一种γ核素识别方法
【技术领域】
[0001] 本发明涉及一种Υ核素识别方法，特别涉及一种在复杂辐射场中快速识别Υ核 素的方法。
【背景技术】
[0002] 在核电站乏燃料或者放射性废物储存库、处理室中，存在着种类和强度未知的Υ 放射性核素，为了把握这些环境中潜在的核素信息，需要利用Υ能谱探测器对辐射场中Υ 放射源放出的标识性Υ射线进行能谱测量，通过核素识别方法对测量能谱进行分析，实现 对辐射场中所存在核素的定性判断与定量分析。
[0003] 核素识别方法实现过程中关键的一点是对能谱的有效分析，而在对复杂辐射场所 的Υ放射性进行测量时，本底（包括天然本底、仪器本底等）是影响Υ能谱分析的主要 因素。目前降本底的方法有反符合法、物质屏蔽法、自然本底扣除法和SNIP法等。反符合 法是在主探测器周围再装配大体积的主动防护探测器，只有主探测器探测到而主动防护探 测器未探测到的事件，才被认为是来自样品的事件，以此达到降低干扰因素的影响，一般反 符合硬件结构及电子学部分结构非常复杂，不适应复杂辐射场；物质屏蔽法多采用Pb室屏 蔽，主要是屏蔽掉宇宙射线和环境放射性，适用于实验室分析的场所，对本身需要开放式测 量的辐射场Y能谱探测无法使用。以上降本底方法在复杂辐射场Y能谱测量中均受到了 限制，且均未考虑康普顿散射作用在感兴趣区能谱范围中造成的散射本底。自然本底扣除 法是将待测样品Y能谱扣除同样条件下测量的天然本底，适用于任何场所；
[0004] SNIP (sensitive nonlinear iterative peak clipping)法是米用对数运算和平 方根运算的方法抑制噪声、增强弱峰的数学降本底方法，应用很广泛。但是，以上去本底方 法都是对全谱本底的统一扣除，而均未考虑感兴趣区（Range of Interest, R0I)中由高能 Y射线造成的康普顿散射本底。
[0005] 核素识别方法实现过程中的另一个关键步骤是查找潜在核素并计算出潜在核素 的存在概率。已有的方法有峰相关法、剥谱法、神经网络法。峰相关法使用峰的能量和峰的 形状，通过将核素库中核素的特征Y峰能量与寻找到的峰能量直接进行相关分析，查找出 潜在核素，并计算出核素对应的峰面积。该方法多采用最小二乘拟合的解谱方法，容易造成 潜在核素的丢失分析，比较适用于能量分辨率较好的Nal(Tl)、半导体等类型γ探测器，在 复杂辐射场中Y能谱分析中受到局限。去卷积法（有的也称剥谱法）是从测量的能谱中 先找出一种容易识别的核素，把它的谱形求出来，并从混合谱中扣除掉，然后从剩余谱中再 找出第二种核素并按同样的方法处理，直到求出所有的核素为止，通常从能量最高的特征 峰开始对混合谱进行层层剥析。剥谱法中由于对单个核素的逐次迭代剥离，使得统计误差 在迭代中累加，导致具有低能Y特征峰的同位素成份难以被精确分析。用于核素识别的人 工神经网络模型有贝叶斯网络、最优线性联想记忆（0LAM)神经网络、BP人工神经网络，这 些神经网络方法一定程度上克服了传统方法速度慢、不能准确分析含有重峰的复杂 γ射 线谱的缺点，但是它们均需要一批已知Υ核素成分的样本作为学习样本，以对级联神经网 络进行训练，然后再用训练好的网络对所有样本进行实时识别，具有不稳定性，而对稳定性 要求很高的复杂辐射场核素分析而言，不能达到要求。
【发明内容】
[0006] 针对现有技术中存在的问题，本发明的一个目的在于提供一种在复杂辐射场中快 速识别Y核素的方法。该方法对测量的能谱数据进行多重扣本底计算和标准化处理，结合 由概率统计原理计算得到的全概率值和由标准源计算出的标准阈值，即可实现对核素及其 存在概率的快速识别和计算。
[0007] 为实现上述目的，本发明提供一种Y核素识别方法，包括以下步骤：
[0008] 测量辐射场获得Y能谱；
[0009] 对所述Y能谱进行扣除综合本底及降噪处理，获得净能谱；
[0010] 根据所述净能谱中的峰位确定潜在核素；
[0011] 计算每个所述潜在核素的总净峰面积；
[0012] 对每个所述潜在核素的总净峰面积进行标准化处理，获得该潜在核素的标准化总 净峰面积；
[0013] 对每个所述潜在核素的标准化总净峰面积扣除康普顿散射本底，获得每个所述潜 在核素的纯峰面积值；
[0014] 计算每个该潜在核素在所述辐射场的全概率值及概率标准阈值；
[0015] 计算每个所述潜在核素的存在概率。
[0016] 根据本发明的构思，在对每个所述潜在核素的标准化总净峰面积扣除康普顿散射 本底，获得每个所述潜在核素的纯峰面积值时，采用方式为设所述潜在核素的Y射线全能 峰的左右边界能量分别为&和匕，则二者也分别是能量为E#和能量为E YR的Y射线所产 生的康普顿边能量，则有：
[0019] 设所述Y能谱中每一道上的计数率为CRT[ch](ch = 1，2,…1024或2048)， 最大计数率值为CRT_，则标准处理化后的γ能谱中每一道上的计数率CRTn_[ch]= CRT[ch]/CRT_，所述潜在核素的γ射线的峰康比系数为PCRY，E#的感兴趣区左边界能 量为E Ylx，即EYlx = EYl-l. 5XFWHM(EYJ , EyR的感兴趣区右边界能量为EyRR，即EyRR = EYR+1.5XFWHM(EYR)，则所述潜在核素的Y射线全能峰扣除康普顿散射后的面积计算过程 如下：
[0021] 其中，Area(Ν)称为所述潜在核素的纯峰面积，半高宽参数FWHM(EYJ和峰康比系 数PCRY是探测器固有物理特性参数。
[0022] 根据本发明的构思，计算每个所述潜在核素的存在概率的方式为将所述每个潜在 核素的纯峰面积除以该核素在所述辐射场的概率标准阈值，再乘以该核素在所述辐射场的 全概率值。
[0023] 根据本发明的构思，在计算每个该潜在核素在所述辐射场的概率标准阈值时，将 每个该潜在核素单独放置于所述辐射场中测量并计算获得该潜在核素的纯峰面积值，即为 该潜在核素的概率标准阈值。
[0024] 根据本发明的构思，还包括：校准所述辐射场的半高宽刻度系数，且采用Monte Carlo模拟方法计算每个该潜在核素在所述辐射场的概率标准阈值。
[0025] 根据本发明的构思，在根据所述净能谱中的峰位及确定潜在核素时，先设定判断 参数△ E，再将所述净能谱中的峰位能量与核素库中核素的特征峰能量进行比对，取能量误 差在土 ΛΕ以内的特征峰所对应的核素作为潜在核素。
[0026] 根据本发明的构思，在计算每个该潜在核素在所述辐射场的全概率值时，包括采 用公式
[0028] 其中，P(N)表示判断为所述潜在核素在所述辐射场的全概率，P(Ea) (a = 1，2, 3) 表示所述潜在核素中能量为Ea的γ射线出现的概率，P(N|Ea) (a = 1，2, 3)表示所测得能 量为艮的γ射线来自所述潜在核素的概率。
[0029] 根据本发明的构思，在对所述Y能谱进行扣除自然本底及降噪处理，获得净能谱 时，步骤包括：
[0030] 用Y能谱探测器测量所述辐射场的天然本底和仪器本底，获得所述辐射场的综 合本底能谱；
[0031] 用所述辐射场的Y能谱减去综合本底能谱；
[0032] 用灵敏非线性迭代谱峰去噪算法，对扣除综合本底后的能谱再次进行降噪处理， 获得净能谱；
[0033] 用5点或7点光滑法，对所述净能谱进行光滑处理。
[0034] 根据本发明的构思，在计算每个所述潜在核素的总净峰面积时，步骤包括：
[0035] 用积分法或累加法计算每个所述潜在核素特征Y射线峰的净峰面积；
[0036] 将所述净峰面积乘以分支比参数，获得每个所述潜在核素的净总峰面积。
[0037] 根据本发明的构思，在对每个所述潜在核素的总净峰面积进行标准化处理时，包 括采用公式
[0038] StdC(ch) =C(ch)/Cmax
[0039] 其中，C_为能谱中射线的最大计数值，C(ch)为每一个道址对应的计数，StdC(ch) 为每道上的计数。
[0040] 根据本发明的构思，在根据所述净能谱中的峰位确定潜在核素中，采用三阶导数 法确定被测辐射场Y能谱的峰个数及峰位。
[0041] 根据本发明的构思，测量辐射场获得