1.一种用于伽马能谱数据的贝叶斯特征峰识别方法,其特征在于:包括以下步骤:步骤S1,特征峰感兴趣区间内能量测量值分布模型建立;分布模型具体为:e
式中,第m个特征峰能量感兴趣区间内测量得到的粒子事件集合Events步骤S2,先验分布选择和模型参数推断算法设计,具体为:采用贝叶斯参数估计方法进行模型参数推断,模型参数w式中,
步骤S3,多特征峰识别方法设计。
2.根据权利要求1所述的一种用于伽马能谱数据的贝叶斯特征峰识别方法,其特征在于:步骤S1中,步骤S101,将待识别的特征峰定义为集合peaks;集合peaks如下式所示:peaks={[e
式中,e
步骤S102,将伽马辐射探测器记录得到的粒子事件序列定义为集合Events,集合Events如下式所示:Events={[e(i),t(i)]},i=1,...,N式中,N表示粒子事件的数量,e(i)为测量得到的粒子事件的能量,t(i)为达到时间,其中i为粒子事件序号;
步骤S103,对于第m个特征峰,指定能量感兴趣区间,将处于能量区间内的粒子事件集合定义为EventsEvents
e
式中,N
步骤S104,将光电事件的能量概率分布定义为式中,Ψ(e|e
3.根据权利要求1所述的一种用于伽马能谱数据的贝叶斯特征峰识别方法,其特征在于:步骤S1中,步骤S105,将能量分布
式中,a
步骤S106,对步骤S105的公式进行代数运算,得到a式中,a
步骤S107,将步骤S106中计算得到的换算关系式再带入到步骤S105的公式中,得到e
式中,b
4.根据权利要求1所述的一种用于伽马能谱数据的贝叶斯特征峰识别方法,其特征在于:步骤S2中,参数的后验分布样本由马尔科夫链-蒙特卡洛采样方法采样得到,对所有样本取均值作为参数后验分布的点估计,具体如下:w
式中,P(w
5.根据权利要求1所述的一种用于伽马能谱数据的贝叶斯特征峰识别方法,其特征在于:步骤S3中,多特征峰识别方法设计具体为:步骤S301,首先为待识别的特征峰建立一个数据库,每个特征峰的特征能量由核素信息查询,标准差由能量刻度系数计算得到,具体为:式中,σ
步骤S302,为每个特征峰数据库中每一个特征峰,建立一个识别管线,每个管线工作在独立的线程中。
6.根据权利要求5所述的一种用于伽马能谱数据的贝叶斯特征峰识别方法,其特征在于:步骤S302中,工作流程具体为:步骤S3021,根据数据库设定相应特征峰能量感兴趣区间,从采集数据中过滤得到感兴趣区间内的辐射粒子事件;
步骤S3022,初始化模型参数,包括特征峰参数、参数先验分布及识别阈值;
步骤S3023,由测量数据,更新模型后验参数;
步骤S3024,根据识别阈值决策特征峰是否存在。