关键词： 预测查询优化   子查询下推   任务调度   查询改写  

摘要： 近些年,随着大规模数据增长和机器学习领域的发展,推动了分析型查询的多样化。其中预测查询是一类从数据存储系统中加载数据,之后经过预处理,最后经机器学习模型预测结果的一类分析型查询。其广泛应用于工业界的业务分析和决策分析中。其中基于分布式数据库与大数据处理系统的预测查询优化是学术界与工业界广泛关注的热点。一个预测查询计划跨数据处理引擎执行。大数据处理系统总负责查询计划生成和查询计划优化。其以发送查询的方式将预测查询计划中的部分算子下推到分布式数据库执行。当下推如“投影-过滤-扫描”这样的简单算子组成的查询时,所下推的子查询执行效率低,网络开销高。当下推包含如连接、分组等复杂算子的查询时,大规模数据场景下的跨数据处理引擎间的数据传输成为预测查询执行的瓶颈。本文的研究目的是提高跨数据处理引擎的预测查询执行效率。当下推简单算子查询时,本文的目标是提高所下推的子查询执行效率且减少跨数据处理引擎任务间的网络传输开销。当下推复杂算子查询时,本文的目标是设计一种方法能够在大规模数据集下并行地下推包含连接、分组等的复杂算子查询,解决数据传输耗时久和内存溢出问题。结合上述研究目标,本文需设计一个原型系统,以验证当下推简单算子、复杂算子查询时,本文所提出的优化方案的有效性。围绕上述研究内容,本文的主要贡献如下:1.面向仅包含简单算子的查询,提出了一种基于分区的查询改写方法和分区位置感知的任务调度机制。为了提高所下推子查询的执行效率,本工作提出一种将仅包含简单算子的查询基于分区改写为一组查询的方法。此方法使得查询执行时数据扫描过程由大量随机读改为顺序读,并且减少了冗余的数据读取。此外,为了减少跨节点间的网络传输,本工作提出一种任务调度机制。它将负责下推基于分区改写后的查询的任务,调度到此查询所访问分区所属的物理机执行器上。实验表明,应用本方法优化的预测查询性能是Spark、Presto等系统查询改写后产生的预测查询计划性能的2.9到4.4倍。2.面向包含复杂算子的查询,设计了一种基于语义等价规则进行查询改写的方法。此查询改写方法在语义等价的基础上,将包含连接、分组算子的查询改写为一个等价查询集。将此方法应用于预测查询优化中,后续生成的优化后的执行计划并行地将等价查询集下推到数据库执行。这种方案不仅能下推包含连接、分组等复杂算子查询来加速计算,同时两系统间并行地传输执行结果,具备良好的可扩展性。本文的实验表明,应用本方法产生的预测查询计划性能是Spark、Hive3、SuperSQL等系统产生的预测查询计划性能的1.2到10倍以上。3.实现了一个应用简单算子查询、复杂算子查询并行扩展方法的原型系统OBSpark。本文在开源的大数据处理系统Spark和分布式数据库OceanBase上完成了上述基于分区的查询改写方法、任务调度机制和语义等价的查询改写方法的具体技术实现,并阐述了对应原型系统的设计思路和系统实现。综上所述,本文重点研究了跨数据处理引擎执行的预测查询算子执行效率低、跨引擎任务间数据传输耗时久的问题,提出一种基于分区的查询改写方法、任务调度机制和一种语义等价的查询改写方法。对上述提出的技术,本文实现了一个原型系统OBSpark。实验结果表明,相比于Spark、Presto、Hive3等系统具备的查询改写方法,应用本文提出的优化技术显著提高了预测查询的性能。

关键词： 高精度磁测   斑岩型铜矿   数据处理   反演与解释   找矿远景区  

摘要： 研究区位于康古尔塔格断裂和北侧大草滩断裂夹持部位,继承了区域地层、构造和岩浆岩典型特征,与新疆土屋铜矿具有相似类比性,是寻找斑岩型铜矿有利地区。在研究区开展1:10000地面高精度磁法测量,采样网度100m×20m,对磁测原始数据进行了预处理,并运用圆滑滤波、化极、解析延拓、求导等处理方法,压制干扰,提高所测数据的信噪比,以突出磁异常反映地质构造及矿床特征的信息,提高磁异常解释推断的可靠性。同时对研究区磁标本磁参数进行了统计分析,可知该区剩磁强度仅为感磁强度3%～11%,并确定了研究区的磁性参数,为磁性体反演及解释奠定了基础。通过磁测扫面工作,共划分磁异常群2个,即南部中—弱磁异常群M1、北部强磁异常群M2,细分为13个异常片区。对各异常片区内磁异常规模、强度、形态特征等进行了描述,并结合地质资料及剖面地质露头观测情况,对异常性质及引起磁异常的原因进行了解释推断。研究区首次开展了3D物性反演以及典型剖面2D人机交互反演结果对比分析研究。当磁异常形态比较复杂时,3D物性反演结果可性度高;而当推断磁性体为近似水平向棱柱(二度体)时,2D人机交互反演具有高效、易干预等特点。通过反演大致查明了研究区磁性体的大致埋深、延伸情况、规模。通过在研究区首次开展了高精度磁测解释及不同反演方法对比研究并结合区域有利成矿地质规律,相似类比推断了找矿远景靶区。为以后相似地区开展同类找矿研究工作奠定了基础。通过求取不同水平方向导数解译三组断裂构造共22条,NEE-NE向断裂组与NWW-NW向断裂组切割近EW向断裂组,推断的断裂交汇部位为形成岩体和矿体的有利地段;通过垂向二阶导数、总梯度模量法圈定磁性体边界,圈定磁性体9个,推测隐伏岩体6个。总结了含矿有利地层+侵入小岩株+中高磁性异常+有利矿化蚀变因素作为有利成矿规律组合,结合前人地质及物化探测量成果,确定2个斜长花岗斑岩(γπP)、1个石英闪长岩体(δομP)及1处可能存在的斜长花岗岩斑岩体(γπP)共计四个成矿有利小岩株,并将其作为斑岩型铜矿找矿远景靶区,为下一步工作提供了依据。图52张;表13个;参考文献87篇

关键词： 水声定位与导航   海洋声速场构建   BP神经网络   系统误差   粗差   系统误差补偿和修正   自适应抗差滤波   水下声学增强导航  

摘要： 海洋定位与导航技术是海上舰船航行、海洋资源环境调查、海洋综合管理、海洋资源勘察和海洋经济建设的重要支撑,需要为各类用户提供全天时、全天候、精确、连续、可靠的位置、时间、速度等信息。面向国家综合导航、定位与授时(PNT)的战略需求,水声定位与导航克服了电磁波在水中快速衰减而无法进行导航定位的缺点,通过声信号传播来实现进行水下目标的导航与定位,成为水下PNT场景的重要技术手段。但复杂的海洋观测环境给高精度海洋声学定位与导航带来了极大的技术挑战,基于上述需求,本文系统研究了海洋精密声学数据处理理论与方法,针对海洋声学定位与导航中全球海洋声速场构建、高粗差污染观测数据质量控制、精密误差改正和参数化估计、时空相关性误差建模与补偿等问题,开展了理论方法研究、算法改进和实验验证分析等工作。论文的主要内容如下:(1)声速是影响海洋声学定位与导航的关键参数,针对复杂海洋中声速场(SSF)的高精度构建问题,本文提出了基于后向传播(BP)神经网络的全球海洋声速场构建方法,该方法通过多参数声速模型,结合神经网络算法来构建声速场模型。同时考虑到神经网络的样本相关性选取问题,提出了顾及样本相关性的BP神经网络声速场构建方法,该方法通过分析声速与距离的相关性来选择BP神经网络的学习样本。实验结果表明,与传统的声速场构建方法相比,顾及样本相关性的BP神经网络方法能够显著提高声速场构建精度及稳定性,全球海洋声速场构建的平均均方根值(RMS)优于0.4 m/s。(2)研究了包括基于单程声径的水下非差定位、基于双程声径的水下非差定位、基于单程声径的水下单差定位、基于双程声径的水下单差定位、单程声径声线跟踪和双程声径声线跟踪的海洋声学定位方法,分析了上述6种方法在走航式基准定位的适用性,结合内符合和外符合的精度评定指标对上述6种方法的精度进行了对比分析。实验结果表明,对于圆形走航式轨迹,单程观测模型和双程观测模型的精度相当;对于十字交叉走航式轨迹,双程观测模型优于单程观测模型;与其它5种算法相比,基于双程声径的声线跟踪算法精度较高。(3)针对海洋声学观测中的系统误差和粗差会严重影响声学定位精度的问题,本文提出了基于随机游走过程和等效增益矩阵的抗差非差卡尔曼滤波(KF)方法,该方法将时变的系统误差作为随机游走过程,通过KF对系统误差和位置参数进行估计,并构建等效增益矩阵来实现抗差估计。实验表明,抗差非差卡尔曼滤波方法能够在不放大观测随机噪声的情况下,可同时控制系统误差和粗差的影响,显著提高了水下声学定位精度。(4)水下声学函数模型精化的关键是有效消除声速时空变化和声纳信号延迟引起的系统误差。针对问题,本文提出了基于两步系统误差估计的抗差非差卡尔曼滤波方法,该方法首先构建声速误差和时延偏差的观测模型,结合KF解算第一步系统误差和位置参数,并获得斜距观测残差,通过残差时序分析与拟合,对时变声速误差进行参数化,结合KF进行第二步系统误差和位置参数估计。实验结果表明,该方法显著提高了深海底基准点的三维定位精度,其观测斜距残差RMS优于13 cm,不同航迹获得水下基准点位置不符值优于0.5 m。(5)水下动态声学导航中不可避免地存在噪声统计特性未知和观测粗差问题,导致滤波精度下降甚至发散。针对上述问题并考虑到水下动态导航观测非线性特性强这一特点,提出了基于自适应抗差无迹卡尔曼滤波(UKF)的水下声学导航方法,该方法分别通过Sage-Husa估计和Huber权函数来实现系统噪声的在线补偿和异常误差的有效控制。通过AUV长基线导航仿真实验和水下拖曳体超短基线导航实验进行验证,实验结果表明,自适应抗差UKF算法在合理调节系统噪声的同时,有效控制了粗差的影响,显著提高AUV声学导航的精度和稳定性。(6)基于海底基准网的长基线声学导航技术是海洋声学导航的重要手段,其关键问题是如何对声学导航系统误差进行建模和修正。针对这一问题,本文提出了基于系统误差建模的水下声学增强导航方法,基于海底基准网估计的系统误差,结合误差建模方法构建分段系统误差修正模型,对传统声学导航观测模型进行误差补偿。实验结果表明,该方法能够有效修正系统误差影响,提高水声导航精度,其基准网内的声学导航定位精度可达1m左右。

关键词： 学科核心素养   大单元   项目式  

摘要： 笔者选取学生感兴趣的“跳蚤书市”替代原教材设定的“校门口交通拥堵”情境，基于学科核心素养设定单元教学目标，重新构建单元教学内容，开展项目式大单元教学，运用量规评价、项目活动评价进行《数据处理》大单元教学。

关键词： 深度学习   异常波形识别   图像分类   地震动信号滤波   掩码   滤波器  

摘要： 我国是一个地震多发的国家,频发的地震灾害给人类社会带来了巨大的人员伤亡和经济损失。同时台站的建设规模迅速发展,也导致收集到的大量地震动记录亟需处理。然而地震动记录的质量不一,当前方法难以进行快速准确地处理。地震动数据处理一般由异常波形识别和滤波两部分组成。当前异常波形识别方法主要基于阈值进行单个异常模式的判断,效率较低且依赖经验,难以对多种异常模式同时进行分类。当前滤波方法均依赖于滤波器,滤波结果的准确性和稳定性严重依赖于截止频率和滤波器阶数、波纹系数等参数的确定。本文将异常波形识别任务转换为图像分类问题,通过学习波形特征进行多元模式识别。为有效进行信噪分离,本文提出基于GAN的滤波模型,主要研究内容如下:(1)通过对地震动加速度记录波形特征的总结,确定异常波形类别和判别准则,然后在STEAD数据集的基础上建立地震动异常波形数据库。通过对地震动记录进行标准化和可视化处理,将异常波形识别任务转化为图像分类问题。基于Res Net-50残差网络学习图像特征,通过不同工况的训练结果完成网络超参数的调试,解决地震动记录异常波形的多元分类问题,最终平均总体准确率达到94.5%。与已有的异常检测方法相比,本文方法可以实现多元异常模式的快速准确的识别和分类,为后续的地震动记录滤波处理提供数据基础。(2)筛选STEAD数据集中的高信噪比地震动加速度记录和INSTANCE数据集中的噪声加速度记录,并进行随机调幅叠加,建立含噪地震动数据库,对所有信号进行重采样、补零、积分、小波包变换等预处理。基于GAN和U-Net网络构建滤波处理网络,在时频域内学习地震动信号和噪声信号的幅值、频率和波形形状等特征,实现信号与噪声的分离。(3)为了说明本文滤波模型的泛化性和稳定性,建立不同地区和不同频率分布的含噪地震动数据集,使用该模型进行滤波处理。首先以意大利INSTANCE数据集为基础建立合成含噪地震动记录数据集,然后建立Ki K-Net真实含噪地震动记录数据集,并对所有信号均进行相同的预处理。将本文滤波模型应用于上述数据集,用加速度、速度和位移时程的幅值和波形形状等多项指标评价模型的滤波效果。并将滤波结果与当前滤波方法所得结果进行对比分析,结果表明本文方法具有更好的稳定性和鲁棒性。

关键词： 物联网   数据聚合   边缘计算   隐私保护   同态加密   区块链  

摘要： 随着5G通信技术的大规模使用,也带动了物联网技术的发展,连接到互联网中的物联网设备数量呈线性增长,产生的海量物联网数据给云计算中心带来很大的负担。数据聚合技术能够合并冗余数据,减少通信开销和设备能耗,因而成为物联网中一种关键的数据处理技术。但依靠传统的云计算聚合数据需要将物联网设备数据上传到云中心,这不仅加重传输带宽的负载量,增大网络时延,而且也增加数据泄露的风险。因此,根据边缘计算低时延、高安全性以及支持位置感知等优势,本论文基于边缘计算对物联网数据聚合机制展开研究,本论文的主要工作如下:(1)针对基于边缘计算的物联网数据处理问题,本论文提出一种轻量级隐私保护选择性数据聚合机制。该机制引入布尔响应和数值响应的概念,构造一种选择性数据聚合方式,根据数据源属性设置过滤条件,可有效减少计算和存储资源的消耗。其次采用改进的Pailliar同态加密算法保证数据的隐私性和机密性,结合高效的在线/离线签名技术保证数据的完整性。而且,该机制具有容错性,即使系统中存在发生故障的物联网设备,系统也能完成聚合过程并恢复聚合数据支持智能决策。此外,该机制支持动态成员管理,增加机制的灵活性。最后理论分析证明该机制的安全性,并通过仿真实验说明该机制是轻量级的,具有较少的计算和通信开销。(2)虽然引入边缘计算能够解决传统云计算面临的时延和效率等问题,但是对于存储在云服务器和边缘服务器中的数据,仍可能受到攻击者发起的篡改攻击,云服务器也依然面临潜在的单点故障问题。通过利用区块链具有去中心化、可追溯且不可篡改的特点,本论文在上述研究工作的基础上提出一种安全且匿名的数据聚合机制。该机制在边缘层引入区块链技术,构建一个三层的数据聚合架构,对边缘层实现分布式管理,并基于优化的默克尔树和非交互式零知识证明设计一种匿名的身份认证机制。此外,该机制还能够实现细粒度的数据聚合,并支持动态成员管理,具有更强的实用性。最后,通过蒙特卡罗模拟结果证明该机制相较其他机制安全性能更强,并通过仿真实验说明该机制在计算成本和通信开销上的优越性。

关键词： 动态视觉传感器   背景活动噪声去噪   量化评估   脉冲神经网络   跌倒检测  

摘要： 动态视觉传感器(Dynamic Vision Sensor,简称DVS)受生物视觉启发,其像素响应对数光强变化并以异步方式产生事件输出,因此又被称为事件相机。它具备很多传统相机不具有的优势,如低传输延迟(10μs)、低功耗(10 m W)、高动态范围(120d B)和高时间分辨率(1MHz)等。这些特性使得动态视觉传感器在极端光照条件下仍然能够快速响应视觉活动并减少冗余输出,因此在对功耗和延迟有限制的应用领域如智能视频监控上有巨大的优势和应用前景。但是,动态事件传感器在应用上面临着两大挑战。首先,由于现有半导体工艺的限制,DVS也会输出噪声,其中占主导地位的是背景活动噪声。背景活动噪声是在场景中无运动的情况下产生的,因此是非信息性的。背景活动噪声事件会占用不必要的带宽和计算资源,并导致从事件流中提取有意义的信息变得困难。现有去噪算法在高噪声水平下表现不佳。同时,量化评估去噪算法也是一大难题,用户没有一个统一的标准来比较选择去噪算法。另一个挑战来自于其输出的事件数据新范式。对于异步事件流这种新的数据形式,目前还没有形成统一的特征提取算法。为了使用现有基于帧的神经网络算法,需要将事件流转换为事件帧,这将丢掉事件高时间分辨率和低延迟的优势。而脉冲神经网络(Spiking Neural Network,简称SNN)能够直接处理事件,并且具有低功耗的优势。但是SNN在训练和应用精度上还存在挑战。为此,本文针对DVS背景活动噪声去噪、事件流特征提取算法和应用进行事件数据处理关键技术研究。针对事件流去噪,为了能够量化评估去噪算法的性能,本文首先开展了事件数据的标记方法研究,从而提出了一种可配置的评估方法。在此基础上,本文提出了三种低成本和低延迟的事件流去噪算法,并对它们的性能进行了详细评估。针对脉冲神经网络这种特征提取算法,本文提出了一种脉冲神经网络最大池化层实现方法,从而为应用提供更多的SNN结构支持。基于对去噪和特征提取算法的研究,本文针对跌倒检测这种典型DVS动态场景识别应用,提出了一个基于事件流质心轨迹的跌倒检测系统。论文的主要工作和创新点如下:·本文提出了一种可配置的事件流去噪量化评估方法。本文考虑到DVS像素电路的复杂性,通过对低强度和高强度光照下背景活动噪声的详细观察,选择对背景活动噪声的测量特性进行建模,从而可以将模拟噪声添加到干净的DVS记录中获得标记数据,以评估噪声过滤器是否能很好地去除它。该方法允许添加不同噪声率的噪声,突破了先前工作中标记数据只在单一光照条件下有效的局限性。本文首次提出使用AUC-ROC方法来表征去噪性能,以避免先前工作任意选择信号与噪声判别阈值的缺点。·本文提出了三种低成本低延迟的事件流去噪方法。第一种基于哈希函数压缩编码事件信息,从而能够以较低的存储开销滤除密度较低的背景活动噪声。第二种检查当前事件与固定窗口中事件的空间相关性,只需要很小的内存占用就可以在使用固定相机的监控应用程序中有效地滤除大部分噪声并保留大部分信号。第三种是一个轻量的多层感知机分类器,它利用局部时空平面中过去事件的结构线索来进一步增加通过的信号事件数量和降低错误通过的噪声数量。它的计算和存储开销比现有神经网络去噪方法小了10～4倍以上。·本文提出了一种脉冲神经网络最大池化层实现方法。针对SNN中最大池化层实现的挑战,本文提出只使用集成点火神经元来实现最大池化层,比现有方法降低了存储开销,从而降低了SNN实现的空间复杂度。本文讨论了池化窗口的三种输入情况,并分析这三种情况下集成点火神经元的输出特点来说明该方法的可行性。实验结果表明,本文所提出的方法能够使SNN在分类任务上取得和现有方法相似的精度,并且降低了所需的推理时间。·本文提出了一个基于事件流质心轨迹的跌倒检测系统。该系统首先对事件流进行去噪处理,然后通过SNN计算事件流质心并形成质心轨迹,再通过机器学习分类器对质心轨迹进行分类,从而判断事件流中是否包含跌倒动作。为了和现有方法进行对比,本文使用工具将基于帧的标准跌倒检测数据集转换为事件数据形式,并通过注入噪声模拟夜间低光照环境。实验结果表明,该系统在相同数据集上取得了和现有基于深度卷积神经网络的方法相似的精度,且处理速度是现有基于DVS的方法的2倍。高噪声率下系统的检测准确率会下降,而去噪可以避免准确率下降。综上所述,本文针对DVS中的关键去噪问题,背景活动噪声过滤提供了一种新的量化评估方法和三种新的轻量级去噪算法,针对特征提取算法SNN提出了一种新的最大池化层实现方法,并结合去噪算法和SNN为基于事件的跌倒检测应用提供了一种新的解决方案。

关键词： 辐射监测   能谱仿真   半导体探测器   γ能谱分析  

摘要： 受限于谱仪探测器、电子学等硬件固有性能,当前的核辐射监测装备还不能完全胜任复杂辐射场中放射性核素识别及定量分析,完成战场态势快速感知的任务。在能谱分析算法方面,国内外研究人员已开展了大量的研究,并取得较大进展,但在实际应用环境中,不同能谱分析算法的效果具有较大差异,尤其是低计数率条件下,快速准确的核素识别以及定量分析仍是一个难题。基于构建小型化、低功耗、高可靠核辐射监测装备和对核辐射信息进行快速定性和定量分析的需求,本文使用碲锌镉(Cd Zn Te,CZT)和钝化离子注入平面硅(Passivated Implanted Planar Silicon,PIPS)两种半导体探测器构建了γ辐射监测仪(Si-CZTγRadiation Monitor,SCZT-RM),并对SCZT-RM的数据处理技术进行了深入研究,提出了基于模糊概率因子叠加(FPFS)算法的γ能谱定性分析方法和基于自适应邻域粒子群(AN-PSO)算法的γ能谱定量分析方法,为γ辐射信息监测提供了一种有效解决方案。主要研究内容和结论如下:(1)SCZT-RM的设计构建。SCZT-RM采用了CZT、PIPS双半导体探测器组合的形式,充分利用了CZT探测器能谱测量分辨率高以及PIPS探测器剂量率响应线性范围较宽的优势,同时能满足SCZT-RM低功耗、便携性的要求。实验前期通过对两种探测器的性能进行测试,论证了两者组成SCZT-RM的合理性。SCZT-RM的后端电子学部分采用双通道设计:能谱采集模块采用模数混合模式,既增加了采样速率,获得高信噪比信号,又能满足电路简化、功耗低的要求;剂量率采集模块基于专用芯片电路对信号进行处理和计数,可满足电路小型化、低功耗、高可靠性的要求。(2)CZT探测器γ射线能谱响应的仿真研究。通过对CZT探测器理论模型分析,分别使用蒙特卡罗分析程序Geant4和有限元分析软件Comsol对γ射线与探测器相互作用的能量沉积分布、探测器内部电场分布情况进行了模拟,并根据载流子输运规律,采用微分法构建了电荷感应效率模型。基于所构建的模型研究了不同载流子迁移率寿命积及不同偏压对电荷感应效率的影响,并对Am、Ba、Cs、Co四种核素能谱进行模拟,得到的模拟谱与实测谱吻合较好,全谱均方误差小于1%。(3)γ能谱分析算法研究。首先对γ能谱数据平滑算法进行了分析及优化,将基于Birge-Massart策略的小波阈值降噪算法以及基于奇异值分解(Singular Value Decomposition,SVD)的降噪算法应用于γ能谱数据的平滑处理。性能测试表明,两种方法相较于传统的谱平滑算法均具有更好的平滑效果和峰值保持能力。然后对基于模糊概率因子叠加(Fuzzy Probability Factor Superposition,FPFS)算法的γ能谱分析方法进行了研究。使用Am、Ba、Cs、Co、Eu五种核素不同组合、不同计数的实测谱对算法性能进行研究。结果表明,在本文实验条件下算法对不同组合的核素叠加谱都具有良好的识别率,在单个谱测量时间为1s,算法叠加次数15次时,对单核素谱的识别率在98%以上,对多种核素叠加能谱的识别率也在95%以上。此外,核素识别的准确率随着算法叠加次数的增加而大幅提高。该算法可应用到实时核素识别系统中,实现核素识别结果的动态更新。最后对基于自适应邻域粒子群算法(Adaptive neighborhood particle swarm optimization,AN-PSO)的γ能谱定量分析方法进行了研究。测试结果表明,利用该算法对模拟γ能谱进行分析,全谱计数的平均分析误差为2.46%;基于模拟γ能谱样本库,对CZT探测器实测谱进行分析,在对全谱计数与放射性核素活度进行刻度的情况下,活度的平均分析误差为7.82%;并且测试表明,随着全谱计数提高,能谱统计涨落降低,分析误差还可进一步降低。(4)上位机软件设计与实现。上位机软件包括数据采集、数据显示与保存、数据处理等模块。其中数据处理模块为软件的核心内容,主要包括对能谱数据的预处理、基于模糊逻辑算法实现γ能谱数据的实时定性分析、基于改进的粒子群算法实现γ能谱数据的离线定量分析以及剂量率监测等功能。该软件采用Py Qt进行界面开发,并使用Python进行算法功能的实现,具有较好的可移植性可扩展性。综上,本研究构建了基于PIPS和CZT双探测器的SCZT-RM,并综合运用模拟仿真、数据分析以及实验测量等手段,对基于SCZT-RM的能谱分析算法进行了研究。将模糊逻辑以及粒子群算法应用到能谱数据分析中,并通过实验验证了两种算法的效果;使用双对数分段线性拟合法对PIPS探测器剂量率响应进行刻度;最后完成了SCZT-RM上位机软件的开发,为γ辐射监测技术提供了一种有效解决方案,在γ辐射监测领域具有重要应用价

关键词： CODAC   EPICS   脉冲实验   数据处理   数据可视化  

摘要： 自聚变领域内脉冲实验的类型向稳态长脉冲实验发展以来,稳态长脉冲实验模式下的数据获取、传输、存储和可视化等关键环节的处理方式,与实验数据的反馈和实验结果的分析等密切相关。因此,研究稳态长脉冲实验中关键环节的数据处理问题,是保障实验顺利进行和系统稳态运行的关键,对进一步的局部调参和优化,具有十分重要的意义。本文针对稳态长脉冲实验中上述关键环节的数据处理问题,基于国际热核聚变组织所提出的控制、数据访问和通讯(Control,Data Access and Communication,简称CODAC)系统设计理论,结合实际需要,提出基于CODAC的稳态长脉冲数据实时处理系统的设计与实施方案,并实现相应的原型系统。相关系统测试结果表明,依据本设计方案所实现的系统,能够符合实际需要。本文主要开展的研究工作如下:1)以CODAC系统理论为依据,基于物理实验与工业控制系统(Experimental Physics and Industrial Control System,简称EPICS),提出了稳态长脉冲实验模式下的数据实时处理系统分布式设计方案,构建了以“任务处理”、“存储处理”、“交互处理”为核心概念的三层系统设计结构。2)对数据采集子系统的数据处理进行了研究,提出了稳态长脉冲实验异步数据处理方案。并采用双缓冲算法和MMAP技术实现内存间的数据交换,同步完成了系统调试。同时为适应实验发展,考虑到系统的可扩展性与兼容性,基于EPICS提出了设备模型,以统一设备抽象化处理格式,规范后续设备开发流程。3)对服务器控制子系统的设定和功能进行了研究。基于TCP/IP协议,提出了高速采样下的数据传输结构。并考虑到由软硬件异常所可能引发的系统问题和EPICS的存储限制,本文采用了双机热备的服务模式,使其能够在提供数据存储和保障服务的同时,也为系统状态监测和系统远程服务提供软硬件实施平台。4)对中央控制子系统的控制逻辑和数据处理进行了研究。针对实验开展模式的多样化需求,提供了本地与远程两种操作模式,以满足不同客观条件下的数据处理要求;同时考虑到不同操作模式可能带来的并发异常,本文充分分析了系统潜在的并发隐患,并提出了一套合理的并发处理机制,同步完成系统调试运行。