龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：成都理工大学
申请日：2024-02-20
公开（公告）日：2024-05-10
公开（公告）号：CN118013398A
主分类号：G06F18/2415
分类号：G06F18/2415;G06F18/214;G06F17/18
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明公开了一种用于伽马能谱数据的贝叶斯特征峰识别方法，包括以下步骤：步骤S1，特征峰感兴趣区间内能量测量值分布模型建立；步骤S2，先验分布选择和模型参数推断算法设计，具体为：采用贝叶斯参数估计方法进行模型参数推断，模型参数wm和bm的后验分布被定义为和步骤S3，多特征峰识别方法设计。在本发明中，通过针对短测量时间下低计数率的伽马能谱分析使用线性函数近似本底能量分布，并设计了相关的参数推断算法，可以实现近实时的低误判率、较高的特征峰识别率，提高了针对该类型应用中伽马能谱数据的定性分析能力，提高了对特征峰定性测量的检测下限。
主权项：1.一种用于伽马能谱数据的贝叶斯特征峰识别方法，其特征在于：包括以下步骤：步骤S1，特征峰感兴趣区间内能量测量值分布模型建立；分布模型具体为： em-kσm≤e≤em+kσm式中，第m个特征峰能量感兴趣区间内测量得到的粒子事件集合Eventsm中粒子事件能量e的概率分布为Pme，Pme由和加权求和得到,加权系数为wm，为光电事件的能量概率分布，其服从均值为em，标准差为σm，取值区间为em-kσm到em+kσm的阶段高斯分布，k为置信系数，Φem-kσm|em,σm为高斯分布在em-kσm处的累计分布函数值，为康普顿事件的能量概率分布，具有线性函数形式，其截距参数为bm；步骤S2，先验分布选择和模型参数推断算法设计，具体为：采用贝叶斯参数估计方法进行模型参数推断，模型参数wm和bm的后验分布被定义为和由贝叶斯公式得到下式： 式中，为模型参数wm和bm在给定观测结果Eventsm的后验概率分布，Pwm,bm为模型参数wm和bm的先验分布，PmEventsm|wm,bm为似然函数；步骤S3，多特征峰识别方法设计。
全文数据：
权利要求：
百度查询： 成都理工大学 一种用于伽马能谱数据的贝叶斯特征峰识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号