小波变换基线扣除对激光诱导等离子体温度计算的改善

温度是激光诱导等离子体特性研究最重要的参数之一,为降低光谱连续背景对Boltzmann平面法计算等离子体温度的精密度的影响,利用小波变换对等离子体光谱进行分解,并采用软阈值法对代表光谱基线的低频信号进行扣除。选择合适的小波分解层数L及阈值系数α能有效提高Boltzmann图的线性相关度,即有更高的拟合系数R2,从而提高等离子体温度的计算精密度。对低合金钢样品417~445nm波段LIBS光谱采用db4小波函数进行分解、基线扣除和信号重构,选用12条Fe原子谱线建立Boltzmann图,由Boltzmann图拟合直线的斜率计算得到等离子体温度。对L和α系数进行了优化选择,研究发现,采用8层小波分解时Boltzmann图具有较高的R^2,而α的选择与时延t_d有关,t_d≤4.0μs时,α=0.3可获得最佳R^2值,之后随t_d的增大,α逐渐减小;在t_d≥6.5μs后,α=0,即光谱低频信号被完全扣除,说明基线对光谱特征谱线的干扰随时延的增加逐渐减弱。基线扣除后各时延的等离子体温度降低约2 000~3 000K,温度随时延的增加逐渐降低,与等离子体膨胀过程中温度逐渐下降的物理过程相吻合,且变化过程中的波动变小。

用于γ全谱基线扣除的改进SNIP算法研究

快速有效的全谱基线扣除是γ能谱分析的重要前提。论文在研究基线形成本质与基线扣除算法关键要求的基础上,针对现有SNIP算法存在的不足提出修改,发展出一套新的改进SNIP方法。方法借助能谱FWHM刻度对SNIP滤波窗宽度进行自适应调整,解决固定窗宽在不同能量区间应用产生的矛盾;通过扩展计数的动态范围实现康普顿边缘等基线快速变化区域的准确估计。方法在实际能谱分析的应用中获得了较为理想的处理结果,相对现有的多种SNIP算法,其准确性与高效性都具有一定优势。

数字化γ能谱测量系统中的脉冲基线估计与扣除方法

在γ能谱测量系统中,基线的估计与扣除一直是脉冲幅度测量处理过程中的一个重要环节。随着γ能谱测量系统的数字化,基线的估计与扣除方法也需要作相应的改进。目前相对复杂的算法只能是先对输入射线脉冲经数字化采样后,再在计算机上编程实现,不适用于以现场可编程门阵列(Field Programmable Gate Array,FPGA)等为核心的数字化系统。部分可以在FPGA上实现的算法,在估计基线时没有充分考虑正常核脉冲信号对基线的影响,精度和实时性相对不足。为解决这一问题,本文提出了一种可在FPGA上实现的脉冲基线估计与扣除方法。该方法通过对采样得到的原始脉冲信号进行去异常滑动平均滤波法,进而求得原始输入脉冲的直流基线,并对该基线进行扣除。而脉冲基线的扣除,必将降低仪器后续处理的复杂度。经实验验证:此方法算法简单、精度好、灵敏度高、可在FPGA上编程实现、可以抑制低频干扰和温度漂移等因素对基线的影响,能够在一定程度上提高能量分辨率,抑制谱线漂移。该方法不仅可以用于数字化γ能谱测量系统,也可以应用于测量其他类型射线(如X射线)的数字化谱仪。

基于U-Net的γ测厚方法研究

噪声环境或复杂放射性本底环境下采用γ吸收法测厚时,由于噪声和其他同位素特征峰会对测厚结果产生不利影响,γ吸收法测厚方法的稳定性和抗干扰能力有待进一步提升。因此,基于深度学习建立一种新颖的γ能谱测厚方法,并利用^(241)Am放射源和碲锌镉探测器搭建了一套γ测厚装置,对测厚方法进行训练和验证。首先,利用搭建的测厚装置对不锈钢、陶瓷和塑料等不同材质、不同厚度的样品进行测量。随后,利用采集到的能谱数据建立数据集对测厚方法进行训练,在原始能谱数据中添加高斯噪声和高斯峰模拟不同程度的噪声和放射性环境,研究了γ测厚方法在不同噪声和放射性环境下测厚稳定性,并与传统方法进行对比。结果表明,在相同噪声环境下,建立的γ测厚方法引起的最大峰面积变化率仅0.049%,优于传统方法的0.85%;在有其他高斯峰干扰的情况下,建立的γ测厚方法能有效扣除其他高斯峰,最大峰面积变化率仅7.58%,优于传统方法的33.29%,抗干扰能力优于传统方法。因此,基于深度学习建立的测厚方法为γ射线测厚的数据处理提供了新思路,提高了γ测厚方法的抗噪能力和抗干扰能力,有助于将γ测厚方法应用于复杂放射性环境,进一步拓宽γ测厚方法的应用领域。

数字化核能谱获取中信号处理方法的研究

介绍了将核辐射能量信号离散化后进行数字极零识别及补偿、基线扣除、低通滤波、脉冲成形和幅度分析等一系列数字化信号的处理方法,将长尾指数衰减信号成形为梯形波或三角波信号。用所述方法对实测波形进行离线处理后的结果表明,所获能谱的能量分辨率好于模拟式多道系统的测量结果。

基于自适应优化粒子群算法的色谱信号预处理设计与实现

传统方法在对色谱信号预处理时,未考虑粒子收敛性问题,导致色谱基线稳定差,色谱基线扣除效果不佳。为此,文章引入了自适应优化粒子群算法,以提高色谱信号预处理效果。采用数字锁相放大器放大微弱信号,增大信号强度;根据粒子群算法原理消除原始色谱基线干扰,并简化色谱分析步骤;通过优化惯性权重因子系数完成色谱信号预处理设计。为验证所提算法的性能,需要进行对比实验。实验结果表明,本文方法色谱信号分解效果好,扣除色谱基线的准确性高,提高了色谱分析精度及基线稳定性。

基于小波包分析的油色谱信号预处理

针对变压器油色谱在线监测系统在现场使用中存在的色谱基线不稳定、扣除不完全等问题,提出了基于小波包分析的色谱信号预处理。该方法通过小波包对信号进行多分辨率分解,扣除部分干扰高、低频信号,得到所需要的色谱信号。实验结果表明:将小波包应用到色谱信号数据预处理中,相对于传统小波变换能更细致地进行信号分析,较好地进行色谱基线的扣除,减少基线对色谱信号的干扰,从而有效提高油色谱在线监测系统的分析精度和模型稳定性。

基线修正在非晶合金晶化动力学研究中的应用

介绍了基线修正法在采用差示扫描量热法(DSC)分析Fe基非晶合金Fe78Si9B13晶化动力学研究中的应用。充分考虑系统误差信号可能带来的影响,通过采用基线修正法得到各条DSC热分析曲线,在计算峰面积时,对晶化峰进行合适的切线修正,提高了峰面积及晶化率a计算结果的准确性。再根据Kissinger模型,计算了Fe78Si9B13非晶合金α-Fe相晶化过程的晶化激活能Ea为362 k J/mol。以此为基础,计算了对应的动力学指数n为1.5~2.0。Fe78Si9B13非晶合金的α-Fe相晶化过程是一个二维扩散控制的形核与长大过程。