使用MHz ADC在探测系统中对成形脉冲的时序和特征化：一项比较研究与深度学习方法
摘要：基于模数转换器的定时系统广泛应用于先前的高能物理探测器设计中。本文提出了一种基于深度学习的新方法，用于从有限的ADC样本中提取时间信息。首先，通过模拟实例给出了关于传统曲线拟合方法在三种变化（长期漂移、短期变化和随机噪声）方面的定量分析。接下来，对曲线拟合和神经网络进行了比较研究，以展示深度学习在此问题上的潜力。模拟结果表明，专用的网络架构能够大幅抑制噪声RMS，并改善非理想条件下的定时分辨率。最后，使用ALICE PHOS FEE卡进行实验。在实验条件下，我们的方法的性能比曲线拟合提高了20％以上。
作者：Pengcheng Ai, Dong Wang, Guangming Huang, Ni Fang, Deli Xu, Fan Zhang
论文ID：1901.07836
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2019-04-02