一种基于机器学习的主漂移室重叠波形分辨方法

本发明涉及高能物理，尤其涉及一种基于机器学习的主漂移室重叠波形分辨方法。

背景技术：

1、主漂移室（main drift chamber，mdc）是高能物理实验中广泛应用的气体探测器，其读出电子学系统负责对带电粒子产生的信号进行采集与处理，并提取时间、电荷等关键信息，为径迹重建、粒子鉴别及触发系统提供数据支持。随着高能物理实验向更高亮度和更高计数率发展，主漂移室在高计数率条件下面临严重的波形堆积与信号重叠问题，波形分辨成为读出电子学中的关键技术之一。

2、在已有的主漂移室研究中，以besiii为代表的系统工作于相对较低的计数率条件，信号发生重叠的概率较低，因此通常无需专门的波形分辨算法。然而，在super tau-charm facility 等新一代高亮度对撞机的设计条件下，主漂移室计数率显著提高，大多数情况下都会出现波形堆积，第二个波形的到达时间在第一个波形结束时间之前，使传统的阈值判别、峰值检测以及简单拟合方法难以有效提取信号的时间与电荷信息。

3、此外主漂移室输出信号通常具有明显的多峰结构和较长持续时间，不同事例之间波形形态差异较大，在高计数率条件下，传统基于固定模型的波形拟合方法难以适用于复杂重叠波形的分辨。因此，亟需研究一种适用于高计数率条件下复杂重叠波形的分辨方法，以提高主漂移室读出电子学系统对时间与电荷信息的提取精度。

4、有鉴于此，特提出本发明。

技术实现思路

1、本发明的目的是提供了一种基于机器学习的主漂移室重叠波形分辨方法，以解决现有技术中存在的上述技术问题。本发明所述方法能解决高计数率条件下主漂移室信号波形堆积与时间重叠问题，提高对重叠信号时间与电荷信息的提取精度，增强读出电子学系统对复杂事例的识别能力。

2、本发明的目的是通过以下技术方案实现的：

3、一种基于机器学习的主漂移室重叠波形分辨方法，所述方法包括：

4、步骤1、获取主漂移室mdc输出的数字化混叠波形数据，并构建混叠波形数据集；

5、步骤2、对步骤1获取的波形数据进行预处理，包括样本标准化长度处理、波形总能量计算、时延归一化以及tensor格式转换；

6、步骤3、将预处理后的波形数据输入卷积神经网络模型，通过多层卷积结构对波形中的局部时序特征与多峰结构特征进行提取，建立重叠波形特征表示；

7、步骤4、基于步骤3的卷积神经网络模型，对重叠波形中的事例进行参数预测，输出各次事例对应的时间与电荷信息，并结合总能量计算得到不同事例对应的能量值；

8、其中，事例为采集到的一次波形数据；参数包括能量比例和时延参数；

9、卷积神经网络模型通过全连接层预测重叠波形中第一事例对应的能量比例以及重叠脉冲之间的时延参数；根据预测得到的能量比例以及波形总能量，计算第二事例对应的能量值；

10、步骤5、根据步骤4得到的参数预测结果，实现重叠波形中各次事例的电荷量与时间信息分辨，并对分辨结果进行可视化验证。

11、与现有技术相比，本发明所提供的方法引入基于深度学习的数字波形分辨方案，有别于传统的阈值或模板拟合方法，增强了高计数率条件下对复杂重叠信号的处理能力，为高能物理实验中的高精度时间测量与事例识别提供了重要技术支撑。

1.一种基于机器学习的主漂移室重叠波形分辨方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，在步骤1中，具体是利用读出电子学系统对探测器输出的模拟信号进行放大与整形处理，然后通过高速模数转换器对波形进行采样，得到主漂移室mdc的数字化波形数据；

3.根据权利要求1所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，在步骤2中，预处理过程具体为：

4.根据权利要求1所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，在步骤3中，首先通过多层一维卷积结构提取主漂移室波形中的局部时序特征与多峰结构特征，设第个波形样本在第层输出的特征为，包含局部时序特征与多峰结构特征；则第层一维卷积层的输出表示为：

5.根据权利要求4所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，在步骤3中，在经过多层一维卷积、非线性激活和池化处理后，得到主漂移室重叠波形的特征表示，然后将最后一个特征提取层输出的多维特征图展开为一维特征向量，设卷积神经网络包括l个特征提取层，则第个波形样本对应的特征向量表示为：

6.根据权利要求1所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，在步骤4中，卷积神经网络模型的一个全连接层用于预测第一事例对应的能量比例，对应的公式为：

7.根据权利要求1所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，在步骤5中，

8.根据权利要求1所述基于机器学习的主漂移室重叠波形分辨方法，其特征在于，所述方法还包括：

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任意一项所述方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至8中任意一项所述方法。