[发明专利]一种基于线性叠加模型的能谱解析方法

摘要

本发明公开了一种基于线性叠加模型的能谱解析方法。针对多元素且存在导致能谱畸变的不稳定因素的复杂能谱解析问题，结合能谱形成过程的特性，提出一种线性叠加模型(Linear Superposition)，将自然选择引入算法中，采用随机惯性权重的改进型粒子群算法进行参数寻优。每一个粒子对应一个LIN‑SUP模型，并计算每一个LIN‑SUP模型的适应度值，经过粒子群的初始化、粒子优劣的评估以及粒子“飞行”速度和位置的迭代更新等过程，搜索到具有“最优适应度值”的LIN‑SUP模型，即全局最优LIN‑SUP模型。结果表明，该方法具有更快的收敛速度和更高的搜索精度，可广泛用于各种能谱的解析。

主权项

一种基于线性叠加模型的能谱解析方法，其特征在于，步骤如下：①对所解析的能谱进行归一化，得到面积为1的能谱F(x)；②将归一化后的能谱F(x)用一种线性叠加模型(以下简称LIN‑SUP)来表征：$F\left(x\right|\mathrm{\θ})=\underset{i=1}{\overset{M}{\Σ}}{F}_i\left(x\right)=\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N_i}{\Σ}}{a}_{ij}{f}_{ij}\left(x\right)---\left(1\right)$公式(1)中：M表示元素种类；F_i(x)(i＝1…M)表示第i类元素对应的能谱；N_i表示第i类元素子能谱的个数；f_ij(x)表示第i类元素的第j个子能谱，其权重为a_ij，且满足：$\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N_i}{\Σ}}{a}_{ij}=1,a_{ij}\≥0---\left(2\right)$θ表示LIN‑SUP模型参数的集合：③采用粒子群算法的群体搜索技术，找到全局最优LIN‑SUP模型，方法为：将LIN‑SUP模型的参数θ作为粒子在空间中的位置，经过粒子“飞行”速度和“位置”的迭代更新过程，将搜索到的具有“全局最优适应度值”的位置参数作为全局最优LIN‑SUP模型的参数；适应度值的计算按下式：$y_k\left({\mathrm{\θ}}_k\right)=\underset{x=beginx}{\overset{endx}{\mathrm{\Σ}}}|{\[F\left(x\right)\]}^2-{\[F\left(x|{\mathrm{\θ}}_k\right)\]}^2|=\underset{x=beginx}{\overset{endx}{\mathrm{\Σ}}}|{\[F\left(x\right)\]}^2-\[\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_i}{\mathrm{\Σ}}}{a}_{ij}{f}_{ij}\left(x\right)\]|---\left(4\right)$其中y_k(θ_k)表示第k个粒子的适应度值，beginx和endx分别表示能谱的起始道址和结束道址；y_k(θ_k)值越小，位置越优。