一种基于近似系数与深度学习的伽马能谱分析方法

摘要

本发明公开了一种基于近似系数与深度学习的伽马能谱分析方法，包括以下步骤：采用蒙特卡洛方法对伽马探测器进行建模并模拟感兴趣核素能谱，得到模拟能谱；使用伽马探测器测量能谱，对能谱进行平滑处理和按照时间比例本底扣除，得到净计数谱；采用小波分解方法提取模拟能谱的近似系数，对模拟能谱的近似系数进行归一化处理，采用小波分解方法提取净计数谱的近似系数，对净计数谱的近似系数进行归一化处理；将模拟能谱的近似系数作为深度学习网络的训练样本从而预测伽马探测器实测的能谱中核素的组成。本发明通过提取模拟能谱的近似系数，采用模拟样本训练深度学习并将其用于实测能谱核素组成预测，以达到快速、稳定的能谱核素识别。