典型文献
基于KNN分类算法的n-γ脉冲信号甄别仿真研究
文献摘要：
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/y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.
文献关键词：
中子和γ射线;脉冲形状甄别;KNN分类算法;Labview仿真
中图分类号：
作者姓名：
汪炫羲;唐清岭;蒋小菲
作者机构：
贵州大学大数据与信息工程学院 贵阳550025
文献出处：
引用格式：
[1]汪炫羲;唐清岭;蒋小菲-.基于KNN分类算法的n-γ脉冲信号甄别仿真研究)[J].电子测量技术,2022(13):164-170
A类：
电荷比较法
B类：
KNN,分类算法,脉冲信号,信号甄别,仿真研究,脉冲形状甄别,PSD,中子,Labview,信号预处理,梯度分析,PGA,上升时间,训练集,训练样本,分类模型,模型实现,错误率,算法原理,混合场
AB值：
0.279784
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
