1 重庆大学 光电技术及系统教育部重点实验室, 重庆 400044
2 重庆大学 通信工程学院, 重庆 400044
针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻(CSKNN)分类识别方法,进而研究并分析了CSKNN方法的识别概率.实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N≥0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低.这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法.
252Cf源噪声分析法 压缩采样 观测比 K最近邻识别算法 识别概率 252Cf-source-driven noise analysis compressive sampling observation rate K-nearest neighbor recognition algorithm classification probability 强激光与粒子束
2015, 27(7): 074004
重庆大学 光电技术及系统教育部重点实验室, 重庆400044
针对252Cf源驱动核材料产生裂变中子脉冲信号具有脉冲序列特殊的“0,1”稀疏结构之特点,采用压缩感知理论,通过巧妙引入图论中的二分图模型,同时结合二分图的最小覆盖性质,适当添加约束条件,构建了稀疏均匀的观测矩阵。研究结果表明,利用压缩感知理论对“0,1”中子脉冲序列特殊稀疏结构的信号重构算法不仅可行,而且还获得了优于l1范数最小化方法重构结果,这对252Cf驱动核材料的中子脉冲信号分析与处理提供了一种新的途径或方法。
252Cf源噪声分析法 压缩传感 稀疏性 二分图 252Cf-source-driven noise analysis compressive sensing sparsity bipartite graph 强激光与粒子束
2014, 26(12): 124003
1 光电技术及系统教育部重点实验室(重庆大学), 重庆 400044
2 重庆理工大学 光电信息学院, 重庆 400054
针对高浓缩铀部件外加的反射层材质及厚度之效应可以巧妙避开核查这一问题,依据252Cf中子源驱动噪声分析法原理,采用蒙特卡罗方法模拟研究了高浓缩球形金属铀部件的不同材料、厚度的反射层的效应,获得了相应的时间关联符合计数分布和中子产额。研究结果表明,对同一材料的反射层,反射层厚度愈大,中子产额愈大,即反射效果愈好。对于同一厚度的反射层,反射层材料的密度愈大,中子产额愈大,反射效果愈好。
高浓缩铀部件 反射层 252Cf源驱动噪声分析法 时间关联符合计数 中子产额 highly-enriched uranium components reflector 252Cf source-driven noise analysis method time-correlation coincidence count neutron net multiplication 强激光与粒子束
2014, 26(5): 050101
