第二十三届全国核电子学与核探测技术学术年会（NED2026）

基于FPGA和人工神经网络实现在线α、β脉冲形状甄别

Not scheduled

20m

中州会堂 (中州华鼎饭店)

张贴报告 电子学

Speaker

星杰 毛 (成都理工大学核技术与自动化工程学院)

Description

α、β表面污染的测量，广泛用于放射性工作场所、因可能被污染而必须监测的场所，其测量结果对于污染源的确认具有重要意义，其中α、β脉冲甄别技术是一个研究方向。脉冲形状甄别（Pulse Shape Discrimination, PSD）方法用于α、β、γ脉冲甄别，其效果好、鉴别范围广。近年来，神经网络模型、机器学习和深度学习技术的引入优化了PSD方法的分析效果，使PSD方法能够处理诸如脉冲堆积、低能区信号检测等更加复杂的情形。另外，现场可编程门阵列（Field Programmable Gate Array, FPGA）在AI加速和边缘计算领域的应用为在线PSD技术提供实现基础，基于轻量化神经网络模型的在线部署能够实现实时脉冲数据检测和实时PSD。本研究开发一种嵌入式PSD系统，该系统基于模数转换器（Analog to Digital Converter, ADC）和FPGA实现脉冲数据采集和概率预测，并在计算机进行模型训练和权重加载。在线模型处理方面，采用并行-串行流水线方式实现线性变换和激活；人工神经网络（Artificial Neural Network, ANN）模型训练方面，层次密度聚类算法（Hierarchical Density-Based Spatial Clustering of Applications with Noise, HDBSCAN）算法用于训练数据标注，反相传播算法用于模型训练。测量系统将在镀ZnS(Ag)的塑料闪烁体探测器上进行系统验证。