辐射研究与辐射工艺学报
輻射研究與輻射工藝學報
복사연구여복사공예학보
JOURNAL OF RADIATION RESEARCH AND RADIATION PROCESSING
2007年
2期
111-114
,共4页
γ能谱识别%小波包分解%神经网络
γ能譜識彆%小波包分解%神經網絡
γ능보식별%소파포분해%신경망락
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.
提齣瞭一種基于小波包分解的神經網絡識彆γ能譜方法,該方法將γ能譜看作非平穩離散信號,對γ能譜做小波包分解得到各頻帶的能量,以各頻帶能量為元素構造特徵嚮量作為神經網絡的訓練樣本,利用神經網絡的分類功能實現γ能譜的識彆.結果錶明,該方法不僅能準確地識彆不同種類標準源的γ能譜,還能準確識彆不同批次標準源的γ能譜,具有很好的實用價值.
제출료일충기우소파포분해적신경망락식별γ능보방법,해방법장γ능보간작비평은리산신호,대γ능보주소파포분해득도각빈대적능량,이각빈대능량위원소구조특정향량작위신경망락적훈련양본,이용신경망락적분류공능실현γ능보적식별.결과표명,해방법불부능준학지식별불동충류표준원적γ능보,환능준학식별불동비차표준원적γ능보,구유흔호적실용개치.
