Speaker
渊斐 程
(中国科学技术大学)
Description
在现代高能物理实验中，高速ADC被广泛用于探测器信号的数字化采集，但随着计数率和探测系统通道数增加，大规模波形数据对前端读出、数据传输和后端处理能力提出了更高要求，容易形成带宽与计算瓶颈。同时，在高计数率条件下，相邻辐射事件的时间间隔可能小于单个脉冲的持续时间，导致脉冲堆积现象。堆积脉冲会引起波形畸变，进而影响能谱测量。因此，降低数据吞吐量的同时实现堆积脉冲的有效分离与参数重建，是高计数率核信号获取中的重要问题。
本文提出了一种基于多电平数字过阈(Digital Multi-level Crossing)与二维卷积神经网络的波形压缩和重建方法。该方法在前端对ADC采样波形进行数字电平交叉处理，仅记录信号跨越多组预设阈值时的时间信息，并将其编码为矩阵形式保留脉冲的时间演化和幅度分布特征。后端构建二维卷积神经网络，将阈值维度与时间维度作为联合特征空间进行卷积提取，判断脉冲堆积数和估计各脉冲参数。
研究结果表明，该方法能够在显著降低前端数据量的基础上，保持较高的堆积波形重建能力，改善高计数率条件下由脉冲堆积引起的能谱畸变。本文方法直接在压缩域完成脉冲波形重建，具有更好的并行计算特性和实时处理潜力，可为高计数率核探测系统中的数据压缩、堆积校正和能谱重建提供有效技术途径。
