科研之友
微信
新浪微博
Facebook
分享链接
摘要
空间辐射粒子探测中粒子种类的鉴别是科学研究和工程应用都非常关注的问题，目前主要采用粒子在传感器中的能量沉积差异，传感器中的波形差异，粒子的飞行时间和能量，以及粒子在电场中偏转路径的不同进行粒子种类鉴别，如传统的望远镜探测器，粒子脉冲波形分析，飞行时间TOF系统以及静电分析器。但目前在轨的粒子鉴别逻辑相对简单，鉴别精度有限。卷积神经网络具备强大的目标分类能力，善于捕捉和提取目标特征细节，可提升粒子能量测量和鉴别的精度。本文基于空间环境探测载荷常用的环境，提出了一套用于构建在轨卷积神经网络粒子鉴别平台的方法，实现粒子种类鉴别。该平台首先构建多维度的输入数据集，借助软件平台完成模型的训练与权值的导出，并通过硬件平台完成波形的推断与数据集的扩充。利用建立好的鉴别平台对实际测试得到的中子和伽马波形数据进行训练和测试，并分析软硬件平台鉴别的准确度，完成了平台的验证工作。该平台的建立和应用为未来空间环境探测中粒子测量和鉴别提供了一种新的思路和方法，具有较强的工程实践意义。
- 单位
