算每個備選核素出現(xiàn)概率；e)去除備選核素之間由于匹配到相同的峰而相互干擾的情況，更新各個備選核素的出現(xiàn)概率，得到最終的置信系數(shù)。
文檔編號G01T1/16GK102081165SQ200910238698
公開日2011年6月1日 申請日期2009年12月1日 優(yōu)先權(quán)日2009年12月1日
發(fā)明者彭華, 王強, 趙崑, 阮明 申請人:同方威視技術(shù)股份有限公司