[发明专利]一种基于稀疏特征与模糊决策树的多核素识别方法

说明书

本发明公开了一种基于稀疏特征与模糊决策树的多核素识别方法，涉及核素识别领域。本发明技术要点包括：利用探测器采集各种已知核素得到相应的脉冲信号，分别对这些脉冲信号进行放大、去噪及模数转换得到信号样本；逐一对已知核素的信号样本进行稀疏编码得到若干的稀疏编码值，将所述若干的稀疏编码值作为该已知核素信号的属性；利用各个信号样本的属性及核素类别训练模糊决策树，得到能识别各种已知核素的模糊决策树；利用探测器采集某种未知核素并得输出脉冲信号，对该脉冲信号进行放大、去噪及模数转换，将处理结果进行稀疏编码得到稀疏编码值，将该系数编码值输入到训练好的模糊决策树中得到该脉冲信号的核素类别。

技术领域

本发明涉及核素识别领域。

背景技术

放射性物质目前广泛应用核电、工业探伤、医学检测等领域，其在提供大量便利的同时，一旦发生放射性泄漏事故对人体伤害非常巨大。2011年日本地震所引发的福岛核辐射危机后，社会对放射性物质的危害有了更深刻的认识，对其的使用安全给予了更广泛地关注，核安全监测被上升到前有未有的高度。随着计算机软硬件技术的不断发展，相关技术也不断应用于核素探测中，目前的核素探测装置能谱仪也在不断的小型化、便携化。与此同时对其核素探测的准确性和快速性提出了更高的要求。

现有技术对核素的识别需要对核素信号进行平滑滤波、寻找峰值的处理，需要占用较多的处理时间，无法做到快速识别。

发明内容

本发明针对上述存在的问题，提供一种基于稀疏特征与模糊决策树的多核素识别方法，包括：

获取核素信号样本的步骤：利用探测器采集各种已知核素得到相应的脉冲信号，分别对这些脉冲信号进行放大、去噪及模数转换得到信号样本；

获取核素信号属性的步骤：逐一对已知核素的信号样本进行稀疏编码得到若干的稀疏编码值，将所述若干的稀疏编码值作为该已知核素信号的属性；

训练模糊决策树的步骤：利用各个信号样本的属性及核素类别训练模糊决策树，得到能识别各种已知核素的模糊决策树；

未知核素识别的步骤：利用探测器采集某种未知核素并得输出脉冲信号，对该脉冲信号进行放大、去噪及模数转换，将处理结果进行稀疏编码得到稀疏编码值，将该系数编码值输入到训练好的模糊决策树中得到该脉冲信号的核素类别。

进一步，训练模糊决策树的步骤中：利用闵可夫斯基模糊度监测节点分裂前与分裂后的模糊度变化，选择能使模糊度下降最多的属性作为该节点的分裂属性。

进一步，训练模糊决策树的步骤中：在确定模糊决策树叶子节点类别的时候，选择该叶子节点下信号样本中比例最大的信号样本的核素类别作为该叶子节点的类别。

由于采用了上述技术方案，本发明的有益效果是：

本发明方法无需核脉冲信号进行滤波、平滑等预处理，就能够直接进行核素识别。所以本发明能够在较短的时间条件下快速识别出到脉冲信号的核素类别。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为本发明方法流程图。

图2为原始脉冲信号与MP算法重构信号对比图。其中，横轴代表时间，纵轴代表脉冲幅度。

图3是建立模糊决策树的之前，在每个连续属性上取3个模糊集。其隶属函数采用三角形隶属函数，这三个模糊集合的语义分别为：min、mean、max。分别表示属性的最小值、均值、和最大值。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。