專利名稱：利用多個探測器的伽馬能譜核素識別方法
技術領域：
本發(fā)明涉及一種伽馬能譜核素識別方法，特別是利用多個探測器的伽馬能譜核素識別方法。
背景技術：
通過尋峰進行核素識別的方法在放射性物質監(jiān)測系統(tǒng)中被廣泛使用。這類方法首先通過尋峰找到能譜中的峰的位置并估計出峰的面積等信息，然后在編輯好的核素庫中尋找具有和這些峰位能量匹配的核素，通過建立線性方差組或其他方法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。探測器的探測效率和分辨率是影響這類方法的主要因素。為了能提高探測效率，往往使用多個探測器從不同的角度和位置對監(jiān)測對象進行探測。雖然使用多個探測器可以提高總的探測效率，然而這也引出一個新的問題，就是如何同時處理由多個探測器得到的多個伽馬能譜。常見的方法是將這些能譜通過能量對齊后相加，這種方法的問題是很難將這些能譜對齊。由于各個探測器的線性和穩(wěn)定性存在差異，使得相加后的能譜分辨率明顯變差，從而影響尋峰和識別的結果。
發(fā)明內容
本發(fā)明的目的是提供一種利用多個探測器的伽馬能譜核素識別方法，該方法至少部分減輕現有技術中存在的問題。本發(fā)明的另一個目的是提供一種利用多個探測器的伽馬能譜核素識別方法，該方法克服多個能譜相加時分辨率變差的問題。根據本發(fā)明的一方面，本發(fā)明提供了一種利用多個探測器的伽馬能譜核素識別方法，包括步驟1 對多個探測器在同一時間內從被檢測物質采集到的能譜分別尋峰，步驟 2 利用步驟1中尋到的峰構成合并峰，每一個合并峰由能量之差在預定范圍的多個峰合并而成，步驟3 利用步驟2中的合并峰來識別核素。根據本發(fā)明的另一方面，所述利用多個探測器的伽馬能譜核素識別方法還包括 步驟4 基于步驟1中尋到的峰來識別核素，以及步驟5 利用步驟3和步驟4中識別出的核素確定識別出的核素。根據本發(fā)明的另一方面，在步驟1中，當尋到的峰的顯著度高于第一顯著度閾值時保留，否則剔除，以及在步驟4中，僅僅對顯著度大于或等于第二顯著度閾值的、在步驟1 中尋到的峰來識別核素，第二顯著度閾值大于第一顯著度閾值。根據本發(fā)明的另一方面，在步驟1中，當尋到的峰的顯著度高于第一顯著度閾值時保留，否則剔除，以及在步驟3中，僅僅對顯著度大于或等于第二顯著度閾值的、在步驟2 中的合并峰來識別核素，第二顯著度閾值大于第一顯著度閾值。根據本發(fā)明的另一方面，在步驟2中，每一個合并峰的面積等于所包括的峰的面積的和，每一個合并峰的峰位是所包括的峰的峰位的加權平均值，權重是所述峰的顯著度， 合并峰的顯著度是合并峰的面積與合并峰的誤差值的比，合并峰的誤差值是所包括的峰的誤差值的平方和再開方。 根據本發(fā)明的另一方面，在步驟5中根據步驟3和步驟4中識別出的核素的置信系數確定識別出的核素。 根據本發(fā)明的一方面，在步驟5中如果步驟3和步驟4中識別出的核素的置信系數大于預定的置信系數閾值，則所述核素作為識別出的核素。根據本發(fā)明的一方面，所述識別出的核素的置信系數是步驟3和步驟4中該核素的置信系數的最大值。根據本發(fā)明的另一方面，置信系數是核素在被檢測物質中的出現概率。所述多個探測器由碘化鈉制成，并且將每個峰加入到某個合并峰的過程中，該峰與合并峰能量之差的絕對值小于二者之和的大約3%。此方法包含三個主要步驟1)對各個探測器的伽馬能譜分別進行尋峰和核素識別；2)綜合所有探測器伽馬能譜的峰，得到總的峰信息；幻利用總的峰信息進行核素識別。第1步主要體現在尋峰時靈敏度較高，各個譜單獨識別時只用顯著度較高的峰以降低誤報。用較高尋峰靈敏度得到的所有峰，在第2步綜合，通過各個譜之間的相互驗證來去除噪聲。第2步中采用聚類的方法將第1步所有的尋峰結果綜合，將各個譜中位置相近的峰合并得到新的峰位、面積、顯著度等，并濾除顯著度較低的峰。第3步用第2步的結果進行核素識別，并與第1步各個譜的識別結果進行綜合以得到最終的識別結果。此方法無需將各個探測器的能譜對齊或相加，而是直接對各個能譜分別尋峰，然后綜合。這樣即保持了多個探測器的高效率和全面性，又不降低能譜的分辨率。即可以利用多個探測器帶來的高靈敏度和全方位檢測，又避免了多個能譜相加帶來的分辨率下降的問題。此方法不受探測器個數的限制，部分探測器損壞時也可使用。
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絡模型。圖5是根據本發(fā)明的利用多個探測器的伽馬能譜核素識別方法的實施例的流程圖。圖6是根據本發(fā)明的利用多個探測器的伽馬能譜核素識別方法的實施例的示意流程圖。
具體實施例方式下面將結合附圖來詳細描述本發(fā)明的伽馬能譜核素識別方法。實施例1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構。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，縱坐標是計數)。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、 能量、面積及顯著度，該步驟的具體流程將在后文中結合圖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，該核素才有出現可能(即在被檢測物質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在被檢測物質中。在之后的步驟S04中，對S03中篩選得到的備選核素用如圖4所示的貝葉斯網絡模型進行建模，并推斷出該備選核素在被檢測物質中出現的概率。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的概率，得到最終的置信系數。在后文中將結合圖4來具體說明上述步驟S04和S05。下面將結合圖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據中的奇異點，然后進行高斯濾波。根據輸入的伽馬能譜數據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。而當能量較大時，峰的寬度也相應的變大，此時峰的個數一般而言也比較少，但是由于計數率低，數據顯得很不光滑，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。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，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的平均值作對比，選較小的一個作為新的值，如此迭代數次便得到基底。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。此時選用高斯函數的二階導數作為差分濾波器，用該差分濾波器對伽馬能譜數據進行濾波，這相當于將伽馬能譜數據先與高斯函數作卷積，然后再求二階導數。由于高斯函數與高斯函數的卷積仍是高斯函數，而高斯函數的二階導數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重的加權平均。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，如果離得比較遠就將其分在不同的區(qū)內，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，該參數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，所以這就增加了結果的誤差。為了能更準確地對原始伽馬能譜數據進行擬合，在對各個初始峰位為中心的小段進行擬合時，可以把峰函數和本底函數一起擬合，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來進行后續(xù)的最小二乘擬合，總之，可以根據分離出來的基底的走勢來選擇適合的函數來進行后續(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， 技術人員可以根據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絡模型。在該模型中已經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中含有特定核素的概率。
在圖4中，Ne {0，1}，其表示被測物質中是否有此核素，其中1表示被測物質中有此核素，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，當低能伽馬射線未被屏蔽時，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
權利要求
1.一種利用多個探測器的伽馬能譜核素識別方法，包括步驟1 對多個探測器在同一時間內從被檢測物質采集到的能譜分別尋峰， 步驟2 利用步驟1中尋到的峰構成合并峰，每一個合并峰由能量之差在預定范圍的多個峰合并而成，步驟3 利用步驟2中的合并峰來識別核素。
2.根據權利要求1所述的利用多個探測器的伽馬能譜核素識別方法，還包括 步驟4 基于步驟1中尋到的峰來識別核素，步驟5 利用步驟3和步驟4中識別出的核素確定識別出的核素。
3.根據權利要求2所述的利用多個探測器的伽馬能譜核素識別方法，其中 在步驟1中，當尋到的峰的顯著度高于第一顯著度閾值時保留，否則剔除，在步驟4中，僅僅對顯著度大于或等于第二顯著度閾值的、在步驟1中尋到的峰來識別核素，第二顯著度閾值大于第一顯著度閾值。
4.根據權利要求1所述的利用多個探測器的伽馬能譜核素識別方法，其中 在步驟1中，當尋到的峰的顯著度高于第一顯著度閾值時保留，否則剔除，在步驟3中，僅僅對顯著度大于或等于第二顯著度閾值的、在步驟2中的合并峰來識別核素，第二顯著度閾值大于第一顯著度閾值。
5.根據權利要求1所述的利用多個探測器的伽馬能譜核素識別方法，其中 在步驟2中，每一個合并峰的面積等于所包括的峰的面積的和，每一個合并峰的峰位是所包括的峰的峰位的加權平均值，權重是所述峰的顯著度，合并峰的顯著度是合并峰的面積與合并峰的誤差值的比，合并峰的誤差值是所包括的峰的誤差值的平方和再開方。
6.根據權利要求2所述的利用多個探測器的伽馬能譜核素識別方法，其中在步驟5中 根據步驟3和步驟4中識別出的核素的置信系數確定識別出的核素。
7.根據權利要求2所述的利用多個探測器的伽馬能譜核素識別方法，其中 在步驟5中如果步驟3和步驟4中識別出的核素的置信系數大于預定的置信系數閾值，則所述核素作為識別出的核素。
8.根據權利要求6或7所述的利用多個探測器的伽馬能譜核素識別方法，其中 所述識別出的核素的置信系數是步驟3和步驟4中該核素的置信系數的最大值。
9.根據權利要求6或7所述的利用多個探測器的伽馬能譜核素識別方法，其中 置信系數是核素在被檢測物質中的出現概率。
10.根據權利要求1所述的利用多個探測器的伽馬能譜核素識別方法，其中所述多個探測器由碘化鈉制成，并且將每個峰加入到某個合并峰的過程中，該峰與合并峰能量之差的絕對值小于二者之和的大約3%。
全文摘要
一種利用多個探測器的伽馬能譜核素識別方法，包括步驟1對多個探測器在同一時間內從被檢測物質采集到的能譜分別尋峰，步驟2利用步驟1中尋到的峰構成合并峰，每一個合并峰由能量之差在預定范圍的多個峰合并而成，步驟3利用步驟2中的合并峰來識別核素。通過本發(fā)明的方法，即可以利用多個探測器帶來的高靈敏度和全方位檢測，又避免了多個能譜相加帶來的分辨率下降的問題。此方法不受探測器個數的限制，部分探測器損壞時也可使用。
文檔編號G01T1/36GK102565845SQ20101062017
公開日2012年7月11日 申請日期2010年12月31日 優(yōu)先權日2010年12月31日
發(fā)明者王強, 趙崑, 阮明 申請人:同方威視技術股份有限公司