一种基于小波包分解的神经网络识别γ能谱方法

史东生; 弟宇鸣; 周春林

您当前的位置：

首页 >

文章列表页 >

一种基于小波包分解的神经网络识别γ能谱方法

研究论文 | 更新时间：2023-03-30

- 一种基于小波包分解的神经网络识别γ能谱方法
- γ-ray spectrum identification with neural network based on wavelet packet decomposition
- 辐射研究与辐射工艺学报 2007年25卷第2期页码：111-114
- 作者机构：
  
  1.第二炮兵工程学院102教研室　西安　710025
- 作者简介：
  
  史东生，男，1978年12月出生，2004年毕业于第二炮兵工程学院，现为第二炮兵工程学院在读硕士研究生，从事辐射防护及环境保护专业的研究
- 基金信息：
  
  国家863高科技研究发展计划课题基金(2002AA245091)
- DOI：
  中图分类号：
扫描看全文
史东生, 弟宇鸣, 周春林. 一种基于小波包分解的神经网络识别γ能谱方法[J]. 辐射研究与辐射工艺学报, 2007,25(2):111-114.

SHI Dongsheng, DI Yuming, ZHOU Chunlin. γ-ray spectrum identification with neural network based on wavelet packet decomposition[J]. Journal of Radiation Research and Radiation Processing, 2007,25(2):111-114.
史东生, 弟宇鸣, 周春林. 一种基于小波包分解的神经网络识别γ能谱方法[J]. 辐射研究与辐射工艺学报, 2007,25(2):111-114. DOI：

SHI Dongsheng, DI Yuming, ZHOU Chunlin. γ-ray spectrum identification with neural network based on wavelet packet decomposition[J]. Journal of Radiation Research and Radiation Processing, 2007,25(2):111-114. DOI：

摘要

提出了一种基于小波包分解的神经网络识别γ能谱方法，该方法将γ能谱看作非平稳离散信号，对γ能谱做小波包分解得到各频带的能量，以各频带能量为元素构造特征向量作为神经网络的训练样本，利用神经网络的分类功能实现γ能谱的识别。结果表明，该方法不仅能准确地识别不同种类标准源的γ能谱，还能准确识别不同批次标准源的γ能谱，具有很好的实用价值。

Abstract

A new method was developed to identify γ-ray spectra with neural network based on wavelet packet decomposition. γ-ray spectra are regarded as non-stationary discrete signals. By using wavelet packet decomposition of γ-ray spectra, characteristic vector of the energy over all frequency band is obtained and used as an input variable into neural network to identify γ-ray spectra results of applying the method to γ-ray sources shows that the method can identify accurately γ-ray spectra from standard sources of different species and batches.

关键词

γ能谱识别小波包分解神经网络

Keywords

γ-ray spectrum identificationWavelet packet decompositionNeural network

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据