基于KNN分类算法的n-γ脉冲信号甄别仿真研究

作者：汪炫羲; 唐清岭; 蒋小菲^*

来源：电子测量技术, 2022, 45(13): 164-170.

DOI：10.19651/j.cnki.emt.2209025

• 中子和γ射线
• 脉冲形状甄别
• KNN分类算法
• Labview仿真

利用脉冲形状甄别(PSD)法区分中子和γ射线脉冲信号是核探测过程中一项重要的任务。本文基于Labview平台实现了n/γ脉冲信号的仿真及信号预处理过程，分别利用传统的甄别方法电荷比较法、脉冲梯度分析(PGA)法及上升时间法对所产生的n/γ脉冲信号进行甄别，筛选出以上3种甄别方法结果一致的中子和γ射线混合脉冲信号作为KNN分类算法的训练集。通过训练样本构建KNN分类模型，使得能够通过该模型实现中子和γ射线脉冲信号的分类。结果表明，基于KNN分类算法的中子和γ射线脉冲信号甄别准确率高达99.58%,与电荷比较法，上升时间法和PGA方法相比，甄别错误率显著降低。并且KNN分类算法原理简单，易于实现，因此可应用于实际混合场中的n-γ脉冲甄别。

• 单位
  贵州大学