基于KNN分类算法的n-γ脉冲信号甄别仿真研究 |
| |
引用本文: | 汪炫羲,唐清岭,蒋小菲.基于KNN分类算法的n-γ脉冲信号甄别仿真研究[J].电子测量技术,2022,45(13):164-170. |
| |
作者姓名: | 汪炫羲 唐清岭 蒋小菲 |
| |
作者单位: | 贵州大学,大数据与信息工程学院 贵阳550025 |
| |
基金项目: | 贵州省科技计划项目(黔科合LH字[2017]7225号) |
| |
摘 要: | 利用脉冲形状甄别(PSD)法区分中子和γ射线脉冲信号是核探测过程中一项重要的任务。本文基于Labview平台实现了n/γ脉冲信号的仿真及信号预处理过程,分别利用传统的甄别方法电荷比较法、脉冲梯度分析(PGA)法及上升时间法对所产生的n/γ脉冲信号进行甄别,筛选出以上三种甄别方法结果一致的中子和γ射线混合脉冲信号作为KNN分类算法的训练集。通过训练样本构建KNN分类模型,使得能够通过该模型实现中子和γ射线脉冲信号的分类。结果表明,基于KNN分类算法的中子和γ射线脉冲信号甄别准确率高达99.58%,与电荷比较法,上升时间法和PGA方法相比,甄别错误率显著降低。并且KNN分类算法原理简单,易于实现,因此可应用于实际混合场中的n-γ脉冲甄别。
|
关 键 词: | 中子和γ射线 脉冲形状甄别 KNN分类算法 Labview仿真 |
|
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载全文 |
|