摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第16-23页 |
1.1 研究背景及意义 | 第16页 |
1.2 国内外研究现状 | 第16-21页 |
1.2.1 基于神经网络的快速核素识别算法 | 第16-18页 |
1.2.2 低本底解谱算法 | 第18-20页 |
1.2.3 模糊逻辑核素识别算法 | 第20-21页 |
1.3 本文研究的主要内容 | 第21-23页 |
第二章 γ能谱数据预处理方法及算法性能评价指标 | 第23-33页 |
2.1 γ能谱测量原理 | 第23-25页 |
2.1.1 γ探测器原理 | 第23-24页 |
2.1.2 NaI(Tl)探测器原理 | 第24页 |
2.1.3 γ能谱数据测量装置 | 第24-25页 |
2.2 γ能谱数据平滑 | 第25-28页 |
2.2.1 五种平滑算法基本原理 | 第25-26页 |
2.2.2 平滑算法的选定 | 第26-28页 |
2.3 γ能谱数据本底扣除 | 第28-29页 |
2.3.1 天然本底扣除方法 | 第28页 |
2.3.2 SNIP连续本底扣除方法 | 第28-29页 |
2.4 算法性能评价指标 | 第29-32页 |
2.5 本章小结 | 第32-33页 |
第三章 基于DCT与BPNN的快速核素识别算法 | 第33-45页 |
3.1 快速核素识别算法流程 | 第33-34页 |
3.2 特征提取方法 | 第34页 |
3.3 BPNN模型搭建 | 第34-35页 |
3.4 快速核素识别算法性能测试 | 第35-44页 |
3.4.1 BP神经网络训练 | 第36-37页 |
3.4.2 探测时间、核素活度与探测距离的影响 | 第37-40页 |
3.4.3 探测时间、核素活度与探测距离对特征提取稳定性的影响 | 第40-41页 |
3.4.4 运动源的影响 | 第41-42页 |
3.4.5 核素个数与γ屏蔽物的影响 | 第42-44页 |
3.5 本章小结 | 第44-45页 |
第四章 基于近似系数与DBN的能谱分析算法 | 第45-59页 |
4.1 能谱分析算法流程 | 第45-46页 |
4.2 近似系数提取方法 | 第46-47页 |
4.3 DBN模型搭建 | 第47-49页 |
4.4 能谱分析算法性能测试 | 第49-58页 |
4.4.1 DBN训练 | 第49-50页 |
4.4.2 探测时间的影响 | 第50-52页 |
4.4.3 核素个数的影响 | 第52-53页 |
4.4.4 探测距离的影响 | 第53-55页 |
4.4.5 运动源的影响 | 第55-58页 |
4.5 本章小结 | 第58-59页 |
第五章 基于WHT与SAE快速核素识别算法 | 第59-70页 |
5.1 快速核素识别算法流程 | 第59-60页 |
5.2 WHT系数提取方法 | 第60页 |
5.3 SAE模型搭建 | 第60-62页 |
5.4 快速核素识别算法性能测试 | 第62-69页 |
5.4.1 SAE训练 | 第63-64页 |
5.4.2 探测时间的影响 | 第64页 |
5.4.3 核素个数的影响 | 第64-65页 |
5.4.4 探测距离的影响 | 第65-67页 |
5.4.5 运动核素的影响 | 第67-69页 |
5.5 本章小结 | 第69-70页 |
第六章 基于R-L去卷积与模糊逻辑的低本底解谱算法 | 第70-90页 |
6.1 低本底解谱算法流程 | 第70-71页 |
6.2 R-L去卷积方法设置 | 第71-72页 |
6.3 寻峰方法设计 | 第72页 |
6.4 模糊逻辑核素推理系统搭建 | 第72-74页 |
6.5 低本底解谱算法性能测试 | 第74-89页 |
6.5.1 模拟γ谱分解性能 | 第74-76页 |
6.5.2 分辨率增强性能 | 第76-77页 |
6.5.3 混合γ谱分解性能 | 第77-78页 |
6.5.4 不同探测时间下天然本底γ谱核素识别性能 | 第78-83页 |
6.5.5 不同探测距离下60Co+137Cs能谱核素识别性能 | 第83-89页 |
6.6 本章小结 | 第89-90页 |
第七章 总结与展望 | 第90-92页 |
7.1 工作总结 | 第90-91页 |
7.2 工作展望 | 第91-92页 |
参考文献 | 第92-98页 |
致谢 | 第98-99页 |
在学期间的研究成果及发表的学术论文 | 第99页 |