基于特征峰匹配的核素识别算法的研究(4)
2.3 监控系统及能谱分析软件
谱仪系统中的监控部分提供人机交互功能，使用者通过监控系统对整个谱仪系统进行参数设置，采集控制，并通过其提供的软件进行能谱分析。传统的多道谱仪系统以 PC 机作为监控系统，一般通过计算机总线（如 ISA 总线）将能谱数据传送至计算机进行处理。对于现在的固定式数字化多道谱仪系统，一般采用速度更快的 PCI 总线或 USB 总线。便携式数字化谱仪的监控系统核心是微处理器（MCU），通过运行 WinCE、μcLinux 等嵌入式操作系统对整个谱仪系统进行监控。通过 USB、I2C、SPI 等接口实现与前端数字多道采集装置的通讯和多道能谱数据传输，同时 USB 接口也可作为便携式设备与 PC 间进行数据交换的通讯方式。一般采用液晶显示器进行显示，采用触摸屏或者按钮提供人机交互。能谱测量的最终目的是进行定性、定量分析，因此能谱分析软件是谱仪系统必不可少的一部分，而应用于便携式设备的能谱分析方法正是本文研究的重点。γ 能谱解析方法于 50 年代开始经历了这样的发展过程：峰面积法——逐次差引法（剥谱法）——逆矩阵法（解联立方程组）——逐道最小二乘法——函数拟合峰面积法。计算机没有得到广泛应用之前，不可能进行复杂的数学运算，只能用各道计数累加的简单峰面积法。由于 NaI(Tl)探测器能量分辨率低，测量较复杂的混和核素时，能谱混叠严重，简单的峰面积法无能为力，因此新的方法不断被开发。而计算机性能的迅速提高也为更精确的定量解析算法提供了基础。所以逆矩阵法、逐道最小二乘法和最小二乘逆矩阵法等逐渐发展起来。高分辨率 Ge（Li）探测器的出现，使峰面积法有了新的发展，出现了采用复杂拟合函数的峰面积法。
在最小二乘逆矩阵法的基础上人们又提出了逐道最小二乘法和复合道区最小二乘法，这种方法克服了最小二乘拟矩阵法没有充分利用能谱数据的缺点，对于解析谱形近似的混合核素有着很好的效果。但这种方法对能窗的选取非常敏感，需要更多的专业知识手动设置能窗，非专业人员用这种方法时会产生较大的误差甚至是错误结果。
上述的方法中剥谱法、逆矩阵法、以及各种最小二乘法，都需要标准能谱，并且必须知道被测样品中存在哪几种核素，还要分别单独测出每种核素的标准能谱。标准能谱和被测样品能谱必须在同样的条件下测量，谱仪系统的能量分辨率、探测效率、能量刻度等必须保持不变，尤其是不应随计数率的不同产生明显的变化。另外一些短半衰期核素的能谱是很难获得的，因此受这些因素的影响，标准能谱方法的使用受到很大限制。函数拟合峰面积法不需要标准能谱，但要求知道探测器的效率。峰面积定量分析方法主要在HGe等高分辨率的探测器谱仪中应用，但对于NaI(Tl)探测器，只要混合能谱比较简单，此方法还是可行的。函数拟合峰面积法最大的优点是不需要预先知道样品中含有的核素种类，此外在测量系统的计数率等测量条件变化使谱形有较大变化时，这种方法仍能达到比较满意的精度。
已经开发出了成熟的商业软件，如 Canberra 公司的 Sampo 系列和 Genie系列，Ortec 的 Gammavision 系列，LLNL 的 GRPANL 系列等。然而这些分析软件都需要在 PC 机上运行，分析方法复杂，运算量大，不适合在便携式系统下使用。
近年来，人工神经网络、小波变换等新的数据处理技术不断得到发展。这些技术在谱分析方面的应用也受到了关注。人工神经网络具有非线性映射、快速并行处理功能。
用人工神经网络对 Ge 探测器 γ 能谱作核素种类识别，取得了较好的效果。用人工神经网络解 HPGe 探测器 γ 能谱，所求出的活度的误差在 2％之内。但神经网络方法要求学习训练谱的探测条件和实测时的探测条件保持一致，并且如要识别更多核素，则需要大量的学习训练样本，在算法的选择上还要依据具体问题而定，许多问题尚待进一步深入研究。
下一篇：FIR数字滤波器的设计+源码