基于便携式NaI谱仪的核素识别算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-21页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 γ 能谱分析方法及研究现状 | 第11-17页 |
| 1.2.1 γ 能谱分析方法 | 第11-15页 |
| 1.2.2 γ 能谱分析方法及研究现状 | 第15-17页 |
| 1.3 基于神经网络方法的能谱处理技术与现状 | 第17-19页 |
| 1.4 主要研究内容及结果 | 第19-20页 |
| 本章小结 | 第20-21页 |
| 第2章 γ 能谱分析的基础理论 | 第21-28页 |
| 2.1 γ 射线与物质的相互作用 | 第21-23页 |
| 2.1.1 光电效应 | 第21页 |
| 2.1.2 康普顿效应 | 第21-22页 |
| 2.1.3 电子对效应 | 第22-23页 |
| 2.2 常用的 γ 射线探测器 | 第23-24页 |
| 2.3 Na I谱仪的结构及工作原理 | 第24-25页 |
| 2.4 γ 射线能谱 | 第25-27页 |
| 本章小结 | 第27-28页 |
| 第3章 蒙特卡罗模拟 | 第28-38页 |
| 3.1 高斯展宽系数的确定 | 第28-30页 |
| 3.2 MCNP模拟 | 第30-32页 |
| 3.2.1 探测器几何模型的建立 | 第30-31页 |
| 3.2.2 点源的模拟 | 第31-32页 |
| 3.3 模拟结果处理与分析 | 第32-35页 |
| 3.4 仪器谱与模拟谱的比较 | 第35-37页 |
| 本章小结 | 第37-38页 |
| 第4章 核素识别技术研究 | 第38-58页 |
| 4.1 谱数据平滑处理 | 第38-40页 |
| 4.2 寻峰及确定边界 | 第40-42页 |
| 4.3 本底扣除和峰面积的计算 | 第42-43页 |
| 4.4 核素识别及核素库的建立 | 第43-47页 |
| 4.4.1 能量刻度和效率刻度 | 第43-44页 |
| 4.4.2 基于特征峰核素识别 | 第44-45页 |
| 4.4.3 核素识别库的建立 | 第45-47页 |
| 4.5 实验结果分析 | 第47-57页 |
| 4.5.1 对天然放射性的解析 | 第47-50页 |
| 4.5.2 对低能 γ 能谱的解析 | 第50-55页 |
| 4.5.3 最小可探测活度的计算 | 第55-57页 |
| 本章小结 | 第57-58页 |
| 第5章 BP神经网络核素识别 | 第58-75页 |
| 5.1 BP网络原理及MATLAB实现 | 第58-61页 |
| 5.2 网络样本的选取 | 第61-63页 |
| 5.3 全谱识别法 | 第63-68页 |
| 5.3.1 测试网络的性能 | 第64-66页 |
| 5.3.2 测试结果 | 第66-68页 |
| 5.4 小波分析及特征提取 | 第68-70页 |
| 5.4.1 小波包变换的基本理论 | 第68-69页 |
| 5.4.2 γ 能谱特征提取的算法 | 第69-70页 |
| 5.5 特征向量识别法 | 第70-74页 |
| 5.5.1 特征向量的提取 | 第70-71页 |
| 5.5.2 神经网络测试和训练 | 第71-74页 |
| 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读学位期间取得学术成果 | 第82页 |
