[發明專利]放射性測量中多重譜峰的分解方法

有效

• 申請號: 201010206280.3
• 申請日: 2010-06-23
• 公開（公告）號: CN102298153A
• 公開（公告）日: 2011-12-28
• 發明（設計）人: 黃洪全;方方;王超;閻萍;王敏;龔迪琛;丁衛撐;劉念聰;周偉;劉易
• 申請（專利權）人: 成都理工大學
• 主分類號: G01T1/36
• 分類號: G01T1/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.放射性測量中多重譜峰的分解方法，其特征在于，具體步驟如下：

①對放射性測量中所獲得的能譜進行本底扣除，得到欲分解譜段重疊峰的凈計數；

②對得到的重疊峰凈計數進行歸一化，將歸一化后的數據作為概率密度函數，并產生服從該概率密度函數分布的隨機數；

③建立該概率密度函數的初始高斯混合模型；

④采用期望最大化法將產生的隨機數進行迭代運算直到收斂，實現高斯混合模型各參數的更新并得到最終值，即完成重疊峰的分解。

2.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述①中本底扣除，是指求取欲分解譜段重疊峰的凈面積。

3.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述①中重疊峰的凈計數，是指權利要求2中本底扣除后重疊峰各道址的計數。

4.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述②中對得到的重疊峰凈計數進行歸一化，是指將權利要求3中求得的重疊峰各道址的凈計數分別除以權利要求2中求取的凈面積，得到面積等于1的能譜。

5.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述②中產生服從該概率密度函數的隨機數，是指將權利要求4中所求的能譜當作概率密度函數，并采用離散直接抽樣法產生服從該概率密度函數分布的隨機數；

6.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述③中建立該概率密度函數的初始高斯混合模型，是指將權利要求5中所求的概率密度函數看成多個高斯分布函數的線性和，并對這些高斯分布函數的權值、方差以及均值進行初始化。這里的高斯混合模型是指Gaussian?mixture?model，簡寫為GMM。

7.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述④中迭代運算，是指將權利要求5中產生的隨機數采用期望最大化法進行計算，對權利要求6中各高斯分布函數的權值、方差以及均值進行更新。這里的期望最大化法，是指Expectation?Maximization，簡寫為EM。

8.根據權利要求1所述的放射性測量中多重譜峰的分解方法，其特征是，所述④中收斂，是指在進行權利要求7中的迭代運算時與上次運算的參數(權值、方差以及均值)的差值極小。