基于压缩感知的~(252)Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻(CSKNN)分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N≥0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

基于~(252)Cf源驱动噪声分析法的高浓缩铀部件外加反射层效应

针对高浓缩铀部件外加的反射层材质及厚度之效应可以巧妙避开核查这一问题,依据~(252)Cf中子源驱动噪声分析法原理,采用蒙特卡罗方法模拟研究了高浓缩球形金属铀部件的不同材料、厚度的反射层的效应,获得了相应的时间关联符合计数分布和中子产额。研究结果表明,对同一材料的反射层,反射层厚度愈大,中子产额愈大,即反射效果愈好。对于同一厚度的反射层,反射层材料的密度愈大,中子产额愈大,反射敷果愈好。     

基于压缩感知的252Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻（CSKNN）分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

~(252)Cf自发裂变中子发射率符合测量的回归分析

~(252)Cf同位素源具有标准的自发裂变中子能谱,但由于其半衰期较短,应用中常需要对源强进行标定修正.随着源年龄增加,来自源中~(250)Cf和~(248)Cm自发裂变的影响愈加凸显,不能简单按~(252)Cf的衰变规律计算源中子发射率,而通过锰浴活化的间接测量方法周期较长,且在源强低于10~4 n/s时误差较大.最近,基于中子多重性计数的源强绝对测量算法已得到验证.本文进一步从点模型假设的测量方程出发,在将符合计数率与总中子计数率关联的基础上,分别对符合计数率随源位置、符合门宽的变化关系进行回归分析,提取变化过程的特征系数,建立了两种避规效率变化的~(252)Cf中子发射率测量方法,并基于JCC-51型中子符合测量装置开展实验验证.结果表明:两种回归分析方法的测量值均与标称值的修正结果在2%的偏差范围内一致;反推求得装置中轴线上的探测效率也与基于MCNPX程序的蒙特卡罗模拟计算值相符.研究结果可为活度信息不明的~(252)Cf源强标定及符合测量装置的效率刻度提供便携准确的实验方法.     

基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法

针对252Cf自发裂变中子源构成的核信息系统,以实际所测随机中子脉冲数据的自相关函数为研究对象,借助仿真实验, 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上,通过叠加随机抖动,模拟产生了不同质量核材料的相关函数样本,并将其用于神经网络的训练与测试,实验结果表明,训练过的Elman神经网络能够较好地识别相关函数的特征,分辨不同质量的核材料,平均识别率达到85%,综合平均误差为0.04,且具有较高的鲁棒性。     

基于Elman神经网络的252Cf源核系统随机中子脉冲信号识别方法

 针对²⁵²Cf自发裂变中子源构成的核信息系统,以实际所测随机中子脉冲数据的自相关函数为研究对象,借助仿真实验, 利用Elman神经网络对不同质量核材料进行识别。在实测数据的基础上,通过叠加随机抖动,模拟产生了不同质量核材料的相关函数样本,并将其用于神经网络的训练与测试,实验结果表明,训练过的Elman神经网络能够较好地识别相关函数的特征,分辨不同质量的核材料,平均识别率达到85%,综合平均误差为0.04,且具有较高的鲁棒性。     

利用自相关函数与平稳小波变换的^(252)Cf源驱动核材料质量识别方法北大核心CSCD

以252Cf中子源驱动噪声分析测量法为依据,利用中子脉冲信号自相关函数与被测核材料(252 U)质量的关系,设计了一种基于神经网络的核材料质量识别方法,探索借助时域特征进行质量识别的有效性。利用平稳小波变换抑制中子统计涨落对自相关函数带来的影响,利用分布式Elman神经网络对不同质量核材料的自相关函数样本进行训练和识别,并研究了有限样本前提下不同子网个数对最终识别结果所造成的影响。对4种核材料质量共计120组样本进行的实验,结果表明:在理想实验条件下,平稳小波变换抑制了统计涨落对信号自相关函数的影响;分布式Elman神经网络能够较好地识别自相关函数的特征,分辨不同质量的核材料,平均识别误差小于0.1。     

252Cf源驱动噪声分析核材料富集度判别方法

针对探测器通道和待测核材料探测通道之间相对几何位置与待测核材料富集度变化之间的相互关系问题,开展了基于探测通道间协方差幅值进行核材料富集度判别的研究工作。实验中,选取富集度分别为85.15%,90.15%和93.15%的235U核材料,模拟研究了多个位置不同的探测通道所得到的协方差运算结果。研究结果表明:随着235U核材料富集度的增加,互相关的幅值也随之增大并与国外文献结果相吻合,率先在国内证明了基于探测器相对几何位置变化的探测通道互相关幅值可以推断核材料富集度的可行性。     

基于252Cf源驱动噪声分析法的高浓缩铀部件外加反射层效应

针对高浓缩铀部件外加的反射层材质及厚度之效应可以巧妙避开核查这一问题,依据252Cf中子源驱动噪声分析法原理,采用蒙特卡罗方法模拟研究了高浓缩球形金属铀部件的不同材料、厚度的反射层的效应,获得了相应的时间关联符合计数分布和中子产额。研究结果表明,对同一材料的反射层,反射层厚度愈大,中子产额愈大,即反射效果愈好。对于同一厚度的反射层,反射层材料的密度愈大,中子产额愈大,反射效果愈好。     

复杂场景下基于压缩感知的目标电磁散射与成像

研究了处于复杂场景下目标的逆合成孔径雷达(ISAR)成像问题。首先,建立了目标与复杂环境的电磁散射模型,采用计算电磁学的方法仿真得到了目标的雷达回波数据,进而充分考虑了背景噪声对雷达成像质量的影响。研究发现,目标所处的复杂背景会降低ISAR对目标的成像质量。其次,为减小仿真雷达回波数据所需的计算量,提出采用基于压缩感知(CS)的方法来对该场景进行成像,从而极大降低电磁仿真的计算点数。通过实验发现,在CS成像中,采用数据点使用率为0.4时所得到的成像质量可达到采用转台成像质量的效果。因此,采用基于CS的成像方法,可极大降低目标与场景的电磁散射计算复杂度,使得处于真实复杂场景下的目标电磁仿真和ISAR成像研究切实可行。     

Correspondence normalized ghost imaging on compressive sensing

Ghost imaging(GI) offers great potential with respect to conventional imaging techniques. It is an open problem in GI systems that a long acquisition time is be required for reconstructing images with good visibility and signal-to-noise ratios(SNRs). In this paper, we propose a new scheme to get good performance with a shorter construction time. We call it correspondence normalized ghost imaging based on compressive sensing(CCNGI). In the scheme, we enhance the signal-to-noise performance by normalizing the reference beam intensity to eliminate the noise caused by laser power fluctuations, and reduce the reconstruction time by using both compressive sensing(CS) and time-correspondence imaging(CI) techniques. It is shown that the qualities of the images have been improved and the reconstruction time has been reduced using CCNGI scheme. For the two-grayscale "double-slit" image, the mean square error(MSE) by GI and the normalized GI(NGI) schemes with the measurement number of 5000 are 0.237 and 0.164, respectively, and that is 0.021by CCNGI scheme with 2500 measurements. For the eight-grayscale "lena" object, the peak signal-to-noise rates(PSNRs)are 10.506 and 13.098, respectively using GI and NGI schemes while the value turns to 16.198 using CCNGI scheme. The results also show that a high-fidelity GI reconstruction has been achieved using only 44% of the number of measurements corresponding to the Nyquist limit for the two-grayscale "double-slit" object. The qualities of the reconstructed images using CCNGI are almost the same as those from GI via sparsity constraints(GISC) with a shorter reconstruction time.     

基于块稀疏贝叶斯学习的多任务压缩感知重构算法

本文提出一种基于块稀疏贝叶斯学习的多任务压缩感知重构算法, 利用块稀疏的单测量矢量模型求解多任务重构问题. 通过对信号统的计特性和稀疏块内的结构特性进行联合数学建模, 将稀疏重构问题转贝叶斯框架下的特征参数的迭代更新问题. 本文算法不需要信号稀疏度和噪声强度的先验信息, 是一种高效的盲重构算法. 仿真实验表明, 本文算法能有效利用信号的统计特性和结构信息, 在重构精度和收敛速率方面能够很好地折衷.     

基于主成分变换的图像稀疏度估计方法

压缩感知理论基于信号的稀疏性和可压缩性, 突破传统Nyquist采样频率的限制, 以较低的数据量对信号进行采样和高概率重构. 在压缩感知理论中, 信号的稀疏度确定了稀疏采样的最低数据量, 是验证采样方法及重构方法优劣的重要参数. 在实际研究过程中, 图像稀疏度通常未知, 这就可能导致过采样或欠采样的情况, 从而无法验证采样方法及重构方法的优劣. 因此, 快速而客观地估计图像的稀疏度对于压缩感知理论研究来说意义重大. 本文分析了基于小波变换的图像稀疏化表示方法, 通过遍历采样和重构得到基于小波变换方法的图像稀疏度, 但过程复杂, 而且结果的准确性依赖于小波基和变换尺度的选择. 本文通过压缩感知理论对主成分变换进行阐述, 在基于主成分变换系数近似为正态函数的假设下, 建立了图像稀疏度与系数函数方差间的线性关系, 并通过多组图像数据进行仿真验证, 结果表明线性关系的正确性. 通过分析和仿真可以看出, 基于主成分变换的稀疏度估计方法比小波变换简单、快速、客观, 对压缩感知理论研究有重要的应用价值. 关键词： 压缩感知 稀疏度 小波变换 主成分变换     

Efficient implementation of x-ray ghost imaging based on a modified compressive sensing algorithm

Towards efficient implementation of x-ray ghost imaging (XGI), efficient data acquisition and fast image reconstruction together with high image quality are preferred. In view of radiation dose resulted from the incident x-rays, fewer measurements with sufficient signal-to-noise ratio (SNR) are always anticipated. Available methods based on linear and compressive sensing algorithms cannot meet all the requirements simultaneously. In this paper, a method based on a modified compressive sensing algorithm with conjugate gradient descent method (CGDGI) is developed to solve the problems encountered in available XGI methods. Simulation and experiments demonstrate the practicability of CGDGI-based method for the efficient implementation of XGI. The image reconstruction time of sub-second implicates that the proposed method has the potential for real-time XGI.     

混沌信号的压缩感知去噪

对非线性时间序列进行噪声抑制是从中提取有效信息的前提. 混沌信号的去噪算法不仅要使滤波后的信号具有较高的信噪比, 也要具有较好的不确定性. 从压缩感知的角度出发,提出了一种新的噪声抑制方法. 该方法包括估计噪声方差, 以及依据动态的稀疏度将观测值往确定的过完备字典上投影. 仿真实验表明, 该方法比常用的小波阈值法和局部曲线拟合法具有更高的输出信噪比, 而原始信号的混沌特性也能得到较大程度的恢复.     

基于多模光纤散斑的压缩感知在光学图像加密中的应用

为了安全高效地对图像信息进行传输,提出了一种新颖的基于多模光纤散斑的压缩感知结合双随机相位编码的光学图像加密方法.多模光纤产生的光斑作为压缩感知的测量矩阵,完成对图像的第一次压缩和加密,并且充当第一级密钥;再利用双随机相位编码技术进行第二次加密,实现对图像的完整加密过程,随机相位掩模板充当第二级密钥,解密过程与此相反.通过将光斑测量矩阵与用于压缩感知的常用随机测量矩阵进行对比研究后发现,使用光斑测量矩阵解密后的图像质量更好,而且相比于其他随机测量矩阵在硬件实现上的复杂性与高成本,光斑矩阵可以很容易地通过简单的光学器件来获得,且可以利用工作波长的改变来进行变换,也即第一级密钥非常容易变换.同时经研究表明,本文方法可以有效抵抗统计分析、噪声干扰和剪切等攻击,且对密钥敏感性高,具有良好的鲁棒性和安全性.因此,本文提出的这种基于光斑矩阵的压缩感知与双随机相位编码结合起来的加密方法,可以获得良好的加密效果与极大的密钥空间,并且易于在光学领域整合.