一种中子脉冲序列核信号高速相关函数计算方法

为解决基于PC机平台、高达1 GHz采样率下的相关函数计算的实时性需求，针对中子脉冲序列核信号本身所具有的结构特点，设计了高速、实时的相关函数计算方法，实现了采样率为1 GHz的中子脉冲序列核信号的实时相关函数计算。性能测试结果表明，算法达到了对中子脉冲序列核信号进行相关计算的时间在1 h以内的实时性要求，使得铀部件质量丰度的实时检测成为可能。     

求解波动方程的准粒子离散修正辛算法

针对波动方程求解,在Hamilton体系下建立了对空间离散的准粒子体系,该准粒子体系实现简单,物理意义明确;在时间离散方面,构造了一种适合高效声波模拟的修正辛格式,该格式是在常规的二阶Partitioned Runge-Kutta(PRK)基础之上构造而成,其具有三阶时间精度,从理论上分析了修正辛格式的数值稳定性和频散性能.数值结果表明,本文提出的方法在计算时间,计算精度和计算存储量等各方面性能都有相应改善。      

基于BP神经网络的诱发铀部件裂变信号特征分析及识别

在对诱发铀部件裂变信号的测量原理及特点分析的基础上,开展了基于BP神经网络的诱发铀部件裂变时间关联信号特征参量分析处理的研究工作。 采用无偏估计方法, 计算信号的自相关函数和互相关函数, 再利用比较法和导数法两种特征量提取方法, 提取出不同状态下裂变信号的特征参量, 借助于BP神经网络模式识别应用原理进行训练和预测。 理论分析和研究结果表明: 基于比较法和导数法获得的特征参量能较好地反映诱发铀部件裂变信号的特征; 用BP神经网络对裂变信号进行模式识别, 取得了较高的正确率, 验证了此方法的有效性和合理性。 The paper presents feature parameter analysis and processing in fission time dependent signal of induced uranium components based on BP Neural Networks through the analysis of the measuring principle and signal characteristics of induced uranium components fission signal. The auto correlation functions and cross correlation functions are calculated by using unbiased estimate, and then the feature parameters of fission signal in different status are extracted by using feature abstraction method, comparative method and derivative method, and then applied to training and prediction by means of BP neural networks based on pattern recognition. Theoretical analysis and the results show that, it is effective to obtain feature parameters of induced uranium component fission signal via comparative method and derivative method. UsingBP neural network to recognize patter of fission signal, we got good results that verified the effectiveness and reasonability of the method.