唐 琳 周 爽 李 勇 廖先莉 李跃鹏4,

1（成都大学 电子信息与电气工程学院 成都 610106）

2（安徽大学农业生态大数据分析与应用国家工程研究中心 合肥 230039）

3（南洋理工大学 电气与电子工程学院 新加坡 639798）

4（成都理工大学 核技术与自动化工程学院 成都 610059）

在核辐射测量中，感兴趣区域（Region of Interest，ROI）的计数率是非常重要的测量指标，在进行元素含量分析时，计数率的精度决定了元素含量分析的准确度［1-2］。因此，要得到准确的元素含量，每一个核脉冲信号都是至关重要的。近年来，许多学者在脉冲处理领域发表了相应的研究成果，包括采用遗传算法合成具有任意噪声的最优数字成形器［3］、基于双极性尖顶成形的基线恢复［4］、对堆积脉冲的测量和补偿技术等［5-6］。在前期研究中，笔者针对脉冲宽度不够的畸形脉冲提出了脉冲甄别［7］和脉冲修复［8］两种算法，有效降低了测量结果中计数率的统计涨落。上述成果都是采用传统的分析手段对核脉冲进行了分析和处理，在某些领域中也取得了较好的应用效果。但在实际应用中，对于那些严重堆积的脉冲，采用传统的脉冲处理技术难以实现较好的脉冲分离以及脉冲幅度估计，从而导致测量结果中计数率的准确性和稳定性较差。

人工智能的发展为X 射线荧光光谱（X-ray Fluorescence，XRF）分析带来了新的发展空间，国内外学者在该领域都发表了不少研究成果。文献［9］使用U-Net 网络作为脉冲整形器，对脉冲进行滤波并使其展开，在一定程度上解决了脉冲堆积问题；……