CN107250777A - 用于物质表征的设备和方法 - Google Patents

Abstract

本发明提供了一种用于针对一个或多个类型的目标物质筛查货物或行李的一个或多个物品（101，1806）的设备（100），该设备包括：入射辐射（204，206，1804）的源（200，201，1800），被配置为照射所述一个或多个物品（101，1806）；多个检测器（202，209，1807，301），被适配为检测从一个或多个物品（101，1806）内或通过一个或多个物品（101，1806）发出的辐射分组（205，207，1700）作为被入射辐射（204，206，1804）照射的结果，每个检测器被配置为产生由检测到的分组引起的电脉冲（312），所述电脉冲具有取决于分组的能量的特征尺寸或形状；一个或多个数字处理器（203，210，303，304，306，305）被配置为处理每个电脉冲以确定特征尺寸或形状，并且从而针对每个检测器生成所检测到的分组的能量的检测器能量频谱，并且基于能量频谱来表征与一个或多个物品相关联的物质。

Description

用于物质表征的设备和方法

背景技术

本发明涉及本发明的用于物质识别的设备，具体地应用于针对一个或多个类型的物质检查货物或行李。

用于货物和行李筛查的X射线系统使用广频谱X射线生成器来照亮待筛查的物品。在物品的相对侧的检测器阵列用于测量通过物品的X射线通量的强度。较大的系统可以选择具有两个或更多个X射线源，以便同时收集通过货物的两个或更多个投射。X射线筛查系统使用低能量和高能量X射线的差分吸收来生成对筛查物质的非常粗略的分类，并且然后使用该粗略分类来生成“伪彩色”图像以供显示。少数颜色（在大多数现有系统中只有3种颜色）用于表示物质分类。

传统的检测器以1xN阵列被布置，该阵列最通常包括磷或Si-PIN二极管，以实现在物品通过扫描系统时逐行捕获N行和M列的图像。可以通过阵列中约2,000个检测器来实现1-2mm的图像分辨率。然而，这些系统仅基于被筛查物品的内容的积分密度（沿着X射线源和检测器之间的视线）产生图像。使用两个不同的检测器阵列来生成单个图像，一个检测器用于生成高能量图像，并且另一个检测器用于生成低能量图像。这提供了对积分密度的改进估计和将物品识别为有机或金属的基本能力。在目标是识别“违禁品”或其他感兴趣物品的筛查应用中，不正确地落入“违禁品”分类的物质的范围较大。这样，可能需要熟练的操作者从大量伪警报中识别可能的威胁物质。

需要改进的货物和行李筛查系统。

发明内容

根据本发明的第一广泛方面，提供了一种用于筛查货物或行李的一个或多个物品的设备，包括：

入射辐射源，被配置成照射一个或多个物品；

多个检测器，被适配为检测从所述一个或多个物品内或通过所述一个或多个物品发出的辐射分组作为被入射辐射照射的结果，每个检测器被配置为产生由所检测到的分组引起的电脉冲，所述电脉冲具有取决于所述分组的能量的特征尺寸或形状；

一个或多个数字处理器，被配置为处理每个电脉冲以确定所述特征尺寸或形状，并且从而针对每个检测器生成所检测到的分组的能量的检测器能量频谱，并且基于所述检测器能量频谱来表征与所述一个或多个物品相关联的物质。

在一个实施例中，每个辐射分组是光子，并且所述多个检测器包括一个或多个检测器，每个检测器由闪烁物质和脉冲产生元件组成，所述闪烁物质被适配为通过来自所述光子的闪烁产生电磁辐射，所述脉冲产生元件被适配为从所述电磁辐射产生电脉冲。所述脉冲产生元件可以包括光敏物质，并且所述多个检测器可以被并排布置在所述闪烁物质的个体闪烁体元件的一个或多个检测器阵列中，每一个闪烁体元件由围绕其侧面的反射物质覆盖并且被设置在光敏物质上方并且与光敏物质光学耦合。闪烁物质可以是氧正硅酸镥-钇（LYSO）。光敏物质可以是硅光电倍增器（SiPM）。所述检测器阵列中的一个或多个检测器阵列的个体闪烁体元件可以对入射辐射呈现大于​​1.0平方毫米的横截面积。所述横截面积可以大于2平方毫米并且小于5平方毫米。

在一个实施例中，一个或多个数字处理器进一步被利用堆积恢复算法来配置，堆积恢复算法适配为确定与两个或更多个重叠脉冲相关联的能量。

在一个实施例中，其中所述一个或多个数字处理器被配置为至少部分地基于对应的检测器能量频谱来计算针对所述检测器中的至少一些的每一个的有效原子数Z。一个或多个数字处理器可以被配置为通过下述操作来计算针对所述检测器中的至少一些的每一个的有效原子数Z：考虑到从所述检测器能量频谱推导的估计的物质厚度和针对有效原子数Z的参考质量衰减数据，来确定针对具有有效原子数Z的物质的预测能量频谱；以及将所预测的能量频谱与所述检测器能量频谱进行比较。一个或多个数字处理器可以被配置为通过下述操作来计算针对所述检测器中的至少一些的每一个的有效原子数Z：考虑到通过测量已知成分的一个或多个物质所形成的校准表，来确定针对具有有效原子数Z的物质的预测能量频谱；以及将所预测的能量频谱与所述检测器能量频谱进行比较。

在一个实施例中，所述一个或多个数字处理器被配置为：通过计算成本函数来执行所述比较步骤，所述成本函数取决于所述检测器能量频谱与针对具有有效原子数Z的物质的预测能量频谱之间的差异。

在一个实施例中，单独地对每个检测器执行增益校准，以提供所述检测器之间的能量确定的一致性，并且所述一个或多个数字处理器进一步被配置为在考虑到所述增益校准的情况下，针对每个检测器计算检测器能量频谱。

在一个实施例中，执行计数速率相关校准，所述计数速率相关校准包括针对计数速率相关移位适配所述检测器能量频谱。

在一个实施例中，对所述检测器能量频谱执行系统参数相关校准，所述系统参数相关校准包括针对时间、温度或其他系统参数的适配。

在一个实施例中，所述一个或多个数字处理器进一步被配置为：通过如下操作来减小与所述检测器能量频谱的处理或存储相关联的通信带宽或存储器使用：执行对所述能量频谱的快速傅立叶变换并且移除快速傅立叶变换的如下仓（bin）：所述仓几乎没有或没有用于产生减小的变换的检测器能量频谱的信号。一个或多个数字处理器可以进一步被配置为对减小的变换的检测器能量频谱应用快速傅立叶反变换，以提供重建的检测器能量频谱。一个或多个数字处理器可以进一步被利用特定快速傅立叶变换窗口来配置，所述特定快速傅立叶变换窗口被优化以最小化快速傅立叶变换的振铃效应。

在一个实施例中，一个或多个数字处理器进一步被利用基线偏移移除算法来配置，以在进一步处理之前移除电脉冲的数字信号的基线。

在一个实施例中，一个或多个数字处理器进一步被配置为产生一个或多个物品的图像，所述图像由表示所述一个或多个物品的不同部分的特征的像素组成，所述特征从所述检测器能量频谱推导出。

在一个实施例中，一个或多个数字处理器还被配置为基于针对所述多个检测器确定的有效原子数来执行如下各项中的一项或多项：平铺、集群、边缘检测或移动平均。

在一个实施例中，一个或多个数字处理器进一步被配置为基于目标物质的一个或多个类型来执行威胁检测。

根据本发明的第二个广泛方面，提供了一种筛查货物或行李的一个或多个物品的方法，所述方法包括下述步骤：

使用入射辐射源照射所述一个或多个物品；

使用多个检测器来检测从所述一个或多个物品内或通过所述一个或多个物品发出的辐射分组作为被入射辐射照射的结果，每个检测器被配置为产生由所检测到的分组引起的电脉冲，所述电脉冲具有取决于所述分组的能量的特征尺寸或形状；

使用一个或多个数字处理器处理每个电脉冲以确定所述特征尺寸或形状；

针对每个检测器生成所检测到的分组的能量的检测器能量频谱；以及

基于所述检测器能量频谱来表征与所述一个或多个物品相关联的物质。

在包括权利要求的整个说明书中，除非上下文另有要求，否则词语“包括”及其变体将被理解为暗示了包括所述整体或步骤或整体或步骤组，但不排除任何其他整体或步骤或者整体或步骤组。

在包括权利要求的整个说明书中，除非上下文另有要求，否则词语“货物或行李”包括包裹、信件、邮资、个人物品、货物、包含消费物或其他货品的箱子以及运输的所有其他货品，它们期望或者有必要针对某些类型的物质进行扫描，这些类型的物质包括但不限于违禁品以及由于犯罪、恐怖活动或军事活动而可能意外放置或故意放置的危险或爆炸性物质。

在包括权利要求的整个说明书中，除非上下文另有要求，否则关于入射辐射的术语“分组”包括个体无质量子粒子，诸如X射线、伽马射线或其他光子；中子或其他大粒子；并且在其最广泛的方面还扩展到可以定义和检测每个微粒的能量的任何其他微粒辐射。

在包括权利要求的该整个说明书中，除非上下文另有要求，否则关于特定检测器的词语“能量频谱”是指从接受调查的部分物品发出或经过所述部分物品的个体辐射分组的能量值的生成，该能量值从特定检测器以一定时间间隔被检测到，该能量值可以包括通常连续的范围内的值，并且可以被表示为检测计数与多个限定的能量仓的直方图，仓数目表示期望的或可实现的能量分辨率并且构成至少10个仓但优选地大于50、100或200个能量仓。

附图说明

图1和10示出了根据两个优选实施例的可以用于货物和行李筛查的形式的X射线系统的高级概览。

图2图示了根据实施例的X射线室的内部的示例图。

图3示出了根据实施例的检测系统和处理电子装置的更具体的视图。

图4图示了根据实施例的由脉冲处理电子装置所计算的全能量频谱的有效Z处理方法的流程图。

图5是图示根据实施例的从频谱中移除两个脉冲的堆积的曲线图。

图6是图示根据另一实施例的从频谱中移除两个和三个脉冲的堆积的曲线图。

图7是图示根据实施例的在假定仅两个脉冲堆积时从频谱中部分移除两个和三个脉冲的堆积的曲线图。

图8是图示根据实施例的在使用矩形窗口或升余弦脉冲窗口时的频谱平滑化滤波器的形状的曲线图。

图9图示了根据实施例的在另一后处理和图像显示之前如何将数据布置和构建成扫描样本的图像。

图10图示了图1的系统的无线变体。

图11是图示根据实施例的来自多个检测器的未校准接收频谱的曲线图。

图12是图示根据实施例的基于校准过程计算的检测器增益集合的曲线图。

图13是图示在基于图12中所示的检测器增益设置检测器的数字增益之后来自多个检测器的接收频谱的曲线图。

图14图示了根据实施例的针对10%透射率情况的有效Z内插过程的结果。

图15图示了针对根据实施例测试的一系列物质样本的对强度（百分比透射率）绘制的有效Z。

图16A、16B、16C图示了根据实施例的包括检测器阵列的检测器子系统，其中将闪烁晶体的线性阵列耦合到硅光电倍增器形式的脉冲产生元件的阵列。

图16D和16E图示了根据实施例的包括单个闪烁晶体的检测器子系统，闪烁晶体通过插入在闪烁晶体和硅光电倍增器之间的光耦合层个体耦合到硅光电倍增器形式的脉冲产生元件的阵列。

图17图示了根据实施例的将光子转换成用于脉冲处理的电压脉冲的检测器子系统。

图18图示了根据实施例的使用伽玛射线以进行物质识别的筛查系统。

图19图示了根据实施例的集群的形成的示例，其中忽略单个图块。

图20图示了根据实施例的有效Z处理步骤的示例。

图21图示了根据实施例的与对列加索引的边缘掩码L（c）有关的表。

图22图示了根据实施例的当移动平均值越过边缘过渡时移动平均值的行为。

具体实施方式

在此关于具体优选实施例描述本发明是方便的。然而，本发明适用于广泛的方法和系统，并且应当理解，其他构造和布置也被认为落在本发明的范围内。对本文所述的构造和布置的各种修改、变更、变化和/或添加也被认为落入本发明的范围和界限内。

本发明涉及用于使用用于分析的一系列辐射类型的物质识别的方法和装置。具体地，本文例示的装置和方法可以应用于X射线筛查，然而，应当理解，装置和方法可以容易地针对其他类型的入射辐射（诸如中子或伽马射线）或其他类型的发出辐射进行修改，具体地是通过替换不同形式的检测器单元，来检测例如电磁、中子、伽马射线、光、声或其他。这些修改在本发明的最广泛的方面内。

除了X射线在透射通过物质时被衰减之外，通过物质的X射线经由多个形式与该物质相互作用，该多个形式包括：从晶面散射，从元件的电子结构内引起荧光X射线发射；以及从被扫描的物质内的纳米级结构散射。这些形式的相互作用稍微修改了透射的X射线束的能量频谱并且通过检测和分析能量频谱的这种改变，能够推导关于X射线束所通过的物品的元素特定信息。

下面描述的实施例之一的系统提供一种检测系统，所述检测系统能够估计在检测器处接收的个体X射线光子的能量。这是使用每个X射线源的单个检测器阵列实现的，阵列中的每一个检测器均由耦合到光电倍增器的适当检测器物质构成，产生包括一系列脉冲的模拟信号——每个检测到的X射线一个脉冲，这些脉冲当在检测器处被接收时可能重叠或可能不重叠。检测器阵列可以类似于现有技术的货物或行李筛查系统来布置，以便逐行构建物品特征的图像。与现有技术的系统不同，检测器阵列能够测量每个被检测光子的能量。

然后，使用脉冲处理系统来针对每个单个检测器生成直方图。该直方图由在给定时间间隔内落入每个直方图仓的X射线数目的计数组成。直方图仓表示接收到的X射线的能量范围，并且因此，直方图是接收到的X射线束的能量频谱。可能存在大量的直方图仓（例如多达512个分离的能量带或更多），它们表示对在现有扫描系统内粗略的双能量带测量的巨大增强。

所描述的实施例的系统使用该全高分辨率能量频谱，以获得对被筛查物质的有效原子数（有效Z）的更准确的估计，导致对被筛查物质的非常优异的分类。

高级概述

图1示出了根据本发明的实施例的X射线货物和行李筛查系统的高级概述。

该系统的主要特征如下：

1. X射线室（100），在其中扫描样本（101）。该室被设计为包含（一个或多个）X射线源和相关的检测器硬件，并且确保X射线不会被发射超出室，以确保操作者的安全。

2. 用于在被筛查样本（101）和X射线室（100）之间引起相对运动的构件。在一个实施例中，这将包括用于将待筛查的样本（101）输送（102）到X射线室中的构件。在典型的系统中，这可以是输送带、辊系统等，但是本公开中描述的系统将在任何输送构件情况下同样良好地运行。一个优选实施例是使样本通过隧道，在隧道中（一个或多个）X射线源和（一个或多个）检测器阵列位于固定位置。然而，在替代实施例中，（一个或多个）X射线源和（一个或多个）检测器阵列可以移动经过样本。

3. 在X射线室（100）内，存在：

a. 一个或多个X射线源（200，201）

b.X射线检测器的一个或多个阵列（202、209），每个X射线源对应至少一个检测器阵列。

c. 如果希望实现，则X射线检测器阵列（202、209）可以进一步被划分成较小的检测器阵列。本公开中描述的系统不取决于检测器阵列的具体布置和/或细分。

d. 用于处理从检测器阵列（202、209）接收的X射线脉冲的数字处理器（203、210）。根据实现架构，数字处理器可以：

i.驻留在与检测器子系统相同的板上。

ii.驻留在分离硬件上，该分离硬件被容纳在X射线扫描器外壳内或外部

iii.形成主机系统的一部分，或

iv.以上各项的组合。

通常，存在诸如主机计算机（103）或如图10中所示的无线控制和显示系统（104）之类的合适构件，用于控制和配置X射线筛查系统以及显示和后处理从X射线扫描系统收集的数据。

在执行自动威胁检测的一些系统配置中，可能不需要控制/显示子系统，而替代地需要报告检测到的威胁的一些构件。

图2图示了X射线室内部的示例图，图2示出了：

1.X射线源（200）和（201），X射线（204）和（206）从X射线源入射在待测样本（208）上。

2.检测器阵列（202）和（209），用于检测入射在检测器阵列上的X射线（205）和（207）。

3.来自每个检测器阵列的信号被连接到数字处理器（203）和（210）。数字处理器可以被安装在X射线室的内部或外部，并且可以部分地与主机系统组合。

4.数字处理器的输出（211）被传送到主机以供显示，而主机向/从数字处理器发送/接收控制信号（212）。

图2中的组件的定位仅仅是说明性的，并且不指示对源或检测器的数目的具体要求，也没有指定放置源或检测器的要求。本公开中描述的检测和处理系统将在任何数量的源和检测器阵列情况下成功运行，并且不论这些源如何被放置。关键点是来自源1的X射线通过测试样本并在检测器阵列1处被接收，并且来自源2到N的X射线通过样本并在检测器阵列2到N处被接收（即系统可以在任何数目的源和任何数目的检测器阵列情况下运行，该数目可以等于或不等于源的数目）。

图3示出了检测系统和处理的更详细的视图。该图示出了单个检测器的步骤。有效Z可以利用并且图像后处理将需要访问来自所有检测器的频谱。

对于每个检测器阵列中的每个检测器，存在检测系统和处理电子装置，该检测系统和处理电子装置包括：

1.针对每个个体检测器元件（具有针对1xN检测器阵列的N个这样的子系统）的检测器子系统（301），检测器子系统包括：

a.用于检测入射的X射线（300）并将每个检测到的X射线转换成光脉冲的检测器物质

b.光电倍增器，用于接收入射光脉冲并把入射光脉冲放大成包括可以重叠或可以不重叠的脉冲（312）的模拟信号

c.可能包括过滤的适当的模拟电子装置，

d.可选的可变增益放大器（302）。也可以使用固定模拟增益，或者可能不希望对光电倍增器使用附加增益。

2.模数转换器（303），用于将模拟信号转换成数字值（313）。

3.可变数字增益（304），用于在处理之前适当调整数字信号电平。

4.针对每个检测器子系统（301）的高速率脉冲处理（305），例如美国专利No.7383142、美国专利No.8812268和WO/2015/085372中公开的脉冲处理系统，其中脉冲处理包括：

a.基线跟踪和移除，或固定基线移除。

b.检测到来的脉冲。

c.计算每个检测到的脉冲的能量。

d.把计算的能量值累积成能量直方图（能量直方图）（315）。

e.每次接收到选通信号时，输出累积的直方图值。

f.在下一收集间隔中重新设置直方图值。

5.选通信号源（306），其以规则的预先配置间隔输出选通信号（314）。

a.选通间隔是恒定短间隔，该恒定短间隔确定直方图累积时段。

b.该选通间隔还确定得到的X射线图像中的像素间距。像素间距按照选通间隔x样本速度给出。例如，10ms的选通间隔和以0.1m/s在输送机上移动的样本导致行进方向上的像素间距为1mm。

6.在没有选通信号源和选通信号的情况下，可以使用另一适当的构件来控制和同步所有检测器的能量直方图收集的定时。例如，可以使用适当精确的网络定时信号而不是选通信号。

7.校准系统（307），其从适当的模拟和数字信号接收输入，并且然后将期望的校准参数传送回各种处理块。校准系统执行：

a.脉冲参数识别

b.增益校准

c.能量校准

d.基线偏移校准（其中使用固定基线）

e.计数速率相关的基线移位。

8.有效Z计算（308），其在每个选通间隔期间采用每个检测器中的计算能量频谱，并且确定样本的有效Z。这进而导致产生有效Z图像。

9.强度图像生成包括：

a.强度图像（309），基于能量频谱上的总接收能量。

b.通过对从全能量频谱中选择的能量带的积分确定的高穿透性或高对比度图像（310）。

10.图像后处理和显示（311），其特征可能包括下述各项中的一项或多项：

a.图像锐化

b.边缘检测和/或锐化

c.图像过滤

d.基于识别的物质，应用有效Z颜色映射来对图像像素进行着色。

e.针对每个检测器阵列的2D图像的选择、显示和覆盖

i.有效Z

ii.强度

iii.高穿透性/高对比度图像

f.在适当的监视器或其他显示设备上显示图像。

如上所述并且在图9中图示，针对显示而产生的图像包括针对N个检测器元件（501）中的每一个和针对选通间隔（500）记录的多个数据元素。

在选通间隔j期间针对检测器i获得的数据用于产生有效Z、强度和高穿透性/高对比度图像，如图9中所示。在处理期间，以每个像素（502）来记录多个元素，包括下述各项中的一项或多项：

1.X射线能量频谱

2.计算的有效Z值

3.强度值（全频谱求和）

4. 从一个或多个能量带的积分计算的高穿透性/高对比度强度值。

图9图示了在进一步的后处理和图像显示之前如何将该数据布置和构建成被扫描样本的图像。

检测器子系统

在针对工业和安全应用二者的普通X射线扫描机中使用的检测器子系统利用耦合到PIN二极管阵列的闪烁体（诸如磷光体）将透射的X射线转换成光，并且随后转换为电信号。

为了实现大约1-2mm的分辨率，使用超过2000个检测器像素。需要两个分离的检测器阵列（和电子读出电路）来检测低能量X射线和高能量X射线。

当X射线撞击检测器时，它在检测器中产生与X射线的能量成比例的电子电荷，其中能量越高，检测器中感生的电荷就越多。然而，对检测器阵列的更详细的检查已经说明了检测器系统不具有检测个体X射线光子的分辨率，而是替代地在给定时间段内将检测器像素产生的所有电荷积分并将其转换为数字值。在检测器像素上的X射线的瞬时通量大的情况下，产生大的数字值（图像中的亮像素），并且其中少量X射线撞击检测器，产生小的数字值（图像中的暗像素）。

该实施例的检测器子系统包括：

a)检测器物质

b)使用适当构件耦合到检测器物质的光电倍增器物质

c)模拟电子装置。

检测器物质可以具有尺寸X×Y×Z或某种其他形状。光电倍增器可以是硅光电倍增器（SiPM），并且耦合构件可以是光学油脂或光耦合物质的形式。可能期望使用支架或护罩的形式来将检测器相对于光电倍增器保持在适当的位置。光电倍增器需要适当的电源和偏置电压以生成所需要的电平来放大被检测信号。

在X射线扫描应用中，需要大量单个元件检测器子系统来产生每个检测器阵列。根据特定X射线扫描器要求，可能期望以适当的方式对所述单个元件检测器子系统进行聚集。检测器物质的个体元件可以被聚集成具有M个检测器的短阵列。具有M个检测器元件的小群组可以被安装到单个检测器板上，例如2、4个或更多个具有M个检测器元件的群组被安装到一个板上。然后，完整的检测器阵列由一定数目的检测器板组成，所述数目的检测器板是实现每个阵列具有总数N个检测器元件所需要的。

检测器子系统可以以多种不同的配置来布置，这些配置包括：1×N个设备的线性阵列；N×M个设备的正方形或矩形阵列；或L形、交错、人字形或交织阵列。用于将到来的辐射光子转换成电信号的检测设备的一个示例是闪烁晶体耦合到硅光电倍增器（SiPM）或多像素光子计数器（MPPC）的组合。

在这种检测设备中，诸如LSYO（1701）的闪烁晶体用于将到来的辐射光子（1700）转换成UV光子（1703）。在LYSO闪烁物质的情况下，UV光子的峰值发射在420nm处发生，如表1中列出的那些其他闪烁物质可能具有不同的发射峰值。在辐射光子（1700）与闪烁晶体（1701）相互作用以产生UV光子（1703）之后，在UV区域具有灵敏度的多像素光子计数器或硅光电倍增器（1704）（诸如具有表2中的性能度量）可以用于检测这些光子并且产生电信号。

图16A描绘了LYSO闪烁晶体（1600）的线性阵列，指示单个检测设备可以如何接合在一起以形成线性阵列。在该指示示例中，个体LYSO晶体（1600）具有1.8mm的横截面和5mm的高度，个体LYSO晶体（1600）围绕反射物质的侧面缠绕以帮助收集所有UV光子。该示例性阵列的间距为2.95mm，长度为79.2mm，并且阵列的宽度为2.5mm。

图16B和16C分别从俯视图和侧视图描绘了检测器阵列，检测器阵列包括耦合到衬底（1605）上的电脉冲产生元件（1604）的16A中描绘的LYSO晶体的线性阵列。电脉冲产生元件可以包括硅光电倍增器（SiPM）。增强镜面反射体（ESR）或铝或其他反射箔（1601）被设置在闪烁晶体的侧表面周围，以将闪烁光子引导到硅光电倍增器物质（1604）上，并且防止相邻检测设备之间的光泄漏（串扰）。可选地，光耦合（1606）可以介于LYSO晶体和SiPM之间，并且可以包括任何数目的已知适当的物质，例如薄的光透明粘合剂层。

在另一实施例中，如图16D和图16E所描绘的，闪烁晶体（1607）可以单独地耦合到电脉冲产生元件（1604）。耦合可以通过许多方法实现，例如在闪烁晶体（1607）和电脉冲产生元件（1604）之间插入光学透明粘合剂膜（1609）或光学耦合物质，其中电脉冲产生元件（1604）可以包括SiPM或MPCC。耦合可以通过“拾取和放置”组装机来执行，以单独对准并且耦合组件和耦合物质。闪烁晶体可以被缠绕在诸如箔或ESR物质（1608）的反射物质中以帮助捕获光子。

在任何实施例中，LSYO晶体（1600、1607）通常可以具有大约1-2mm的横截面（宽度），大约1-2mm的深度和大约3-5mm的高度，其中反射或ESR膜（1601、1608）的厚度约为0.05mm-0.1mm。在图16D中所示的检测器的优选实施例中，横截面为1.62mm，深度为1.24mm，高度约为4.07mm，并且ESR膜厚度为0.07mm。闪烁体物质的横截面积优选地大于1平方毫米，并且可以大于2平方毫米和小于5平方毫米。

虽然示例性检测器子系统设计使用了紧凑、稳健、成本有效和非吸湿性的闪烁体，但是在本发明的最广泛方面，可以考虑其他检测器子系统。这些包括使用交替无机或无机闪烁体物质的检测器子系统，一些这样的物质的特征在表1中提供。用于将辐射光子转换成电信号的其他机制也可以被考虑用于检测器子系统。其他检测器物质的一些示例包括：

a）高纯度锗（HPGe）：实现针对处于5.9 ke的VFe55 X射线的线的120 eV的“黄金标准”分辨率，检测器可以被制造成厚度> 10 mm，从而检测高达几百的keV的能量X射线。

b）硅漂移二极管（SDD）：测量相对低能量辐射的SDD检测器。对于处于5.9 keV的相同Fe55线，SDD检测器具有大约130 eV的分辨率。此外，这些检测器可以以比HPGe检测器更高的计数速率并且在刚好低于室温下进行操作。

c）PIN二极管：针对高达60keV的X射线的检测效率明显高于SDD检测器，并且针对高于150keV的X射线能量，其检测效率下降到约1%。这些检测器可以在室温下操作，然而分辨率通过散热而提高，5.9 keV线的分辨率为大约180 eV，

d）碲化锌镉：是用于直接检测中等能量X射线和伽马射线辐射的室温固态辐射检测器。其针对60keV X射线具有非常接近100%的检测效率，并且甚至针对能量为150eV的X射线光子，检测效率保持大于50%。

e）铯碘（CsI（Tl））：这是在医学成像和诊​​断应用中用于检测X射线的闪烁物质。该闪烁物质用于将X射线转换成光的光子，该光子通常随后由光电倍增管转换成电信号。CsI是便宜且致密的物质，并且对于达到几百keV的X射线和伽玛射线具有良好检测效率。

表1 - 一系列闪烁体物质的属性。

表2 - LYSO闪烁体的性能数据。

这里描述的闪烁体和光电倍增器实施例的特定优点是检测元件的可扩展性，从而容易适应于大的扫描系统，诸如适用于大的货物物品，该物品可以是直线尺寸为两米或更多米。这与诸如碲化锌镉的直接转换物质相反，直接转换物质随着个体检测器元件面积增加而具有不可接受的死区时间。

处理步骤

以下部分概述了处理各种算法的每个特定阶段所涉及的步骤。

1.校准

扫描系统包括大量个体检测器。尽管每个检测器和关联的电子装置理想地被设计成对入射辐射具有相同响应，但是实际上这将是不可能的。检测器之间的这些变化导致能量频谱输出方面检测器之间的变化。通过对检测系统进行适当和完全的校准，可以对从脉冲处理数字处理器输出的能量频谱进行适当的校准，使得它们表示在已知窄能量仓中的接收的X射线强度。

1.1检测器脉冲校准

检测器脉冲校准用于识别脉冲处理系统所需要的每个检测器的脉冲特征。所需要的确切参数可能会根据检测系统而变化。对于使用美国专利No.7383142和美国专利No.8812268中公开的脉冲处理方法的典型应用，该脉冲被建模为以下形式的平均双指数：

(等式1)

其中α和β分别是下降沿和上升沿时间常数，t₀是脉冲到达时间，T_a是脉冲平均窗口，并且A是与脉冲能量相关的脉冲缩放因子。

该处理需要两个参数α和β以及脉冲形式p（t），它们可以经由适当的校准方法或从检测子系统的设计知识获得。下面描述用于从接收的脉冲估计α、β和p（t）的适当方法。

1.2检测器增益校准

与模数转换器组合的每个检测器子系统将由于制造变化而具有稍微不同的特征。作为这种组件变化的结果，能量频谱将被不同地缩放。除了增益缩放以外的变化在基线偏移校准或能量校准中内被处理。

增益校准的目的是实现由在所有检测器上的脉冲处理电子装置输出的能量频谱对准。如果应用按检测器的能量校准，则可以减少或消除绝对精度的需要。

增益校准可以以多种方式实现。可以采用以下方法：

1.设置已知的X射线源。

a.具有特定特征的物质可以被插入射束中。例如，铅（Pb）在88keV处具有已知的吸收边界。

b.利用由自身检测到的检测器物质（例如LYSO）的已知辐射（自身频谱）。

2.测量由脉冲处理电子装置输出的关于每个检测器的能量频谱。

3.确保获得足够的数据，以实现具有最小噪声的平滑频谱。

4.选择要执行对准的一个或多个特征。例如，

a.频谱中的特定峰值

b.吸收边界（对于Pb的情况）

c.整个频谱形状（适合于LYSO自身频谱）。

5.计算对应于每个检测器的特征位置的直方图仓。

6.计算所有检测器上的这些特征位置仓的中值。

7.然后，将每个检测器所需要的增益计算为中值位置与特定检测器特征位置的比率。注意：选择中值或其他适当的参考（例如，最大值或最小值）。中值被选择为使得一些通道被放大，并且一些通道被衰减，而不是将所有通道衰减到最小幅度。

8.然后，将增益应用于每个检测器通道。根据特定系统功能，该增益可以被应用作为模拟增益、数字增益或二者的组合。为了最佳效果，增益的至少一部分是数字增益，其中可以实现任意细微的增益变化。

9.重新测量关于每个检测器的能量频谱并且确认已经实现所需要的对准。

10.如果需要，则计算针对每个检测器的更新的/细化的增益校准，并且将更新的校准应用于每个检测器。

11.视需要频繁重复步骤9和10，以实现来自所有检测器的频谱之间所需要的对应关系。

对于本公开中概述的有效Z计算的方法，已经发现可以实现达到1-2%内的频谱对准并且该频谱对准是针对准确和一致的有效Z结果所期望的。

在检测子系统的实际实现中，可以存在多个检测器卡，每一个具有多个检测器。检测器的总数可以是数千或更多。这里呈现了这种检测器板的一个示例的结果。示例板包括108个检测器，在该情况下，LYSO用作闪烁体物质。这些检测器被打包成具有27个检测器的线性阵列。然后，每个检测器板使用4×27个检测器阵列来实现总共108个检测器。

当X射线入射在检测器上时，基于入射的X射线的能量由LYSO发射光子。每个检测器被放置在SiPM上方，并且SiPM检测和放大发射的光子。检测器经由光学油脂耦合到SiPM。每个SiPM的增益由所施加的偏置电压和SiPM击穿电压确定。由于LYSO物质的变化、在LYSO和SiPM之间的耦合的质量以及在SiPM增益和SiPM物质属性的变化，针对给定的入射X射线能量，接收脉冲能量方面可能存在相当大的差异。

检测到的脉冲能量的变化的影响是来自所有检测器的能量频谱不相同。这可以在图11中看出，图11中绘制了来自所有108个检测器的未校准的接收频谱。测量这些能量频谱，其中铅（Pb）的样本处于X射线束中，并且清楚地看到Pb频谱的结构。可以看出，能量频谱的尾部跨大约150个直方图仓的范围扩展。这意味着每个仓的实际能量针对每个检测器是相当不同的。

通过遵循上面概述的增益校准过程，计算检测器增益集合，如图12中所示。根据该图，校准增益值的范围为约0.75至1.45。

在将数字增益设置为等于图12中的检测器增益之后，来自108个检测器的能量频谱被重新测量，如图13中所示。清楚的是，能量频谱现在被很好地对准，指示增益校准成功。不同的频谱幅度水平反映可能影响得到的能量频谱的上述因素范围。在这种情况下，一些检测器正在捕获由较高的频谱幅度指示的、比其他检测器总体更大数目的X射线。然而，根据需要，频谱特征的对准是非常好的。

1.3基线偏移校准

每个检测器子系统可以具有略微不同的基线电平，如在模数转换器的输出处测量的。为了使脉冲处理电子装置准确地估计接收的脉冲的能量，基线被估计并被移除。可以使用任何适当的方法，包括例如：

1.基线偏移的离线测量（关闭X射线）：

a.记录并平均来自检测器的一系列样本

b.使用该平均值作为要从所有数据中减去的基线偏移

2.在线基线偏移跟踪和适配：

a.使用脉冲处理输出来估计和跟踪基线偏移

b.过滤（有噪声的）被跟踪基线值，并且相应地更新基线偏移寄存器

c.使用关闭X射线情况下初始收敛时段，然后在X射线开启时持续适配。

1.4能量校准

脉冲处理电子装置将产生未校准的能量频谱。也就是说，输出将包括直方图仓集合中的多个计数，但是这些直方图仓的精确能量是未知的。为了实现准确有效的Z结果，需要知道每个仓的能量。

这实现如下：

1.使用具有已知频谱峰值的源。一个适当的示例是Ba133源，其频谱峰值处于31、80、160、302和360keV。

2.测量未校准的能量频谱。

3.确定对应于已知频谱峰值的直方图仓。

代替使用具有多个峰值的单个源，还能够使用具有可变（但已知）能量的窄带源，并且根据能量范围的能量来测量直方图仓。

一旦已经测量了直方图仓和能量之间的关系，就能够进行下述操作中的任何一个：

1. 针对每个直方图仓的能量创建查找表。

2.估计适当的函数形式的参数。对于LYSO/SiPM组合，已经发现二次模型非常好地拟合观察到的参数。这给出了以下形式的结果：

直方图仓= A*能量^2 + B*能量 + C (等式2)

其中A、B和C是从测量的Ba133频谱确定的常数。该公式被倒转以将能量定义为以相同的A、B和C表达的直方图的函数。

如果检测器之间的变化足够小（需要良好的组件匹配和良好的增益校准），则单个能量校准可以应用于所有检测器。在该情况下，跨暴露于Ba133源的多个检测器对校准参数进行平均将产生对能量校准参数的优异估计。

替代地，可以针对每个检测器生成个体校准表/校准参数。

1.5计数速率相关的基线移位

取决于检测器/光电倍增器组合，可能期望补偿计数速率相关的基线移位。这种移位的结果是：随着计数速率的增加，能量频谱右移。为了适当地应用能量校准，频谱向左回移指定数目的仓/能量。所需的校准是以下任一项：

a)查找表，定义每个计数速率的基线移位，其中经由内插获得中间结果。

b)函数形式，其中基线偏移被表达为计数速率的函数。

可以使用任何适当的方法用于该校准，所述方法包括注入可变计数速率的已知源频谱，以及记录随着计数速率增加的频谱移位。理想地，源具有窄能量带，所以可以清楚地测量所述移位以及也测量可变能量，因此如果需要，偏移可以作为能量的函数被校准。

如果使用在线基线偏移跟踪和移除，则可以减少或甚至消除对计数速率相关的基线移位的移除的需要。

1.6残余频谱校准

在射束中具有大量物质的情况下测量残余频谱，所述大量物质（诸如大厚度的钢）足以完全阻挡X射线束。实际上，无论根据散射还是其他机制，小量的能量仍然到达检测器阵列，并且必须测量该残余频谱，以便可以在正常操作期间从接收的频谱中将残余频谱移除。

然后，通过在射束中具有阻塞质量的情况下对在多个选通间隔内接收的频谱进行平均来测量残余频谱。

1.7堆积参数

堆积参数可以以几种方式被校准，例如：

a)从接收频谱的性质估计堆积参数。

b)从信号的知识、接收的脉冲计数速率、ADC采样速率和脉冲检测方法来估计堆积参数。

c) 测量堆积参数，如下：

i.使用窄能量源，其中能量和计数速率可以是变化的。

ii.随着源能量和计数速率的变化测量接收的频谱。

iii.直接测量接收的2脉冲和3脉冲堆积与主信号峰值的比率。

iv.作为计数速率和能量的函数来形成2脉冲和3脉冲堆积的查找表。

2.高速率脉冲处理

诸如美国专利No.7383142、美国专利No.8812268或WO/2015/085372中公开的那些高速率脉冲处理系统（305）被分配给每个检测器子系统，以对从模数转换器输出的数字化脉冲信号执行下述操作：

a）基线跟踪和移除或固定基线移除。

b）检测到来的脉冲。

c）计算每个检测到的脉冲的能量。

d）把所计算的能量值累积成能量直方图（能量直方图）

e）每次接收到选通或其他定时信号时，输出累积的直方图值

f）重新设置针对下一收集间隔的直方图值。

3.强度图像

根据下式，从针对在每个选通间隔j的每个检测器i生成的能量频谱计算强度值，或更具体地，透射率值：

(等式3)

其中针对所接收的能量频谱（I（B））和参考能量频谱（I_o（B）），对所有直方图仓B（或等效地，对所有能量E）执行求和。

强度图像内的元素可以被分类为：

a)如果R（i，j）<R_low，并且设置为0，则不可穿透。

b)如果R（i，j）> R_high，并且设置为1，则射束中为空或者没有东西。

阈值R_low和R_high可以是预先设置的或用户可配置的。

4.高对比度图像

通过使用全能量频谱，基于跨不同能量带对接收频谱进行积分来生成具有不同对比度的强度图像。在现有的双能量X射线扫描器中，该系统只能能够只利用检测器物质中固有的广泛能量范围。当全能量频谱可用时，可以使用任意能量范围来在该能量范围中生成关联的强度图像。然后，可以限定特定能量范围，以便最佳地隔离和显示特定物质类型，其中能量范围例如针对有机物质、无机物质或轻质、中间或重金属被调整。

根据下式，针对在每个选通间隔j的每个检测器i生成高对比度/高穿透性图像：

(等式4)

其中E1和E2是能量范围E12的下限和上限。能量带可以是用户定义的或预先配置的。一个、两个或更多个不同的能量带可以被配置为使得用户能够在感兴趣的图像之间进行选择。

5.有效Z处理

有效Z处理涉及使用由脉冲处理电子装置计算的全部能量频谱，与能量校准相结合，以计算样本物质的有效Z的估计值。针对每个检测器执行有效Z处理，并且针对每个检测器进行如下（因此对于1×N检测器阵列，该过程被重复N次）。为了减少计算需求，仅针对未被声明为不可穿透也未被声明为空的选通间隔j和接收的检测器i执行有效Z处理。

5.1主要操作

1.参考图4，使用FFT压缩能量频谱数据（400），并且丢弃除了前N个仓之外的所有仓（前N个仓被选择使得丢弃的仓包含几乎没有或没有信号）。注意：该步骤是可选的，但是对于在中央处理计算机上计算有效Z的系统配置，它实现显著的通信带宽减少。针对512点直方图的32个复FFT仓的传输仅需1/8的通信带宽。

2.通过对数目2S+1个接收的经过FFT的能量频谱进行平均，执行频谱积分（402）。该频谱积分增加了可用于计算有效Z的测量时间，而不降低空间分辨率，以所述空间分辨率计算强度图像。在选通间隔j-S≤j≤j+ S上进行积分，以执行以选通间隔j为中心的移动平均。如果不需要积分，则设置S=0。

3.执行堆积减少（403）。FFT是堆积减少的第一阶段，如果已经使用FFT实现了数据压缩，则不需要FFT。堆积减少可以通过如下所概述的适当算法来实现。

4.如果需要，应用FFT域相移（404）以实现能量频谱的期望的横向移位。在存在计数速率特定的基线移位的情况下，已经发现该步骤是合乎期望的。注意：在FFT域中乘以线性增加（在FFT仓情况下）的相位项导致iFFT之后的横向移位。横向移位的程度由线性增加的斜率确定。

5.在iFFT之前，应用频域窗口（405）。该窗口可以用于设计期望的能量频谱的平滑化。窗口设计过程以下概述。良好的窗口被设计成实现能量频谱的平滑过滤。能量频谱中的噪声的过滤允许在有效的Z计算中使用减少数目的能量仓的可能性，以便总体上提高计算效率。

6.零填充FFT数据，将复共轭插入FFT缓冲器的后半部分（406），并且应用iFFT（407）。此时，以直方图的形式获得平滑化的能量频谱。

零填充插入在FFT后被截断的数据。对于所有截断的仓插入零并不是必要的。例如，填充较少的零可以产生较小的FFT缓冲器，这对于计算IFFT是更加计算高效的。

对于实向量x和FFT大小2N，FFT输出的元素N + 2到2N是元素2到N的复共轭。这里N + 1将是通过零填充设置为零的元素之一。

7.减去针对每个检测器的残余频谱。如前所述，这移除了即使存在完全阻挡物质时也将存在的任何频谱。

8.应用能量校准曲线/函数（408）以将直方图仓转换为能量值。注意：替代地，能量校准可以在有效Z例程本身中应用。在该阶段，输出是平滑校准的能量频谱（409）。

9.如果需要，在相邻检测器上执行频谱积分，使得对针对检测器i-P≤i≤i+ P的2P +1个能量频谱进行积分。尽管可以在FFT域中执行对选通间隔的积分，但是可以仅在已经应用能量校准之后执行对相邻检测器的积分，因为相邻检测器的原始直方图仓可能不对应于相同的能量。通过执行2D频谱积分，与对单个像素执行有效Z处理相比，可以提高物质识别性能。

5.2参考频谱测量

为了计算有效Z（以及还有强度/高对比度图像），可以在X射线开启的情况下但是样本到达X射线束之前获得参考频谱。在给定机器设计内，在X射线开启时间和样本到达X射线束之间将存在延迟，在该延迟期间可以收集参考频谱。过程如下：

1.打开X射线。

2.等待X射线束稳定。这可以通过时间延迟或通过滤波X射线计数直至变化减小到低于指定阈值来实现。

3.在脉冲处理电子装置的输出处收集和求和N个X射线能量频谱I₀（E，n）（即，收集N个接续的选通间隔结束时记录的能量频谱）。

4.将频谱的总和除以N，以计算平均参考频谱，使得

(等式5)

其中I₀（E）是能量E处的计数的参考数，N是选通间隔的数目，并且E是X射线的能级。

如果在参考采集期间的任何时间在X射线束中检测到样本，则参考频谱的累积停止，并且M个收集的频谱的平均值可以用于参考，或者如果M是不足则终止测量。

5.3加载或创建质量衰减常数表

针对给定的有效Z和给定能量的质量衰减常数定义了给定物质Z将把具有能量E的X射线衰减到的程度。特别地，处于特定能量的接收能量的强度将由下式给出：

(等式6)

其中I（E）是能量E处接收的计数数目，I₀（E）是能量E处的参考计数数目，ma（Z，E）是能量E处针对具有有效原子数Z的物质的质量衰减常数，ρ是物质密度，并且x是相对于在创建质量衰减数据时使用的参考厚度的物质厚度。

质量衰减数据可在有限（小）数量的能量（可能每10、20或50keV）处获得，而由本公开中所公开的方法创建的能量频谱可以以小至1keV或甚至更小的能量间隔被生成。实际上，有限数目的这些能量值将被选择用于有效Z计算。

为了在能量频谱中的所有能量处实现平滑的质量衰减表，使用三次样条内插或其他适当的内插方法来获得针对每个Z的中间能量的数据。作为能量的函数的质量衰减值被认为足够平滑，使得三次样条是适用的良好内插方法。

5.4有效Z计算

然后，有效Z处理如下进行：

1.对于每个检测器以及每个选通时段（在定义所得图像中的像素的指定选通时段处指定的检测器），将按照在“初步操作”部分中概述的那样来测量校准的能量频谱。对于被分类为不可穿透或空的能量频谱不执行有效Z处理。

2.确定要用于有效Z计算的能量仓集合。

a.根据接收到的频谱，识别接收到足够计数的能量区域。

b.这些将是计数超过某个预定阈值的频谱仓。

c.替代地，确定透射率（接收到的与参考频谱的比率）超过阈值的能量。

3.对于在能量仓中的每一个处可获得质量衰减数据的每个Z值，执行以下操作：

a.估计针对假定Z的物质厚度。一种可能的方法是根据下式来估计在一个能量值E处的厚度

(等式7)

其中I（E）是在能量E处接收的计数次数，I₀（E）是在能量E处参考计数次数，ma（Z，E）是在能量E处具有有效原子数Z的物质的质量衰减常数，ρ是物质密度，并且x是相对于在创建质量衰减数据中使用的参考厚度的物质厚度。

通过在多个能量处对厚度估计进行平均可以获得改进的厚度估计，以减少单个能量处噪声的影响。不希望明确地估计x，组合参数ρx就足够了。

b.基于先前记录的参考频谱、厚度参数和ma表根据下式来计算针对该Z的预测频谱：

(等式8)

在所有选择的能量E处计算，其中I（Z，E）是预测频谱。

c.计算针对该Z的成本函数作为在物质Z的假设下接收频谱与预测频谱之间的平方误差之和

(等式9)

其中C（Z）是成本函数，并且w（E）表示针对所接收频谱和预测频谱之间的平方误差的每个和的权重。

权重w（E）可以被选择为单位1，或者替代地，w（E）= I（E）将产生如下成本函数：该成本函数对计数次数小的所接收频谱的区域给予较低的权重，并且对接收更多计数的区域给予较大权重。

4.对于该像素（构成在特定选通时段期间从特定检测器接收的能量频谱），将估计的有效Z计算为使成本函数最小化的Z值：

(等式10)

应当注意，没有特别要求有效Z是整数，并且实际上质量衰减表可以包含表示复合物质的Z的非整数值的值。然而，显然不可能的是，在有限表中表示连续的可能Z值。为了将Z计算为任意精度，可以使用适当的内插算法将成本函数内插到所需分辨率。然后，所选择的Z值是使内插的成本函数最小化的值。成本函数C（Z）是平滑函数，并且因此可以经由某种形式的内插从曲线可靠地预测使该平滑函数最小化的Z的实际浮点或连续值。

此外，还注意，上述步骤3指示针对质量衰减表中的所有可用Z值计算成本函数。实际上，根据成本函数的行为，可以采用有效的搜索方法来减少计算需求。这种方法包括下述各项中的一项或多项：

1.梯度搜索

2.最佳第一搜索

3.某种形式的模式搜索。

成本函数形式被选择为对频谱上的噪声相对不敏感。

6.使用物质校准的有效Z处理

在实践中，由于可能难以表征的检测器和处理特征，可能难以在所有检测器、所有计数速率和所有频谱仓上实现准确的能量校准。

已经开发了替代方法，由此使用已知物质的变化厚度样本来校准系统。目的是校准作为物质、物质厚度和能量直方图仓的函数的预期接收频谱。这避免了对绝对能量校准的需要，并且还大大地避免了由计数速率对频谱移位的影响（如果存在的话）。也可以消除对堆积移除的需要。

物质（自身）校准过程

理想地，通过良好的增益校准，从所有检测器接收的频谱彼此一致，并且因此仅需要在一个检测器处获得校准数据以供在所有检测器处使用。实际上，根据检测器之间的一致性，可能需要获得具有相邻检测器的群组或可能每个检测器的校准数据。

校准过程中的第一步骤是获得在每个直方图仓B处的参考频谱I₀(B)，其中在针对（一个或多个）检测器的X射线束中没有物质要被校准。直方图仓现在将由B而不是E来表示，以表示不需要按照仓的精确能量校准所述仓。

然后，对于每个物质，进行校准：

1.确定物质的有效Z（通过独立测量或通过物质纯度的规定）。

2.获得物质的“阶梯光楔”。也就是说，物质样本包括已知厚度x的一系列阶梯。理想地，最大阶梯足以将X射线束降低到它可以被认为是不可穿透的水平。注意：可以使用其他物质样本，但是这种阶梯光楔是用于对照校准的方便形式。

3.在所需的检测器位置处扫描阶梯光楔。结果将是沿着物质的每个阶梯记录的一系列未校准的能量频谱（频谱的数目将取决于样本尺寸、扫描速度和选通时段）。

4.对在每个阶梯上接收到的频谱进行求和，以最小化频谱中的噪声。这些频谱被表示为I（Z，B，x），因为它们与物质、直方图仓和物质厚度相关。还注意，I（Z, B, 0）仅仅是参考频谱I₀（B）。

5.如下计算针对所有物质、直方图仓和厚度的透射率特征

(等式11)

6.如下作为Z和x的函数计算总透射率

(等式12)

再次注意，对于所有Z，R（Z，0）= 1。

Tx（Z, B, x）和R（Z, x）的表一起形成校准表，该校准表用于估计每个像素（检测器/选通间隔）处的有效Z。如前所述，根据来自所有检测器的数据的等效性，它们也可以是或者可以不是检测器的函数。

显然，期望对照所有可能物质的样本进行校准，然而实际上，可能仅对物质和混合物的全部连续体（continuum）的子集进行采样。为了实现中间Z值的表条目，期望将Tx和R函数二者内插到Z的中间值以扩展表覆盖。

在已经获得了校准表的情况下，现在能够如下面那样估计针对未知物质样本的有效Z。

6.2初步操作

初步操作与上面描述的基本相同，具有以下注释：

1.可能不期望执行堆积移除。

2.可能不期望执行横向频谱移位来补偿计数速率相关的基线移位存在。

3.在iFFT之前仍然需要频域窗口。

4.由于在该方法情况下不需要绝对能量校准，但是可能仍然需要移除残余频谱，因此不应用能量校准曲线。

5.频谱的积分可以跨选通间隔并且跨检测器执行，如下所述。

6.所接收的频谱将被表示为I（B），在一系列直方图仓B中的强度。使用B与以前部分中使用E的区别在于，直方图仓按照其实际能量被校准。

6.3参考频谱测量

参考频谱以与上述方式完全相同的方式被获得，但是现在被表示为I₀(B)，表示直方图仓而不是能量的使用。

6.4有效Z计算

然后，有效Z处理如下进行：

1.对于每个检测器以及每个选通时段（在定义所得到图像中的像素的指定选通时段处的指定检测器），将按照在“初步操作”部分中概述的那样来测量未校准的能量频谱I(B)。再次。对于被分类为不可穿透或空的能量频谱不执行有效Z处理。

2. 确定要用于有效Z计算的能量仓集合：

a.基于接收到的频谱，识别接收到足够计数的区域。

b.这些将是其中计数超过某个预定阈值的频谱仓。选择B：I(B)> I_min

c.替代地，确定其中透射率（接收到的频谱与参考频谱的比率）超过阈值的仓。

d.替代地，使用所有可用的直方图仓，并且在成本函数中应用加权，以从成本计算中移除不需要的仓。

e.注意：最终减少所处理的直方图仓总数将实现提高的计算效率，因此每个仓的使用是不理想的。

3.计算总的接收的X射线作为与参考的比率。

(等式13)

4.针对校准数据可供之使用的每个Z值，执行以下操作：

a.从针对该物质Z的总接收的透射率R和R（Z，x）的校准表值来估计物质厚度。这经由下述方式实现

i.在R的测量值处经由例如三次样条内插对R（Z，x）的曲线进行内插，以获得对应的。

ii.从校准的R（Z，x）获得函数形式x = f（R，Z），以根据物质和透射率计算x。

b.从R（Z，x）的表中找到x₁和x₂，使得R（Z，x₁）≤R<R（Z，x₂）。注意，x₁ = 0对应于参考频谱，并且如果接收到的透射率R小于表条目，则针对x₁和x₂使用最后的2个条目，并且结果将是对较厚物质的外插。

c.现在使用校准的透射率表Tx（Z，B，x）来根据下式确定针对每个直方图仓的局部质量衰减系数：

(等式14)

d.然后根据下式计算预期的接收频谱

(等式15)

该预期的接收频谱是最接近的两个校准频谱之间的内插接收频谱，但是基于在每个仓处观察到的不同衰减。可以使用频谱之间的其他形式的内插，但是这里使用的物质特定内插提供了优异的内插结果。

e.作为在物质Z的假设下接收频谱和预测频谱之间的平方误差之和来计算针对该Z的成本函数C（Z）：

(等式16)

权重w（B）可以被选择为单位1，或者替代地w（B）= I（B）将产生如下成本函数：该成本函数对于其中计数次数小的接收频谱的区域给予较低的权重，并且对于其中接收更多计数的区域给予较大权重。

5.对于该像素（构成在特定选通时段期间从特定检测器接收的能量频谱），将估计的有效Z计算为使成本函数最小化的Z值：

(等式17)

应当注意，没有特别要求有效Z是整数，并且实际上，自校准表可以包含表示复合物质的Z的非整数值的值。然而，显然不可能在有限表中表示可能的Z值的连续体。为了将Z计算为任意精度，能够使用适当的内插算法将成本函数内插到所需分辨率。然后，所选择的Z值是使内插的成本函数最小化的值。成本函数C（Z）是平滑函数，并且因此可以经由某种形式的内插从曲线可靠地预测使该平滑函数最小化的Z的实际浮点或连续值。

可以使用相同形式的高效搜索方法来减少计算，并且避免对校准表中的所有物质Z的详尽搜索。

6.5系统适配

一些系统参数将随时间变化，因此系统进行适配以随时间保持校准：

1.增益校准更新

a.在X射线关闭的时段期间测量校准频谱

b.根据在测量的频谱中观察到的改变来更新增益

c.增益是A *旧增益+ B *新增益，其中A + B = 1，并且B将较小，以避免噪声并允许缓慢适配。

2.脉冲校准更新

a.可以周期性地执行新的脉冲校准，但是已经发现脉冲参数随时间保持足够恒定，可能需要最多每天或可能每周或每月重新校准脉冲参数。

3.基线偏移更新

a.这可以以与执行初始校准相同的方式在X射线关闭的时段期间完成——基线偏移需要较短的数据集。

b.经由以下所述的基线跟踪算法来连续地适配。

4.能量校准、计数速率相关的频谱移位、堆积参数和残余频谱可能需要偶尔的离线重新校准。还可能发现，对于给定的机器，这些很少（如果有的话）需要重新校准。

7.有效Z处理示例

以下是用于校准检测器板的过程的概述，具体地，实现自校准过程并且具有使用“浮点”有效Z计算的选项：

1.获得已知物质（理想地是纯或接近纯的元素）的校准光楔。对于当前校准，使用3种物质：

a.碳（Z = 6）

b.铝（Z = 13）

c.不锈钢（Z约26）

2. 考虑以下步骤来选择阶梯尺寸：

a.使用30cm的宽度来确保可以用1次校准扫描来校准大量检测器。

i.投影模式用于有效增加可以被校准的像素的数目

ii.在30cm光楔的情况下，2个校准高度可以覆盖5个检测器板，5个检测器板具有足够的重叠，以避免边缘效应。

b.确定阶梯高度以便尝试从透射率<0.5%到95%得到合理均匀的透射率间隔。

i.对于碳，实现小于0.5%的透射率需要如300mm的物质的某物。

ii.对于较重金属，实现95%的透射率需要非常薄的样本，0.5mm以下。对于诸如锡的金属（这里未使用），这是非常困难的。

c.阶梯长度为50mm。当以4%的正常速度扫描时，扫描速度是每秒8mm，因此可以从每个阶梯收集大约6秒的数据。在给定根据最终有效Z处理所需的准确度情况下，这对确保非常准确的校准频谱是必要的。

3.物质光楔被扫描，并且得到的数据在Matlab中离线处理如下：

a.对于每次扫描的每个像素，确定阶梯的开始和结束位置

b.允许一些裕量，以避免接近阶梯边缘的任何影响

c.对于所识别的每个阶梯：

i.在阶梯的每个薄片处提取对应于所测量的频谱的二进制数据。

ii.积分所有数据，以建立非常准确的频谱（具有>5秒的数据）

iii.计算对应的总强度（相对于在束中没有东西的同一校准运行期间测量的源频谱的长期平均值）

d.针对每个物质的每个阶梯（强度）创建表，该表包含：

i.阶梯厚度到阶梯强度的映射。该表用于将任何测量的频谱内插成等效物质厚度。

ii.一系列校准频谱，包括参考频谱。每个频谱表示物质厚度，可以从该物质厚度内插针对中间物质厚度的频谱。

针对具有Z = 6、13、26的3种物质的校准数据足以产生3色图像，从而将物质分类为有机物（接近Z = 6）、无机/轻金属（接近于Z = 13）或金属（接近Z = 26）。为了实现如下核心目标：准确估计有效Z以将物质分离成下至+/- 0.2Z或更佳，有必要从更大的一组物质获得校准数据，从而随后可以从其获得Z的连续估计。对于Z = 3到Z = 92的所有物质运行校准扫描是不实际的，因此通过内插获得一系列附加校准数据集。从碳和铝数据集的内插/外插获得Z = 3至Z = 13的校准集。可以从铝和不锈钢数据集的内插获得有效Z = 13到Z =50的校准集。

对于扫描器中的每个像素，用于获得附加校准数据集的过程如下：

1.对于Z = 6、13、26中的每一个，将校准频谱内插成一组新的强度。对于当前的示范，使用如下强度（以百分比表示）：95、90、80、70、60、50、40、30、20、15、10、6、4、2、1、0.5、0.2。此时，现在存在针对处于一组公共强度处的每个物质的校准表。现在过程是针对处于那些同一组公共强度处的其他物质创建校准表。

2.对于当前的示范，一组所需的物质是Z = 3、4、5、6、7、8、9、10、11、12、13、14、16、18、20、22、24、26、30、30。按照直方图B，处于厚度x（这里对应于所定义的透射率水平之一）的物质Z的频谱被表示为I（Z，B，x）。对于每种所需物质，对于每个强度，获得新的内插物质频谱如下：

a.如果Z_new <= 13

b.如果Z_new> 13

。

3.然后，将新的表包括在用于有效Z处理的总的校准数据集中。

4.所有校准表都以适用于对PoCC软件的输入的文件格式被保存。

这里要注意一些要点：

1.对于Z <6，该过程是外插而不是内插——其中一个系数为负，而另一个大于1。虽然它似乎已经可接受地地良好运行为下降到Z = 3，但是需要注意外插，因为它可能会快速发散。

2.类似地，对于Z> 26，该过程是外插。这里将最好包括针对锡Sn的校准数据，并且然后也包括铅Pb以填写可用的校准数据。在这些较高Z物质情况下的挑战是在90%透射率得到明显的校准曲线——物质样本必须非常薄以实现该透射率。

3.通过包括低于3的Z值，成本函数在Z = 6周围的感兴趣区域中表现相当好。这确保了计算连续/浮点有效Z的过程能够正确地确定大约为6的Z值——基本上避免边缘处的异常，或者至少将它们推送到感兴趣的范围外的Z值。

4.可能需要更复杂的内插以避免常见的交点——这对于较低的Z是可接受的，但是在移到金属时不再成立。可能需要内插几个频谱以获得每个新的经内插的物质。

5.整体性能稍微受到仅使用3个实际测量物质的限制。实际上，非常值得注意的是，在给定校准物质的间隔情况下，已经实现了这样优异的性能。

6. 诸如铅Pb的较高Z物质具有吸收边界，并且因此，如果要实现在高有效Z情况下的准确性能，则最终需要考虑这些物质。为此，吸收边界没有被特别地包含到模型中。

成本函数C（Z）是平滑函数，并且因此，可以经由某种形式的内插从所述曲线预测使该平滑函数最小化的Z的实际浮点或连续值。

对于10%透射率的情况，内插过程的结果在图14中示出。可以看出，所有物质都存在非常平滑的行进，并且这导致有效Z处理的辨别力。有效Z范围内的任何被测量的物质可以被放置在该组曲线中的某处，其中与校准曲线的精确位移用于确定物质有效Z的非常准确的估计。

浮点有效Z的实现已经基于二次内插，使用使成本函数最小化的Z值以及所述Z值任一侧的Z值处的成本函数值，其中在边缘处有一些特殊考虑。该方法产生了有效Z结果，该有效Z结果（具有足够的频谱积分）具有准确解析的物质，该物质中已知有效Z的差小于0.2。

用于计算有效Z的连续/浮点估计的过程如下：

1.计算校准表中每个Z值处的成本函数C（Z）。

2.找出使C（Z）最小化的Z值。

3.找出Z值和针对使C（Z）最小化的Z值的任何一侧的Z值的相关成本函数值。

4.估计二次模型的系数，其中最小值的区域中的模型为：

其中，n是成本函数上的噪声。这进而以矩阵等式形式针对3个Z值Z1、Z2和Z3和相关联的成本函数值C1、C2和C3被建模，其中

并且其中

并且经由矩阵求逆获得解：

一般形式inv（H'H）H'C用于适应使用多于3个Z和C值来估计二次系数的情况。

5.计算使二次函数最小化的Z值。转折点所位于的Z值简单地是：

通过设计，Z值中的一个（通常为Z2，除了在边缘处）是最小值，因此，得到的最佳Z可以被假定为最小值而不是最大值。在边缘处，可能存在问题，但是这需要被单独处理。

在所公开的实施例中，进行以下观察：

1.通过设计，Z值之一（通常是Z2，除了在边缘处）是最小值，因此，得到的最佳Z可以被假定为最小值而不是最大值。在边缘处，可能存在问题，但这需要被单独处理。

2.如果使成本函数最小化的Z的值在任一边缘处，则需要对最小Z值的一侧使用2个值。然后，浮点计算可以成为对校准表中Z值范围外的点的外插。当这发生时，Z估计可以快速发散，因此则需要注意限制最大或最小Z值估计（即允许多少外插）。

3.包括低于6和高于26的Z值被设计为确保上述边缘效应不会对Z估计产生不利影响，特别是在Z = 6附近的感兴趣区域中。

4.可能存在更有计算效率的方法来获得二次系数和最小值的相关估计。这在现阶段尚未探讨。

5.实际上，对于给定的一组Z值，所有必需的矩阵和逆可以被离线计算和存储以供更高效的使用，因为它们仅取决于Z值和Z间隔，而不是测量的频谱和成本函数。

6.二次模型是可接受的，其中成本函数表现良好、平滑和相对无噪声。在非常短的积分时间用于收集能量频谱直方图时，成本函数可能变得有噪声，并且由于噪声而会收敛在局部最小值上。在这种情况下，并且通常，可能需要更复杂的内插模型来平滑化成本函数并避免噪声影响。这可能涉及内插过程中的多于3个点。

二次模型仅仅是用于确保针对特定物质获得一致有效Z的模型。不期望其是成本函数特性的精确函数模型，并且不被认为是必要的。主要目标是获得针对特定物质保持一致的有效Z的估计值，并且实现紧密间隔物质的可靠分离。二次模型实现了该目标。

在一系列物质样本上测试浮点有效Z算法，并且还在公文包上广泛测试浮点有效Z算法。有几个关于性能进行的观察。

1.在高透射率值（对应于非常薄/低的衰减样本），成本函数可能变得有噪声，并且针对较高Z的校准曲线通常也不良地被内插到> 90%的透射率。结果，输出趋向于过于强调较高的Z值。

2.在非常低的透射率，且在透射率水平改变大的附近（诸如金属块边缘附近），在接收的频谱中可能存在一些散射，导致输出偏向有机，即使当已知物质是金属时。

3.可能有效Z的先验知识给出以下启发：

a.高透射率更可能是有机或较低Z的物质，因为非常大

b.低透射率更可能是较高Z的物质，因为将需要非常大厚度的低Z物质。

作为这些观察的结果，引入加权v（Z，I），以便根据强度和Z二者调节成本函数。这些成本函数权重被调节以确保有效Z输出是如已知测试样本所要求的。在PoCC中，实现仅限于3个离散区域：

1.高透射率，I>高阈值

对于高透射率，当相当薄的有机物质被扫描时，输出被发现稍微偏向高Z。因此，针对有机物的成本权重较低，并且在较高Z时增加。

2.中间透射率，低阈值<I <高阈值

在透射率的中间范围内，输出通常与预期的有效Z一致，因此仅应用非常轻微的成本函数加权。

3.低透射率，I <低阈值

在非常低的透射率下，发现较高Z的物质偶尔被误认为低Z物质。这在金属块边缘附近尤其如此，在金属块边缘处散射可以允许过量的低能量X射线到达检测器。结果，在低透射率时，成本权重被设计为增加低Z物质的成本，以更一致地产生较高Z输出。这种方法的一个副作用是非常厚的有机物质开始被识别为低透射率的金属。这只能通过移除误识别的根本原因来克服，即接收频谱中的过量低能量X射线。

8.有效Z处理实现

以下部分更详细地概述了个体处理阶段和算法。图20指示可以在本方法中实现的各种可选处理阶段的概述。

8.1平铺

平铺算法实际上是块平均函数。平铺算法的目的是在一面积（mm²）上对浮动有效Z图像进行平均，该面积表示需要检测的具有恒定强度和物质组成的最小对象。平铺算法生成具有50%重叠的图块，以确保我们始终捕获感兴趣的对象。平铺算法估计浮动有效Z图像中矩形图块上的平均值和标准偏差。图块宽度和高度由用户定义。在垂直和水平维度上，图块重叠50%。给定图像尺寸Nr乘Nc个像素，以及平铺尺寸Tr乘Tc个像素，垂直维度中的图块数目为floor（Nr/Tr）* 2。图块尺寸必须是均值的，以确保50%的重叠。平铺算法执行索引到每个图块中的循环，并计算图块中所有像素的平均值和标准偏差。

图块尺寸的选择基本上归结于以下各项之间的折衷：

1.必须检测的最小对象的尺寸，以及

2.需要的有效Z分辨率。已经观察到有效Z方差随着平均的有效Z像素的数量而几乎线性地减小，因此较大的面积产生更好的有效Z分辨率。

此外，已经使用平铺和集群的原理来避免在此时需要实现复杂的图像分割。认为为了获得准确的有效Z测量，在任何情况下都将需要大的均匀物质的连续块，因此平铺和集群方法将仅略差于全图像分割。然而，图像分割可能最终证明对于高度不规则形状是有利的，特别是在可以结合有效Z测量使用一些更复杂的对象识别方法时。

8.2集群

集群算法聚集具有公共有效Z并且在空间上连接的图块。集群算法的目的是检测跨越大于最小对象尺寸的区域的对象，最小对象尺寸由图块尺寸定义，参见第2.1部分。连接沿边缘被定义。连接的图块被指派公共集群ID。集群算法的输出是集群映射和集群表。集群映射是具有关联集群ID的被连接的图块的矩阵。集群表保持关于每个集群ID的信息，包括集群中的图块的数目以及每个集群的垂直和水平范围。

集群算法执行平铺图像的逐行扫描。如果图块P（r，c）被连接到集合A = {P（r，c-1），P（r-1，c + 1），P（r-1，c） P（r-1，c - 1））}中的图块，则向图块P（r，c）指派集群ID。如果P（r，c）没有被连接到集合A，而是连接到集合B = {P（r，c + 1），P（r + 1，c-1），P（r + 1，c），P（r + 1，c + 1）}中的图块，则对该图块指派新的集群ID。在与集合A中的图块连接的情况下，P（r-1，c+1）能够具有与集合中的其他图块不同的集群ID。在这种情况下，执行集群合并。这是通过简单地将一个集群ID替换为另一个来实现的，具体顺序不重要。集合A和B在八个边界条件下被适配，四个边界条件沿着图像边缘并且四个在图像顶点。

图19描绘了集群的形成，其中忽略单个图块。

8.3威胁检测

威胁检测算法是最近邻居分类器。该算法对个体图块进行分类。在算法中存在两个步骤，训练和分类。训练阶段建立查找表，查找表将归一化强度映射到针对称为“威胁”的一系列物质的浮动有效Z。该术语“威胁”没有任何后果。查找表仅包含感兴趣的物质。在当前实现中，查找表被近似为二次拟合，只存储针对二次拟合的二次系数（参见threat.cpp）。

在分类阶段期间，输入是归一化的测量的图块强度（Imeas）、测量的图块浮动有效Z（Zmeas）和最大有效Z分类误差（deltaZ）。对于训练集中的每个物质，在下述情况时，分类器声明正（positive）：

abs(Ci(Imeas)-Zmeas)<deltaZ，

其中C_i是与第i威胁物质相关联的二次函数。

在威胁简档中使用强度和有效Z是这种方法的重要方面。有效Z通常与物质厚度不一致，并且因此包括强度（与厚度相关）提供二维测试，二维测试具有比单独使用有效Z更优的区分。

图15示出了针对所测试的物质样本范围的有效Z对强度以及二次内插。这里，有效Z随着强度的变化是清楚的。

8.4边缘检测

边缘检测算法的目的是确保第2.5部分中的移动平均窗口不跨物质边界。边缘检测使用强度图像中的幅度转变来声明物质边缘。对边缘检测算法的输入是强度图像。仅在水平维度上检测边缘。不在垂直维度上检测边缘的原因是移动平均窗口仅在水平维度上运行。针对每个检测器计算强度图像中的边缘。一阶梯度算子用于检测边缘。梯度算子掩码宽度和梯度阈值由用户定义。给定如图23中所描绘的在列上索引的以下边缘掩码L（c），则梯度是G =sum(L(c).* Inorm(c))，其中Inorm是归一化强度，参见第2.6部分。当abs（G）> g时，声明边缘，其中g是用户定义的阈值。

8.5移动平均

移动平均算法的目的是过滤针对每个检测器的强度直方图，以便增加有效信噪比。通过在以薄片k为中心的对称窗口上对测量的强度直方图进行平均，该算法针对每个检测器生成薄片k的过滤强度直方图。边缘检测器在确保移动平均窗口不跨不同物质方面发挥重要作用。如果窗口与边缘重叠，则平均值仅被计算到边缘边界。窗口的宽度可以由用户设置。在边缘上，不执行平均。图22图示了当移动平均在边缘上转变时所述移动平均的行为。

可以更有计算效率的一个实施例是自适应移动平均方法：

1.在存在边缘的情况下，在每个薄片上计算有效Z。

2.基于移动平均窗口的50%重叠计算有效Z（例如，每5个像素对应于11个像素MA长度）。

这可以根据精确配置提供3-5倍的计算速度改进。

附加细节

1.伽玛射线摄影实施例

本发明的另一个实施例是伽马射线摄影的实施例。在这种应用中，可以使用诸如钴60的伽马射线源（1800）来用伽马射线光子照射扫描器（1801）的隧道。伽马射线源（1800）可以被屏蔽（1802），并且准直仪（1803）也可以用于创建伽马射线的扇形束（1804）。辊（1805）或其他设备（诸如输送机）的系统可以用于传送货物（1806）、包裹、袋子或其他感兴趣的物品通过伽马射线的扇形束（1804）。伽马射线光子将经由一系列相互作用（包括吸收、散射和反冲）与货物（1806）相互作用。

可以通过检测器子系统在扫描器的另一侧检测穿过货物的伽马射线光子。这种检测器子系统（1807）可以是耦合到硅光电倍增器以产生电信号的闪烁检测器阵列。替代地，阵列可以由诸如高纯度锗（HPGe）的半导体物质组成，该半导体物质能够将伽马射线光子直接转换成电荷。

2.高速率脉冲处理

原则上，在本文描述的实施例中可以使用任何适当的高速率脉冲处理方法。然而，在典型的X射线筛查系统中存在的高X射线通量导致高脉冲计数速率以及接收到重叠X射线脉冲的高可能性。

脉冲堆积长期以来一直是在高速率辐射频谱学应用中抗争的问题。用于脉冲整形的传统方法使用线性滤波器来缩短脉冲持续时间，这可以显著降低SNR，并且因此被限制为几百kc/s的输出速率。处理来自辐射检测器的数据的替代方法是基于如下原理：对被脉冲堆积破坏的数据进行数学建模并求解所需模型参数。通过恢复而不是丢弃由脉冲堆积破坏的数据，该技术实现高吞吐量、低死区时间的脉冲处理，而没有传统的能量分辨率损失。

国际专利公开WO2006029475、WO2009121130、WO2009121131、WO2009121132、WO2010068996、WO2012171059和WO2015085372的公开内容在本发明中可用于在降低脉冲堆积拒绝的情况下实现高速率脉冲处理，并且这些专利公开全部通过引用将其整体并入本文，就好像被逐字重复一样用于本发明的实施例，并且申请人保留将在上述国际专利公开中公开的任何术语和概念纳入本申请中的未来权利要求语言修改中的权利。

以下考虑包括从适用于本发明的上述国际专利公开中公开的技术的选择，但是本领域技术人员将理解，所有这些技术都可能是有用的，并且在替代方法中的选择通过满足各种相抵触的性能约束（包括处理速度、能量确定准确度和最大计数速率）来引导。

2.1基于模型的高吞吐量脉冲处理-方法1

这里简要描述的并且在WO2006029475（通过引用并入）中更详细地描述的用于处理来自辐射检测器的数据的算法是基于模型的实时信号处理算法，该算法如下所示那样表征辐射检测器的输出y [n]：

(等式18)

数字化辐射检测器时间序列（y）被建模为未知数目的辐射事件（N）的求和以及与噪声过程（ω）求和，该辐射事件具有与辐射检测器相互作用的幅度（α）和随机到达时间（τ），该辐射事件具有预期的脉冲形状（h）。

因此，为了完全表征辐射检测器的数字化输出，期望估计：检测器的预期脉冲响应；数字化检测器时间序列中的事件的数目；那些辐射事件中的每一个的到达时间；以及每个事件的个体能量。一旦确定了这些参数，数字化检测器数据就可以准确地分解成个体组件事件，并且确定每个事件的能量。

系统表征

检测器的校准是算法的第一阶段；其将检测器时间序列数据作为输入，并确定检测器的单位脉冲响应（来自检测器的预期脉冲形状）。有关脉冲校准过程的更详细的总结，请参阅脉冲参数校准。

脉冲定位

在确定了检测器的单位脉冲响应之后，脉冲定位阶段使用它来确定数字化检测器数据流中的事件数目及它们相对于彼此的TOA。

通过将指数模型拟合到固定数目的数据点来实现数字化检测器波形中的事件检测。在系统表征阶段之后，脉冲尾部的指数衰减被很好地表征。通过将指数曲线拟合到指定数目的数据点来形成检测度量（用于最终决定脉冲是否到达的信号）。该固定长度的“检测窗口”在数字化检测器数据上被连续运行，并且计算误差的平方和（这也可以被认为是拟合残差的平方和）。该操作产生三种不同的操作模式：

1.基线操作：当不存在信号时处理数据样本。由于数据可以通过指数被相当准确地建模，所以误差的平方和处于最小值并保持完全不变。

2.事件检测：当辐射事件进入检测窗口时，数据可能不再被准确地建模为指数（在T =0时（辐射事件的精确到达时间），数据可能被认为是非差分的）。因此，误差的平方和将增加。该检测度量将继续增加，直至辐射事件位于检测窗口的中间。

3.尾部操作：当处理辐射事件尾部上的数据时，数据点被非常准确地建模为指数。因此，误差的平方和返回到与基线操作模式相同的水平。

在数字化检测器上使用这样的指数脉冲拟合操作产生理想的检测度量。它在基线期间保持为低，响应于事件到达而迅速上升，并且一旦辐射事件的上升沿消失则迅速衰减。此外，通过增加固定长度检测窗口中ADC样本的数目，能够抑制检测器噪声并准确地检测非常低的能量事件。然而，检测度量（样本中）的宽度与检测窗口成比例地变化。因此，随着检测窗口变宽，区分两个紧密分离的脉冲的能力减弱。

二次峰值检测

脉冲定位的最后阶段是对检测器数据流中辐射事件的准确数目和每一个辐射事件的到达时间做出决定。一种方法可以是将简单阈值应用于检测度量，并声明脉冲达到距阈值交叉最近的样本处。然而，简单的阈值交叉易受噪声影响，并且仅在确定脉冲到达时间时提供±0.5的样本准确度。为了具有更准确的脉冲到达时间并且能够对噪声稳健（在处理接近噪声下限的低能量信号时特别重要），可以使用二次峰值检测算法。这种方法将二次方程拟合到检测度量的N个样本的滑动窗口（N可以等于5）。为了声明峰值，我们检查分解，并且如果曲率在允许范围内，常数超过阈值，并且线性项已经从正变为负，则声明峰值。系数也可以用于确定到达的子样本时间。

脉冲能量估计

脉冲能量估计阶段确定检测器数据流中所有辐射事件的能量。作为其输入，它使用：检测器单元脉冲响应的先验知识；事件的数目；及其个体到达时间数据。等式1（y [n]）的数字化检测器数据也可以以矩阵形式被写成：

(等式19)

其中A是M×N矩阵，其条目由下式给出

(等式20)

因此，矩阵A的列包含检测器的单位脉冲响应的多个版本。对于个体列中的每一个列，信号形状的起始点由信号时间位置定义。例如，如果数据中的信号到达位置2、40、78和125，则矩阵A的列1在第一行中、在第二行中的单位脉冲响应的第一数据点、在第3行中的单位脉冲响应的第2个数据点等将具有'0'。第2列将具有“0”直至第39行，之后是信号形式。第三列将具有'0'直至第77行；第四列将具有“0”直至第124行，并且然后是信号形式。因此，矩阵A的大小由所识别的信号的数目（其变为列的数目）来确定，而行数取决于“时间序列”中的样本数目。

一旦已经创建了系统矩阵，就能够通过计算矩阵A的伪逆来求解每个辐射事件使用的期望能量：

(等式21)。

数据验证

实时信号处理算法的最后功能阶段是验证阶段。在该阶段，已经由先前算法阶段估计的所有参数（脉冲形状、事件数目、到达时间和事件能量）被组合以重建检测器数据的“无噪声”模型。

通过从实际数字化检测器时间序列中减去该检测器数据的模型，可以确定所估计的参数的准确度。非常类似于检查来自数据集的直线拟合的残差，如果残差的量值小，则参数很好地描述该数据。然而，如果观察到大的残差，则检测器数据被不良地估计，并且该部分数据可能被拒绝。

2.2基于模型的高吞吐量脉冲处理-方法2

本文简单描述并且在WO2010068996（通过引用并入）中更详细描述的用于处理来自辐射检测器的数据的算法是基于模型的实时信号处理算法，其中信号处理至少部分地在变换空间中进行。

在一个实施例中，用于解析检测器输出数据中的个体信号的方法包括：

作为数字序列（诸如数字时间序列或数字化频谱）获得或表达检测器输出数据；

获得或确定数据中存在的信号的信号形式（或等效地是脉冲响应）；

通过根据数学变换对信号形式进行变换来形成经变换的信号形式；

通过根据数学变换对数字序列进行变换来形成经变换的序列，所述经变换的序列包括经变换的信号；

评估至少经变换的序列和经变换的信号形式（以及可选地，经变换的信号的至少一个参数）的函数，并且由此提供函数输出；

根据模型对所述函数输出进行建模（诸如通过将函数输出建模为多个正弦曲线）；

基于所述模型确定所述函数输出的至少一个参数；以及

从所述函数输出的至少一个确定的参数来确定所述信号的参数。

技术人员将理解，检测器输出数据中的个体信号还可以被描述为检测器输出或检测器输出信号中的个体脉冲（在该情况下，信号形式可以被称为脉冲形式）。

信号形式通常可以被认为表征检测器和已经或者正在用于收集数据的辐射（或其他检测到的输入）之间的相互作用。信号形式可以被确定，或者如果从先前测量、校准等已知，则可以从（例如）数据库获得。

在一些实施例中，根据数学变换对数字序列进行变换包括形成数字序列的模型并且根据数学变换来变换数字序列的模型。

在某些实施例中，该方法包括确定经变换的信号的多个参数，诸如频率和幅度。

在某些特定实施例中，变换是傅立叶变换，诸如快速傅立叶变换或离散傅立叶变换或小波变换。实际上，在某些实施例中，所述变换可以分别与信号形式和数字序列稍有不同地被应用。例如，在一个实施例中，数学变换是傅立叶变换，但是信号形式被利用离散傅立叶变换来变换，并且用快速傅立叶变换来变换数字序列。

在一个实施例中，变换是傅立叶变换，并且该函数可表示为

(等式22)

其中X（k）是经变换的序列，并且H（k）是经变换的信号形式。

因此，该方法试图确定信号的参数，并且因此确定尽可能多的数据的参数，但是应当理解，对于一些数据（这被称为“受损数据”）可能不可以这样做，如下所述。应当理解，术语“信号”在该上下文中与“脉冲”是可互换的，因为它指的是对应于个体检测事件的输出，而不是包括个体信号总和的总体输出信号。还将理解，可以以各种方式测量或表达信号的时间位置（或定时），所述方式诸如是根据信号的最大值或信号的前沿的时间（或时间轴上的位置）。通常这被描述为到达时间（“到达的时间”）或检测时间。

还将理解，术语“检测器数据”指的是源自检测器的数据，无论是否随后被检测器内部或外部的关联或其他电子装置处理。

信号形式（或脉冲响应）可以通过校准过程来确定，该校准过程涉及测量检测器对一个或多个信号事件检测的脉冲响应（诸如时域响应或频域响应）以从该数据得出信号形式或脉冲反应。然后，该信号形式的函数形式可以通过用适当函数内插该数据（或拟合到该数据）来获得，适当函数诸如是多项式、指数或样条。然后，可以从该检测器信号形式构建滤波器（例如逆滤波器）。对信号参数的初始估计可以通过来自检测器的输出数据与滤波器的卷积来进行。特别感兴趣的信号参数包括信号的数目和每一个信号的时间位置（或到达时间）。

然后，可以进一步改善感兴趣的特定信号参数。

可以通过将检测器数据流的模型（由信号参数和检测器脉冲响应的知识构建）和实际检测器输出作比较来确定或“验证”参数估计的准确度。如果该验证过程确定某些参数的准确度不足，则丢弃这些参数。在使用该方法的频谱分析中，被认为足够准确的能量参数可以被表示为直方图。

数据可以包括不同形式的信号。在该情况下，该方法可以包括确定每一个信号的可能信号形式。

在一个实施例中，该方法包括：从数据中顺次减去如下那些信号：所述信号可接受地符合多个信号形式中的接续信号形式；以及拒绝如下那些信号：所述信号不可接受地符合多个信号形式中的任何一个。

2.3基于模型的高吞吐量脉冲处理-方法3

本文简单描述并且在WO2012171059（通过引用并入）中更详细描述的用于处理来自辐射检测器的数据的算法是基于模型的实时信号处理算法，其中，确定信号内脉冲的位置和幅度通过将函数拟合到检测器输出数据来实现。

该方法还可以包括：通过以下步骤检测所述检测器输出数据中的一个或多个脉冲：

将跨数据的窗口滑动到接续窗口位置；

通过在每个窗口位置处执行对窗口中数据的脉冲拟合来识别可能的脉冲；

确定可能的脉冲中的哪一个具有在相应窗口位置开始之前和附近下降的脉冲开始以及超过相应窗口位置处的窗口中的噪声的标准偏差的峰值幅度；以及

把所述可能脉冲中的那些可能脉冲识别为脉冲或输出那些可能脉冲：所述那些可能脉冲在相应窗口位置的开始之前具有下降一个、两个或三个样本的脉冲开始以及超过在相应窗口位置处的窗口中的噪声的标准偏差的峰值幅度。

在许多实施例中，所述一个或多个函数是时间的函数。

然而，在那些实施例中的一些实施例中，技术人员将理解，所述一个或多个函数可能不仅仅是时间的函数。

该方法可以包括在将所述一个或多个函数拟合到检测器输出数据之前，以数字形式提供检测器输出数据或者将检测器输出数据转换成数字形式。

在一个实施例中，所述一个或多个函数具有以下形式：

(等式23)

在该实施例中，v(t)可以诸如通过下述公式被数值计算

(等式24)

其中t=0、1、2……(其中v(0) = 0)。

尽管在数学上，只要β≠α，则，上述公式可以用于数值评估v（t）。此外，即使当α=β时，上述公式仍然是正确的，在这种情况下减少到。

在一个实施例中，一个或多个函数具有以下形式：

(等式25)

并且该方法包括利用包括下述步骤的方法来确定脉冲的位置和幅度：

将参考脉冲p（t）定义为与 的卷积（如附录中进一步讨论的），

从确定f（t）的位置τ和幅度A，其中τ≤0。

技术人员将理解，本发明的本方面考虑了该方法的不同但是数学上等同的表达。

技术人员还将理解：

当α≠β时， 并且

当α=β时，。

扩展给出两个等式：

, (等式26)

, (等式27)

其中。在β等于α时的限制中，常数γ变为1，并且等式（1）变为。因此，该形式适用于用于计算τ的数值稳定方法。

如果|β-α|非常小，在计算γ情况下需要注意。这可以通过对泰勒展开中的前几项求和来完成：

(等式28)。

求解等式（1）可以数值地进行，诸如用二等分法，具体是因为左手侧在τ中是单调的。确定针对τ的不同值的左手侧可以通过任何合适的技术来完成，该技术诸如是利用针对小τ的泰勒级数展开。（实际中，τ的值通常会很小，因为噪声通常会排除在过去远处开始的脉冲的准确表征）。

等式（1）的τ中的线性近似为，并且如果β=α，则是精确的。确切的一般解（理论上）是，其泰勒级数展开为：

(等式29)

这在|x|<1时是有效的。

该方法可以包括通过要求来约束τ。因此，因为等式的左手侧在τ中是单调的，所以约束相当于对a和b的约束0≤b≤ca，其中标量c由下式给出

(等式30)

(等式31)

实际上，如果，则

因此，能够提供约束优化。

该约束可以用α和β不是负的并且α>β的约束来实现。

该方法还可以包括约束脉冲的幅度。这可以用于例如防止拟合的脉冲过小或过大。实际上，参考上述等式（2），如果τ被约束在-1和0之间，则A位于γ^-1a和γ^-αe^βa之间。约束a因此约束幅度A。

根据另一具体实施例，函数f是具有三个指数的函数的形式。在本实施例的特定示例中，时间常数τ₁，...，τ₃是已知的，并且是不相似的（因此产生数值不精确的问题更少），并且该方法包括拟合曲线：

(等式32)

在该实施例的另一示例中，时间常数τ₁，...，τ₃是已知的，并且按升序使得τ₁≤τ₂≤τ₃，并且拟合函数f包括使用基本向量：

(等式 33)

(等式34)

(等式35)。

为了参考，如果时间常数不同，则

和

其中 。

然而，注意，与先前的“双指数”情况（其中存在两个未知数（即脉冲的位置和幅度）和两个等式（来自两个基本向量））不同，在该“三指数”的情况中存在两个未知数，但有三个等式。因此，存在许多不同的方法来对这些等式求逆（从而恢复脉冲的位置和幅度），并且一般地，这将是对噪声具有稳健性的策略。

在另一具体实施例中，函数f具有下述形式：

, (等式36)

其中α和β是标量系数，并且该方法包括确定a和b。

该方法可能不适用于其中的应用，但是在一些应用中，可能知道这不太可能发生，使得该实施例是可接受的。

在该实施例的一个示例中，确定位置包括确定位置，其中：

(等式37)。

应当理解，使用和的该实施例具有以下缺点：当β接近α时这些项收敛（与在上述实施例中保持不同的项v(t)和不同。实际上，可能被认为对应于在-∞处发生的脉冲的尾部（而v(t)表示在时间0发生的脉冲） ）。

函数f可以是多个函数的叠加。

该方法可以包括通过评估在处的f=f（t）来确定脉冲幅度。

因此，本发明一般地涉及用于从检测器输出数据的存在噪声的观测中估计脉冲总和的位置和幅度的方法和装置。其将最大似然估计值提供作为基准（因为噪声为加性白高斯噪声，所以最大似然估计值等同于最小均方误差估计值）。

该方法可以包括在拟合所述一个或多个函数之前对数据进行低通滤波。

然而，在一个实施例中，该方法包括适配所述一个或多个函数以允许检测器输出数据中的低频伪像。在一个示例中，这可以通过将所述一个或多个函数表达为三个指数函数的线性组合（诸如）来完成。

在某个实施例中，该方法包括强制具有在窗口内开始的脉冲的任何估计在窗口的边界处开始。

在具体实施例中，该方法包括：最大化窗口尺寸或改变窗口尺寸。

在一个实施例中，该方法包括：通过在将所述一个或多个函数拟合到经变换的检测器输出数据之前的变换来变换检测器输出数据。

，则这种方法如下应用中可能是合乎期望的：在该应用中，如果在变换空间中进行分析则该分析被简化。在这种情况下，该方法还可以包括随后对所述一个或多个函数应用反变换，但是在一些情况下，可能可以在变换空间中获得期望的信息。

变换可以是拉普拉斯变换、傅立叶变换或其他变换。

在一个实施例中，估计峰值的位置包括使窗口开始和脉冲开始之间的偏移最小化。

在具体实施例中，该方法还包括：通过下述方式来检测数据中的一个或多个脉冲：

将跨数据的窗口滑动到接续的窗口位置；

通过在每个窗口位置处执行对窗口中的数据的脉冲拟合来识别可能的脉冲；

确定可能的脉冲中的哪一个具有在相应窗口位置开始之前和附近下降的脉冲开始以及超过相应窗口位置处的窗口中的噪声的标准偏差的峰值幅度；以及

把所述可能脉冲中的那些可能脉冲识别为脉冲或输出那些可能脉冲：所述那些可能脉冲在相应窗口位置的开始之前具有下降一个、两个或三个样本的脉冲开始以及超过在相应窗口位置处的窗口中的噪声的标准偏差的峰值幅度。

根据第二广泛方面，本发明提供了一种用于在检测器输出数据中定位脉冲的方法，包括：

将多个函数拟合到数据；

确定最佳拟合的函数，该最佳拟合的函数是当对所述数据建模时使所选择的度量优化的所述函数中的任何一个；以及

从所述最佳拟合函数确定所述脉冲的峰值的位置和幅度。

在一个实施例中，所述一个或多个函数中的每一个是多个函数的叠加。

4.基于模型的高吞吐量脉冲处理-方法4

本文简单描述并且在WO2015085372（通过引用并入）中更加详细描述的用于处理来自辐射检测器的数据的算法是基于模型的实时信号处理算法，其中，解析检测器输出数据中的个体信号包括变换检测器数据以产生阶梯化数据，或者使用已经处于阶梯形式的数据，并且至少部分地基于阶梯化数据来检测至少一个信号并估计信号的参数。

该方法包括：变换检测器输出数据以产生阶梯化数据或积分数据，检测至少一个事件，以及估计与该事件相关联的脉冲能量。

在一些实施例中，检测至少一个事件通过将预期脉冲形状与经变换的脉冲形状数据的滑动窗口段拟合而发生。

在一些实施例中，该方法还包括检测信号中的峰值的步骤，其中将检测度量应用于经变换的数据。在一些实施例中，将检测度量与简单阈值进行比较——如果度量小于阈值，则不认为存在脉冲——如果度量超过阈值，则可能存在一个或多个脉冲。如果峰值的斜率从正改变到负指示事件，则声明检测度量中的显著峰值。

应当理解，可能不可以充分地表征所有数据（未表征的数据被称为“受损数据”）；这种受损数据可能可选地被拒绝。应当理解，术语“信号”在本上下文中与“脉冲”是可互换的，因为它指代对应于个体检测事件的输出而不是包括个体信号之和的总体输出信号。还将理解，可以以各种方式测量或表达信号的时间位置（或定时），诸如根据信号的最大值或信号的前沿的时间（或时间轴上的位置）。通常，这被描述为到达时间（“到达的时间”）或检测时间。

还将理解，术语“检测器数据”是指源自检测器的数据，无论随后是否被检测器内部或外部的关联或其他电子装置处理。

该方法可选地包括删除在上升沿周围的一组窗口内的样本，以确保从计算中排除每个脉冲的如下边缘区域：在该边缘区域，实际变换的脉冲数据与理想变换的脉冲不同。

该方法可选地包括：评估数据中的能量估计的方差以及验证建模的数据。

该方法可以包括：从经处理的数据输出构建数据的模型，并且基于检测器输出数据和模型之间的比较来确定建模的准确性。

在方法4的一个示例性实施例中，该方法包括：使用信号参数结合检测器脉冲响应来创建检测器输出的模型。在另一示例性实施例中，该方法可以包括：通过将实际检测器输出与检测器输出的模型进行比较，诸如通过使用最小二乘法，来执行错误检测。

该方法可以包括丢弃被认为不够准确的能量估计。在一个实施例中，该方法包括：在直方图中呈现所有足够准确的能量估计。

3.脉冲堆积减少

即使在使用适当的高速率脉冲处理方法的情况下，将仍然存在无法区分紧密间隔的脉冲到达的情况。当在脉冲检测算法能够确定不同脉冲的到达的窗口内多个脉冲到达时，会出现这种情况。根据ADC采样速率，脉冲到达统计和检测器电子装置、堆积的总量在1 Mc/s时仍然可能是约5%。堆积可以是把2个脉冲检测作为单个脉冲的结果，然而还可能是把3个脉冲检测作为1个脉冲的结果，而把4个或更多个脉冲检测作为1个脉冲是可能的，但是不太可能。

3.1问题解决方案-双脉冲堆积移除

如果基础X射线能量频谱被表示为x，则具有双脉冲堆积的频谱是：

(等式38)

其中*表示卷积，并且k₁是根据数据观察估计或根据理论计算的堆积系数。为了估计基础频谱x，执行以下过程：

1.采取每侧的FFT，其中卷积现在变为乘法，所以

(等式39)

2.在每个FFT仓n处，求解二次方程，考虑到X（n）和Y（n）都是复数。解是

(等式40)

3.要取得的正确解是“正”的解。它还依赖于将正确的解应用到复平方根。

4.现在通过取得X的逆FFT来计算没有堆积的频谱。

(等式41)

使用正确的堆积系数，表明堆积被完全移除。

3.2问题解决方案-双和三脉冲堆积移除

在实践中，对于在X射线扫描系统上测量的频谱，当仅移除双脉冲堆积时，观察到在较高能量处仍然存在一些残余堆积。这表明在这些较高能量处存在一些未被移除的三（或更多）脉冲堆积。为了移除该残余堆积中的一些，并且希望移除大部分，该模型现在扩展到包括3脉冲堆积，所以接收的频谱由下式给出：

(等式42)

其中*表示卷积，并且k₁和k₂分别针对双脉冲堆积和三脉冲堆积的堆积系数。为了估计基础频谱x，执行以下过程：

1.采取每侧的FFT，其中卷积现在变为乘法，所以

(等式43)

2.对于FFT中的N个仓中的每一个，求解三次等式

(等式44)

考虑X和Y是复数。类似于二次等式，存在封闭型求解，然而对三次等式的求解要复杂得多，如下：

a.全部除以k₂，所以每个等式现在具有如下形式

(等式45)

注意X（n）和c（n）是复数。

b.计算

(等式46)

c.计算

(等式47)

d.检查P，并且如果合乎期望则变符号。如果Re（conj(R).P）<0，则P=-P。这是为了确保在下一步获得正确的立方根。

e.计算

(等式48)

f.计算

(等式49)

g.计算三次方程的3个解：

(等式50)

3.选择分配给的解。正确的解是r₂和r₃中的具有最小量值的解。

(等式51)

4.现在通过取得的逆FFT来计算没有堆积的频谱

(等式52)

使用正确的堆积系数，在图6中示出了堆积被完全移除。如果相同的数据用仅假设双脉冲堆积的二次求解器进行处理，则在图7中可以看出，在较高能量值处，频谱中仍然存在残余堆积，而在较低能量处存在频谱的轻微变形。

4.最佳频谱平滑化窗口设计

能量频谱的平滑化在X射线筛查系统中特别有用，在X射线筛查系统中频谱测量的持续时间可能非常短，以便于在样本图像中实现高空间分辨率。已经发现，由宽能量X射线扫描系统产生的典型能量频谱倾向于几乎仅具有低频分量。最初为了减小通信带宽，但也为了减少计算需求并提供使频谱平滑化的附加益处，频谱数据经过FFT。

在FFT之后，大部分FFT仓被丢弃，因为仅需要保留大约1/8的FFT仓，以便准确地重建能量频谱。例如，如果存在计算的512个直方图仓，则仅保留32个复数FFT仓。最后的32个复数FFT仓恰好是这些仓的复共轭，并且其余的448个仓（几乎）不包含信息。

丢弃这些FFT仓的效果是：

1.提供噪声抑制。

2.过滤重建频谱（iFFT之后）。

然而，如果应用矩形FFT窗口，则在iFFT之后，所测量的频谱实质上与正弦函数卷积。由于正弦函数的长范围和大的振铃而导致这是不合乎期望的。

为了改善FFT窗口函数设计，采用以下方法：

1.指定期望的“时域”窗口。在该示例中，使用升余弦脉冲。

2.取得期望窗口的FFT（使得期望窗口关于0对称，以便仅给出实数FFT输出）。

3.将该结果仅乘以现有矩形窗口。

4.进一步将结果乘以在边缘略微渐缩的窗口，以进一步减少由乘以矩形窗口所产生的振铃。

图8图示了所实现的结果。如果独立使用矩形窗口，则矩形窗口导致所测量的频谱与正弦函数卷积，中间幅度的宽度为大约10个样本，但有显著的振荡——在第一个负峰值处约22%。通过仔细定义用户窗口w，能够实现性质上近似是升余弦的“时”域响应，具有极小的振荡性——约为0.2%。然而，中间幅度的宽度增加到约20个样本。

虽然使用FFT和数据截断来减小通信和计算负担，但是适当设计的窗口函数的附加益处是在处理之前平滑化所接收的能量频谱，导致有效Z估计中噪声的显著降低，并且可能在实现类似结果的同时在有效Z估计中使用较少的仓。

5.脉冲参数校准

以下是用于校准针对以下形式的脉冲的所接收脉冲参数α和β的适当方法：

(等式53)

其中α和β分别是下降沿和上升沿时间常数，t₀是脉冲到达时间，T_a是脉冲平均窗口，并且A是与脉冲能量相关的脉冲缩放因子。

可以从数字化检测器信号的时间序列捕获来估计脉冲参数如下：

1.获得在X射线开启的时段期间获得的数字化检测器信号的样本数目，并且总脉冲速率足够低，使得可以提取隔离脉冲。根据脉冲参数，在快速脉冲情况下，在100 MHz采样速率和每秒钟高达500k脉冲的计数速率下使用大约500k个样本是足够的。

2.提取长度为（nump0 x 采样速率/标称计数速率）的样本块。对于nump0=40、采样速率100 MS/s、标称计数速率100 kcs，这是40,000个样本。

3.计算噪声阈值nthr

a.使数据块直方图化——对于14位有符号数据，直方图仓是采样数据+/-2^13范围内的整数。

b.找到具有最高值的仓。这是估计的噪声平均值。

c.找到水平下降到峰值的0.63的仓。与峰值的差异是估计的噪声标准偏差（σ）

d.将噪声阈值设置在距离平均值为2σ处。nthr=噪声平均值+2 x 噪声σ。根据应用，还可以使用2以外的因子。

4.计算信号阈值sthr

a.利用形式为[-1 -1 -1 0 1 1 1]的“跳跃”滤波器来过滤数据块

b.将检测阈值设置为nthr，并以4 x噪声σ的阶梯递增。

c.以经过滤的数据为阈值，并确定其中数据超过sthr的流数目。“流”是全部超过sthr的样本的连续序列，每个末端都以低于sthr的样本终止。

d.继续递增检测阈值，直至在阶梯k，nruns（k）-nruns（k-1）>=-1。也就是说，直至样本流数目停止减少。（注意：这种停止准则在较高计数速率可能会产生不利阈值）。

e.在阶梯k将sthr设置为当前阈值。

5.将计数速率估计为nruns（k）/（缓冲器长度/采样速率）。

6.可选步骤：如果计数速率估计值小于标称计数速率的一半或大于其二倍，则利用从计数速率估计值计算的数据缓冲区长度重新进行噪声和信号阈值计算，以得到更接近nump0的检测到的脉冲。

7.实现脉冲检测状态机。首先，检测nump1=50个脉冲以估计脉冲长度lenp（初始设置lenp为0）。然后，针对全参数估计和优化，检测nump2=600个脉冲。经加工的脉冲检测状态如下：

a.在“seekPulse”状态进入

b.当值超过sthr时，进入“detPulse”状态

c.在“detPulse”状态中，寻找低于sthr的值。进入“seekEndPulse”状态

d.在“seekEndPulse”状态中

i.如果值>sthr，则在脉冲结束之前发生新的检测。进入“pulsePileUp”状态

ii.如果值<nthr并且脉冲长度>lenp，则检测到有效脉冲的结束——记录脉冲开始/结束/长度参数并重新进入“seekPulse”状态

e.在“pulsePileUp”状态中，寻找低于sthr的值，然后进入“seekEndPileup”状态

f.在“seekEndPileup”中，改变状态

i.如果值>sthr，则在堆积事件结束之前发生新的检测，以指示另外的堆积。返回到“pulsePileUp”状态。

ii.如果值<nthr和脉冲长度> lenp，则达到堆积事件的结束。记录脉冲细节并标记为堆积，因此它不用于校准。在实践中，有关该脉冲事件的所有细节可能被丢弃，因为它不会用于校准。

8.对于第一nump1有效（隔离）脉冲，执行以下操作：

a.计算到达时间（t0）、上升沿指数（β）、下降沿指数（α）、平均时间（Ta）、最大信号（Smax）、最大时间（tmax）、脉冲能量（E）。

b.如果出现实际上存在多于一个脉冲（未检测到的堆积），则一些脉冲在该点可能被拒绝——这在经过滤数据的导数中由多个过零点指示（零导数=局部最大位置/最小位置）。

c.将脉冲长度估计值设置为7/median（α）。这产生了样本近似值，脉冲将在该样本近似值处下降到峰值的0.001。如果需要，可以使用α和β获得更准确的计算，但是在任何情况下，0.001阈值一定程度上是任意的，并且在尾部，脉冲缓慢地收敛到零。

9.返回步骤8并且获得nump2个脉冲。nump2=600已经被使用，但是这一定程度上是任意的，并且基于测试数据中实际有多少个脉冲，这些脉冲中只有一半将最终用于校准，所以在校准过程中，nump2需要是所需（期望）脉冲数的两倍。

10.对于nump2个脉冲中的每一个：

a.计算到达时间（t0）、上升沿指数（β）、下降沿指数（α）、平均时间（Ta）、最大信号（Smax）、最大时间（tmax）、脉冲能量（E）。再次，如果一些脉冲显示是未被检测到的堆积，则这些脉冲可能被拒绝。

b.将脉冲分类成增加的能量序列。

c.计算上和下四分位能量值。丢弃处于上和下四分位值的脉冲。这有效地从样本中移除异常值能量值，但是在脉冲能量的混合中，这可能不是最好的方式。实际上，可能更好的是基于α、β或最小二乘成本函数进行分类，并在此基础上进行丢弃。现在，能量类别似乎是足够的。

d.对于剩余的脉冲，现在只有nump2的一半（因此如果nump2=600，则约300）

i.从参数α、β、Ta、t0计算估计的脉冲形状。

ii.按照其能量对实际的接收的脉冲进行归一化。

iii.计算成本函数=估计脉冲和实际脉冲之间的平方差之和（估计脉冲和实际脉冲都归一化为标称单位能量）。

iv.执行迭代最小二乘优化以获得α、β、Ta的最佳估计值以及针对最小二乘优化器收敛的迭代次数和最终成本函数。注意：已经实现了近似高斯牛顿LS优化器。代替完整的3x3雅可比行列式，计算每个维度上的一系列1D雅可比行列式。这些是数值导数，因此可能会经受实质性错误。这意味着轨迹并不总是处于最佳方向，如果函数没有良好地起作用，就存在更大的发散风险。不建议使用该形式的函数，但是如果高效LS优化器不可用，则可以提供更稳健的实现方式。

11.从最小二乘优化的结果中，设置α、β、Ta的最终值。这可以是优化参数的中值或平均值。t0的值可以被任意设置，使得：a）t0=0（并且因此，对于样本k <0，脉冲具有某种信号）或b）t0=ceil(Ta)，在该情况下，脉冲在k=0时为零，并且从k> = 1开始具有正值。

12.脉冲形式p（t）可以直接从公式和估计的Ta、α和β计算。

6.基线跟踪方法

为了正确地确定脉冲的能量，期望计及来自检测器的信号中的DC偏移（或可互换地使用的，信号基线）。该DC偏移可能从各种源产生，该各种源包括模拟电子装置的偏置电平、模数转换和检测器本身。控制理论表明：通过生成与信号的积分成比例的反馈信号可以跟踪DC偏移误差并将其减小到零——然而，在脉冲处理的情况下存在显著的问题。脉冲将附加特征引入具有非零平均值的信号。这引入了取决于脉冲能量、计数速率和脉冲形状的偏差，该偏差会损坏反馈信号并阻止标准控制环路跟踪成功地移除DC偏移。

为了克服该问题，检测器信号输出被数字处理以移除由模拟电子装置引入的脉冲整形效应。当不存在DC偏移时，该经处理的信号导致如下信号形状，该信号形状在脉冲到达之间的区域中具有恒定值并且在脉冲到达处具有值的快速变化。如果检测器信号中存在残余DC偏移，则经处理的信号在脉冲到达之间的区域中随着时间线性地改变。可以通过取得两个样本之间的差来形成与该信号的斜率成比例的误差反馈信号。这些样本不必是相继的，而是可以在时间上分离开“N”个样本。通过为“N”选择适当的值，可以找到具有适当信噪比的信号来驱动反馈环路。

为了减小由脉冲事件引入的偏差的影响，当在用于生成反馈误差信号的两个样本之间脉冲已经到达时，基线跟踪环路不被更新。

当脉冲在用于生成反馈误差信号的样本的任一侧的保护区域内到达时，通过阻止基线跟踪环路更新，可以进一步降低偏差的影响。

应当注意，由于由脉冲到达引起的偏差，每当脉冲到达时，经处理的检测器信号的值增加。这最终导致用于存储信号的值的内部寄存器溢出。监视经处理的信号的值，并且当检测到溢出时，阻止基线跟踪环路更新，直至溢出的影响已经过去。

将样本n处的经处理的脉冲信号表示为x（n），以下步骤总结了用于计算对DC偏移估计值的更新（表示为DC(n)）的过程：

1.计算分离开N个样本的信号样本之间的差

2.确定是否要应用更新。在下述情况下，不应用DC更新

a.在样本n和样本n + N之间的样本处检测到脉冲到达。

b.来自先前检测到的脉冲的瞬态尚未衰减。瞬态可以被认为在检测到脉冲后持续M个样本。

c.经处理的信号x(n)即将达到正溢出并且回绕到大的负值。如果x(n)在正或负溢出的阈值Δ内，则不进行处理。

3.如果要应用DC更新，则计算DC偏移更新如下

(等式54)

其中k<<1是更新增益，并且被选择以在快速响应和DC估计值上的噪声之间实现期望平衡。

最后，相同的硬件可以用于在时分复用方案中跟踪多个通道中的多个基线偏移。针对每个通道的跟踪环路变量的值在通道之间切换时被存储/加载。阻止基线跟踪环路更新，直至检测器通道改变的瞬态效应已经过去。

7.准直

可以在扫描器内使用非常严格的准直，以便最小化散射对所测量的频谱的影响。这在从高到低或从低到高的强度转变发生时特别重要。系统的整体结果表明，散射已经通过包括严格准直在很大程度上得到解决。

8.参考计算

参考计算的目的是建立针对每个检测器的平均强度。该值用于将所有强度直方图缩放为单位能量。这通常被称为归一化。针对每个检测器计算参考强度。参考强度被计算为扫描中前N个薄片的平均强度。强度是FFT中的第一个仓或FFT向量中所有复值元素的和。

还存在以相同的方式计算的参考直方图——通过对针对前N个薄片所测量的能量直方图进行平均。参考直方图用于归一化所有测量的直方图，以确保X射线通量的任何运行之间的变化不会影响有效Z计算。

参考是在间隔期间被测量的，其中：

1.X射线是稳定的，因此X射线通量不变，并且在扫描持续时间中将不会变化（实际上，史密斯源确实变化（特别是在下落时），并且这可能影响结果）

2.在被测样本到达之前。

当前的实现方式使用按薄片测量的持续时间。例如，当薄片速率降低到低于5 ms时，可能会引起问题——参考收集可能会运行到被测样本中。这需要通过两种方式被校正以完全稳健：

1.使用配置的薄片速率和扫描速度来计算收集参考的持续时间而不是针对设置数目的薄片的持续时间。

2.合并对象检测信号，以确保在参考持续时间结束之前检测到样本时立即停止参考收集——当出现这种情况时应该警告用户，因为性能将不能被保证。

如果使用更长的参考收集持续时间，则可以获得更准确和一致的有效Z。

Claims (23)

1.一种用于筛查货物或行李的一个或多个物品的设备，包括：

入射辐射源，被配置成照射所述一个或多个物品；

多个检测器，被适配为检测从所述一个或多个物品内或通过所述一个或多个物品发出的辐射分组作为被入射辐射照射的结果，每个检测器被配置为产生由所检测到的分组引起的电脉冲，所述电脉冲具有取决于所述分组的能量的特征尺寸或形状；

一个或多个数字处理器，被配置为处理每个电脉冲以确定所述特征尺寸或形状，并且从而针对每个检测器生成所检测到的分组的能量的检测器能量频谱，并且基于所述检测器能量频谱来表征与所述一个或多个物品相关联的物质。

2.根据权利要求1所述的设备，其中，每个辐射分组是光子，并且所述多个检测器包括一个或多个检测器，每个检测器由闪烁物质和脉冲产生元件组成，所述闪烁物质被适配为通过来自所述光子的闪烁产生电磁辐射，所述脉冲产生元件被适配为从所述电磁辐射产生电脉冲。

3.根据权利要求2所述的设备，其中，所述脉冲产生元件包括光敏物质，并且所述多个检测器被并排布置在所述闪烁物质的个体闪烁体元件的一个或多个检测器阵列中，每一个闪烁体元件由围绕其侧面的反射物质覆盖并且被设置在光敏物质上方并且与光敏物质光学耦合。

4.根据权利要求3所述的设备，其中，闪烁物质是氧正硅酸镥-钇（LYSO）。

5.根据权利要求2、3或4中任一项所述的设备，其中，光敏物质是硅光电倍增器（SiPM）。

6.根据权利要求3至5中任一项所述的设备，其中，所述检测器阵列中的一个或多个检测器阵列的个体闪烁体元件对入射辐射呈现大于​​1.0平方毫米的横截面积。

7.根据权利要求6所述的设备，其中，所述横截面积大于2平方毫米并且小于5平方毫米。

8.根据权利要求1至7中任一项所述的设备，其中，所述一个或多个数字处理器进一步被利用堆积恢复算法来配置，堆积恢复算法适配为确定与两个或更多个重叠脉冲相关联的能量。

9.根据权利要求1至8中任一项所述的设备，其中，所述一个或多个数字处理器被配置为至少部分地基于对应的检测器能量频谱来计算针对所述检测器中的至少一些的每一个的有效原子数Z。

10.根据权利要求9所述的设备，其中，所述一个或多个数字处理器被配置为通过下述操作来计算针对所述检测器中的至少一些的每一个的有效原子数Z：

考虑到从所述检测器能量频谱推导的估计的物质厚度和针对有效原子数Z的参考质量衰减数据，来确定针对具有有效原子数Z的物质的预测能量频谱；以及

将所预测的能量频谱与所述检测器能量频谱进行比较。

11.根据权利要求9所述的设备，其中，所述一个或多个数字处理器被配置为通过下述操作来计算针对所述检测器中的至少一些的每一个的有效原子数Z：

考虑到通过测量已知成分的一个或多个物质所形成的校准表，确定针对具有有效原子数Z的物质的预测能量频谱；以及

将所述预测能量频谱与所述检测器能量频谱进行比较。

12.根据权利要求10-11中任一项所述的设备，其中，所述一个或多个数字处理器被配置为：通过计算成本函数来执行所述比较步骤，所述成本函数取决于所述检测器能量频谱与针对具有有效原子数Z的物质的预测能量频谱之间的差异。

13.根据权利要求1至12中任一项所述的设备，其中，单独地对每个检测器执行增益校准，以提供所述检测器之间的能量确定的一致性，并且所述一个或多个数字处理器进一步被配置为在考虑到所述增益校准的情况下，针对每个检测器计算检测器能量频谱。

14.根据权利要求1至13中任一项所述的设备，其中，执行计数速率相关校准，所述计数速率相关校准包括针对计数速率相关移位适配所述检测器能量频谱。

15.根据权利要求1至14中任一项所述的设备，其中，对所述检测器能量频谱执行系统参数相关校准，所述系统参数相关校准包括针对时间、温度或其他系统参数的适配。

16.根据权利要求1至14中任一项所述的设备，其中，所述一个或多个数字处理器进一步被配置为：通过如下操作来减小与所述检测器能量频谱的处理或存储相关联的通信带宽或存储器使用：执行对所述能量频谱的快速傅立叶变换并且移除快速傅立叶变换的以下仓：所述仓几乎没有或没有用于产生减小的变换的检测器能量频谱的信号。

17.根据权利要求16所述的设备，其中，所述一个或多个数字处理器进一步被配置为对减小的变换的检测器能量频谱应用快速傅立叶反变换，以提供重建的检测器能量频谱。

18.根据权利要求15或16所述的设备，其中，所述一个或多个数字处理器进一步被利用特定快速傅立叶变换窗口来配置，所述特定快速傅立叶变换窗口被优化以最小化快速傅立叶变换的振铃效应。

19.根据权利要求1至18中任一项所述的设备，其中，所述一个或多个数字处理器进一步被利用基线偏移移除算法来配置，以在进一步处理之前移除电脉冲的数字信号的基线。

20.根据权利要求1-19中任一项所述的设备，其中，所述一个或多个数字处理器进一步被配置为产生所述一个或多个物品的图像，所述图像由表示所述物质的不同部分的特征的像素组成，所述特征与一个或多个物品相关联并且从所述检测器能量频谱推导出。

21.根据权利要求1至20中任一项所述的设备，其中，所述一个或多个数字处理器进一步被配置为基于针对所述多个检测器确定的有效原子数来执行以下各项中的一项或多项：平铺、集群、边缘检测或移动平均。

22.根据权利要求1至20中任一项所述的设备，其中，所述一个或多个数字处理器进一步被配置为基于目标物质的一个或多个类型或形式来执行威胁检测。

23.一种筛查货物或行李的一个或多个物品的方法，所述方法包括下述步骤：

使用入射辐射源照射所述一个或多个物品；

使用多个检测器来检测从所述一个或多个物品内或通过所述一个或多个物品发出的辐射分组作为被入射辐射照射的结果，每个检测器被配置为产生由所检测到的分组引起的电脉冲，所述电脉冲具有取决于所述分组的能量的特征尺寸或形状；

使用一个或多个数字处理器处理每个电脉冲以确定所述特征尺寸或形状；

针对每个检测器生成所检测到的分组的能量的检测器能量频谱；以及

基于所述检测器能量频谱来表征与所述一个或多个物品相关联的物质。