稀疏表示与多任务学习的复杂核素识别

作     者：张江梅 季海波 王坤朋 冯兴华 ZHANG Jiangmei;JI Haibo;WANG Kunpeng;FENG Xinghua

作者机构：中国科学技术大学信息科学技术学院合肥230027 西南科技大学信息工程学院四川绵阳621010 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2018年第50卷第10期

页      面：72-78页

核心收录：

学科分类：082704[工学-辐射防护及环境保护] 08[工学] 0827[工学-核科学与技术] 

基　　金：国家自然科学基金(61501385) 四川省科技支撑计划(2016GZ0210) 四川省科技厅应用基础项目(2016JY0242) 

主　　题：核素识别 能谱校正 多任务学习 稀疏表示 ADMM 

摘      要：为提高核探测器在复杂环境下测量的适应性,提出了一种能谱校正和核素识别方法.针对核信号探测过程中,由于环境温度的交替变化会出现γ能谱偏移导致多核素识别率低的问题,提出了一种基于稀疏表示和多任务学习的核素识别方法.首先建立一个用于描述环境变量对于当前测量能谱影响的迁移矩阵,其次对测量能谱进行建模,该模型可以表示为标准能谱中独立核素能谱的瞬时叠加,由此核素识别问题就转化为多种核素能谱稀疏分解的问题,为求解该非凸优化问题采用交替方向乘子法(ADMM)的多任务学习方法同时优化迁移矩阵并进行稀疏分解,实现多核素识别.为验证该方法的可行性和有效性,利用高低温交变试验箱对Cs I(Tl)探测器的测量环境进行模拟,分别测量得到11种核素和典型混合核素的实际放射性元素能谱数据,以及基于蒙特卡洛分析软件Geant4仿真IAEA规定的27种核素的单一与混合核素数据进行实验.结果表明,提出的方法即使在温度为:-20℃~50℃的环境下依然可以准确地识别多种常用核素.