微弱核信号检测及核素识别方法与实验研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 选题背景和意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 微弱信号检测方法研究现状 | 第13-18页 |
| 1.2.2 核素识别方法研究现状 | 第18-21页 |
| 1.3 研究内容与论文结构安排 | 第21-25页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 论文结构安排 | 第22-25页 |
| 第2章 微弱核信号检测原理与噪声特性分析 | 第25-39页 |
| 2.1 微弱核信号检测原理 | 第25-32页 |
| 2.1.1 核信号探测原理 | 第25-26页 |
| 2.1.2 核信号探测器 | 第26-32页 |
| 2.2 核信号检测系统典型噪声分析 | 第32-38页 |
| 2.2.1 典型噪声来源分析 | 第33-35页 |
| 2.2.2 噪声特性分析 | 第35-38页 |
| 2.3 本章小结 | 第38-39页 |
| 第3章 基于稀疏表示的微弱核脉冲信号检测算法研究 | 第39-55页 |
| 3.1 核脉冲信号模型与问题描述 | 第39-41页 |
| 3.2 核脉冲信号重构字典构建 | 第41-45页 |
| 3.2.1 脉冲信号Gabor字典构建 | 第41-43页 |
| 3.2.2 基于K-SVD的字典学习算法 | 第43-45页 |
| 3.3 改进的OMP算法及核脉冲信号提取 | 第45-47页 |
| 3.4 基于滑动窗的并行加速算法 | 第47-52页 |
| 3.5 实验与结果分析 | 第52-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第4章 核素识别方法研究 | 第55-93页 |
| 4.1 基于多任务学习的核素识别方法 | 第55-66页 |
| 4.1.1 核素识别模型及问题描述 | 第56-60页 |
| 4.1.2 基于多任务学习的核素识别算法 | 第60-62页 |
| 4.1.3 实验与结果分析 | 第62-66页 |
| 4.2 基于支持向量机的核素识别方法 | 第66-75页 |
| 4.2.1 基于马尔可夫链的核素能谱平滑及寻峰 | 第67-71页 |
| 4.2.2 基于支持向量机的核素识别 | 第71-73页 |
| 4.2.3 实验与结果分析 | 第73-75页 |
| 4.3 基于稀疏表示和奇异值分解的核素识别 | 第75-91页 |
| 4.3.1 基于稀疏表示的核素识别 | 第76-78页 |
| 4.3.2 基于奇异值分解的核素识别 | 第78-82页 |
| 4.3.3 实验与结果分析 | 第82-91页 |
| 4.4 本章小结 | 第91-93页 |
| 第5章 微弱核辐射信号测量实验平台研究 | 第93-111页 |
| 5.1 微弱核辐射信号检测系统设计 | 第93-97页 |
| 5.1.1 探测器系统 | 第94-95页 |
| 5.1.2 多道脉冲幅度分析系统 | 第95-97页 |
| 5.2 核辐射检测运动平台设计及相关实验 | 第97-105页 |
| 5.3 核素识别软件设计 | 第105-109页 |
| 5.4 本章小结 | 第109-111页 |
| 第6章 总结与展望 | 第111-115页 |
| 6.1 研究工作总结 | 第111-112页 |
| 6.2 研究工作展望 | 第112-115页 |
| 参考文献 | 第115-125页 |
| 致谢 | 第125-126页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第126页 |
