Speaker
纯頔 樊
Description
在低活度水平放射性物质测量场合，通常采用反符合探测器与高纯锗探测器组合方式来降低康普顿散射本底，从而获得极低的检出限，提高测量精度。该法硬件系统复杂，成本高，不利于应用推广。本文提出了一种对高纯锗探测器输出脉冲信号进行数字化波形甄别以识别康普顿散射事例的方法，来抑制康普顿散射本底，提高能谱峰康比，并获得较低的最小可探测活度，而无需昂贵复杂的反符合探测器及装置。论文提出并搭建了一种人工神经网络模型根据脉冲波形识别事例类型。为了精确映射全吸收事例、部分吸收事例与脉冲信号形状之间的关系，对探测器输出的脉冲信号进行了数据剥离、数据标准化和数据填充。采用机器学习方法以脉冲信号预处理后得到的50个离散数据为输入对探测器输出脉冲信号类别进行识别和分类，从而甄别出部分能量沉积事例与全能量沉积事例，并剔除部分能量沉积事例，从而实现康普顿散射事例抑制的目的。该方法有效降低了高纯锗γ能谱仪的最小可探测活度。实验结果表明，对测量152Eu、137Cs和60Co放射源得到的能谱，康普顿抑制系数在伽马射线能量分别为344- keV、662- keV 、1173- keV和1332- keV时分别达到1.13、1.15、1.09和1.12。应用该方法后，对来自152Eu、137Cs和60Co放射源的能量分别为344- keV、662- keV 、1173- keV和1332- keV伽马射线的最小可探测活度分别降低了3.5%、6.6%、4.8%和26.5%。
