-
公开(公告)号：CN114897004B
公开(公告)日：2023-05-02
申请号：CN202210394146.3
申请日：2022-04-15
IPC: G06F18/241 , G06N3/04 , G06N3/084 , G06F18/214 , G06N3/044
Abstract: 本发明公开了一种基于深度学习Transformer模型的梯形堆积核脉冲识别方法，是对梯形成形后的上升沿变缓的堆积阶跃核脉冲进行识别。首先，将欲进行参数识别的梯形堆积核脉冲看成是由N个上升沿变缓的阶跃脉冲堆积后经过梯形成形后得到的。其次，制作含有多个样本的数据集，每个样本含有其对应梯形堆积核脉冲的采样值及脉冲的参数集。然后，各个样本对应的梯形堆积核脉冲的采样值以及相应的位置编码作为Transformer模型的输入数据。接着，用Transformer模型中的多层编码器与解码器提取特征，并对其内部的前馈神经网络进行训练。最后，用训练完成后的Transformer模型对欲进行参数识别的原始梯形堆积核脉冲进行参数识别。该方法大大降低了梯形堆积核脉冲的舍弃率，提高了放射性测量的准确度和可信度。
-
公开(公告)号：CN114897004A
公开(公告)日：2022-08-12
申请号：CN202210394146.3
申请日：2022-04-15
Abstract: 本发明公开了一种基于深度学习Transformer模型的梯形堆积核脉冲识别方法，是对梯形成形后的上升沿变缓的堆积阶跃核脉冲进行识别。首先，将欲进行参数识别的梯形堆积核脉冲看成是由N个上升沿变缓的阶跃脉冲堆积后经过梯形成形后得到的。其次，制作含有多个样本的数据集，每个样本含有其对应梯形堆积核脉冲的采样值及脉冲的参数集。然后，各个样本对应的梯形堆积核脉冲的采样值以及相应的位置编码作为Transformer模型的输入数据。接着，用Transformer模型中的多层编码器与解码器提取特征，并对其内部的前馈神经网络进行训练。最后，用训练完成后的Transformer模型对欲进行参数识别的原始梯形堆积核脉冲进行参数识别。该方法大大降低了梯形堆积核脉冲的舍弃率，提高了放射性测量的准确度和可信度。
-
公开(公告)号：CN115221919A
公开(公告)日：2022-10-21
申请号：CN202210709120.3
申请日：2022-06-22
Abstract: 本发明公开了一种任意波形核脉冲变换方法，用于任意波形核脉冲信号的梯形成形。首先，将任意波形核脉冲信号看作有理分式传递函数系统的冲激响应。其次，对有理分式传递函数进行有理式分解为多个一阶惯性环节和的形式，然后，对多个一阶惯性环节和的形式进行拉式反变换为时域表达式，再对其时域表达式进行离散化及变换，接着利用粒子群算法对离散化表达式进行参数求取，最后，求取梯形成形的传递函数及成形递推公式，该方法在一定程度上实现了任意波形的核脉冲信号之梯形成形，提高了梯形脉冲的对称性，便于脉冲幅值的准确获取，有利于改善系统能量分辨率和提高计数率，这对于提高放射性测量的精度具有较大意义。
-
公开(公告)号：CN115436991B
公开(公告)日：2024-09-20
申请号：CN202211113614.1
申请日：2022-09-14
IPC: G01T1/36 , G06F18/2321
Abstract: 本发明公开了一种基于最优波形的核脉冲梯形成形方法，用于在前端模拟系统输出脉冲波形所张成的波形空间内，通过聚类算法和模拟退火算法以得到最优脉冲波形进行梯形成形，以克服脉冲波形的波动性。首先，将前端模拟输出的各脉冲波形进行离散化。其次，将离散化后的脉冲波形进行归一化处理。然后利用聚类算法确定聚类中心并将之作为初步最优脉冲波形。接着，将聚类中心作为模拟退火算法的初始解，让其产生扰动进行最终寻优防止陷入局部最优。最后，基于模拟退火得出的最优脉冲波形进行梯形成形算法的求取。采用这种梯形成形算法，克服了脉冲波形的多样性、波形复杂性及波动性，可以使脉冲幅度辨识精度得到大大提高。
-
Patent Agency Ranking
公开(公告)号：CN115436991A
公开(公告)日：2022-12-06
申请号：CN202211113614.1
申请日：2022-09-14
Abstract: 本发明公开了一种基于最优波形的核脉冲梯形成形方法，用于在前端模拟系统输出脉冲波形所张成的波形空间内，通过聚类算法和模拟退火算法以得到最优脉冲波形进行梯形成形，以克服脉冲波形的波动性。首先，将前端模拟输出的各脉冲波形进行离散化。其次，将离散化后的脉冲波形进行归一化处理。然后利用聚类算法确定聚类中心并将之作为初步最优脉冲波形。接着，将聚类中心作为模拟退火算法的初始解，让其产生扰动进行最终寻优防止陷入局部最优。最后，基于模拟退火得出的最优脉冲波形进行梯形成形算法的求取。采用这种梯形成形算法，克服了脉冲波形的多样性、波形复杂性及波动性，可以使脉冲幅度辨识精度得到大大提高。
-
公开(公告)号：CN118033711A
公开(公告)日：2024-05-14
申请号：CN202410080782.8
申请日：2024-01-19
Applicant: 成都理工大学
IPC: G01T1/17 , G06F18/10 , G01T1/36 , G06F123/02
Abstract: 本发明公开了一种二次边缘形平顶脉冲成形方法，用于对核辐射探测仪前端模拟系统输出的高阶脉冲信号进行二次边缘形平顶脉冲成形。该方法从系统函数的分解出发，并结合脉冲信号时域和z域的渐进式构造过程，克服了以往基于低阶典型性脉冲信号进行脉冲成形而忽略了物理系统的“高阶”性和“复杂”性的局限。成形后的二次边缘形平顶脉冲的丰富特性有利于在脉冲识别、重叠脉冲分解中采用高性能的分析算法（例如深度学习等），有利于大大提高能谱测量的精度。
-
公开(公告)号：CN118708857A
公开(公告)日：2024-09-27
申请号：CN202410719550.2
申请日：2024-06-05
Applicant: 成都理工大学
Abstract: 本发明公开了一种基于函数空间族的脉冲参数寻优方法，用于对核辐射探测仪前端模拟系统输出的复杂脉冲信号进行参数寻优，为后续波形成形及能谱的精确测量提供保障。本方法采用函数空间族的群体运动，每个函数根据自身及整个函数族的信息不停地更新参数向量，各函数在向量空间中的运动具有个体独立性与群体协同性的特点；在函数运动中挑选出最优参数，确保了参数向量搜索过程的快速收敛以及最终所搜索参数的全局最优性，大大降低后续成形算法的维度，提高了成形算法的准确性。
-
公开(公告)号：CN118011459A
公开(公告)日：2024-05-10
申请号：CN202410172592.9
申请日：2024-02-07
Applicant: 成都理工大学
Abstract: 本发明公开了一种重叠脉冲分解及其分量识别方法，用于对梯形成形后存在严重重叠的一堆相邻梯形脉冲进行分解与识别，实现各脉冲幅值的准确提取以及脉冲的准确计数，以利于最终实现能谱的准确测量。首先进行重叠脉冲所含梯形脉冲分量的个数及其起始时间的确定：对重叠脉冲进行二次变形处理，利用变形处理后的输出序列进行搜索得到梯形个数以及这些梯形脉冲的起始时间；然后，采用迭代递推对梯形重叠脉冲的各个梯形脉冲分量进行幅值搜索。
-
公开(公告)号：CN118585763A
公开(公告)日：2024-09-03
申请号：CN202410509853.1
申请日：2024-04-26
Applicant: 成都理工大学
Abstract: 本发明公开了一种高阶复杂脉冲的s域参数识别方法，用于对核辐射探测仪前端模拟系统输出的高阶复杂脉冲信号进行s域特征函数的参数识别，为后续波形成形及能谱的精确测量提供保障。本方法根据脉冲信号的频谱信息预先判别出特征函数的构架，并求得特征函数的参数初始值，缩小了参数搜索范围，克服了因函数架构的不确定和参数取值范围的未知所导致参数寻优过程的不良后果（例如不收敛或非全局最优），确保特征函数的参数搜索过程快速收敛，且结果为全局最优；采用这种参数化的形式，既能实现信号的滤波，又能降低后续成形算法的维度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
