摘要: 中子飞行时间 （ToF） 测量是一种通过测量中子速度来获取 A 中子动能的高精度方法，但需要精确获取中子信号的到达时间。然而，与获取中子 ToF 信号相关的高硬件成本和数据负担带来了重大挑战。较高的采样率会增加数据量、数据处理和存储硬件成本。压缩采样可以解决这些挑战，但它面临着最佳采样效率和高质量重建信号方面的问题。本文提出了一种革命性的基于深度学习的压缩采样 （DL-CS） 算法，用于重建中子 ToF 信号，其性能优于传统的压缩采样方法。这种方法包括四个模块：随机投影、上升维度、初始重建和最终重建。最初，该技术使用三个卷积层自适应地按顺序压缩中子 ToF 信号，取代了传统压缩采样理论中的随机测量矩阵。随后，使用修改后的起始模块、长短期记忆和自我注意重建信号。这种深度压缩采样方法的性能使用百分比均方根差、相关系数和重建时间进行量化。实验结果表明，与其他压缩采样方法相比，我们提出的 DL-CS 方法可以显著提高信号质量。对于使用电子束驱动的光中子源生成的中子 ToF 信号，采样率低于 10% 时获得的均方根百分比差、相关系数和重建时间结果分别为 5%、0.9988 和 0.0108 s，证明了这一点。结果表明，与其他压缩采样方法相比，所提出的 DL-CS 方法显著提高了信号质量，表现出优异的重建精度和速度。
-
来自：
王琦标
-
分类：
核科学技术
>>
辐射物理与技术
-
投稿状态：
已被期刊接收
-
引用：
ChinaXiv:202502.00028
(或此版本
ChinaXiv:202502.00028V1)
DOI:10.12074/202502.00028
CSTR:32003.36.ChinaXiv.202502.00028
-
科创链TXID：
e1f0c476-6975-4da3-b139-f52f3e74f69a
- 推荐引用方式：
Deng,Chao,Wang,Shujun,Hu,Qin,Tang,Yinghong,Li,Pengcheng, Xie,Bo,Yang,Jianbo,Tuo,Xianguo, Wang,Qibiao.Deep learning-based compressed sampling reconstruction algorithm for digitizing intensive neutron ToF signals.null.[DOI:10.12074/202502.00028]
(点此复制)
相关信息
待评议
点击量
下载量
