Bachelorarbeit - Desy
Bachelorarbeit - Desy
Bachelorarbeit - Desy
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Universität zu Köln<br />
Institut für Kernphysik<br />
Digitale Auswertung von Signalen<br />
hochauflösender Germaniumdetektoren<br />
Milan Zvolský<br />
Bachelor-Arbeit<br />
bei Professor Dr. Andreas Zilges<br />
31. August 2009
Zusammenfassung<br />
In der vorliegenden Bachelor-Arbeit werden Signale hochauflösender Germani-<br />
umdetektoren mit digitalen Algorithmen bearbeitet, mit dem Ziel, die Energie der<br />
detektieren γ-Quanten möglichst genau zu bestimmen, also eine möglichst gute Ener-<br />
gieauflösung zu erhalten. Mit dem Digitalisierer DGF-4C der Firma XIA werden<br />
zum einen online Energiespektren erzeugt. Zum anderen werden offline selbst ent-<br />
wickelte Algorithmen zur Pulshöhenanalyse auf deren Energieauflösungsvermögen<br />
hin untersucht. Es zeigt sich, dass sich mit Hilfe von simplen Algorithmen eine gute<br />
Energieauflösung erreichen lässt. Zumindest bei niedrigen Zählraten liefert jedoch<br />
die analoge Technik die beste Auflösung.<br />
Abstract<br />
In this Bachelor thesis signals of high resolution Germanium detectors are treated<br />
with digital algorithms. The aim is to determine the energy of the detected γ rays<br />
as accurate as possible, that is to achieve the best possible energy resolution. On the<br />
one hand energy spectra are generated online by XIA’s digitizer DGF-4C. On the<br />
other hand self-developed algorithms for pulse height analysis are tested with regard<br />
to their energy resolution. It will be shown that by means of simple algorithms<br />
a good energy resolution is achievable. However, for low count rates the analogue<br />
technique leads to the best resolution.<br />
i
Inhaltsverzeichnis<br />
1 Motivation und Einleitung 1<br />
2 Grundlagen 3<br />
2.1 Wechselwirkung von γ-Strahlung mit Materie . . . . . . . . . . . . . . . . 3<br />
2.2 HPGe-Detektoren, Signalerzeugung . . . . . . . . . . . . . . . . . . . . . . 5<br />
2.3 Energieauflösung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
2.4 Totzeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7<br />
2.5 Digitale Elektronik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
2.5.1 Nyquist-Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8<br />
2.5.2 Pipeline-ADC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9<br />
2.5.3 Real-Time Processing Unit (RTPU) . . . . . . . . . . . . . . . . . . 9<br />
2.5.4 Digital Signal Processor (DSP) . . . . . . . . . . . . . . . . . . . . 10<br />
2.6 Digitale Filter und Pile-up Unterdrückung . . . . . . . . . . . . . . . . . . 11<br />
2.6.1 Trapezförmiger Filter . . . . . . . . . . . . . . . . . . . . . . . . . . 11<br />
2.6.2 Pile-up-Erkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . 13<br />
3 Datenaufnahme 17<br />
3.1 Aufnahme von Spektren mit analoger Technik . . . . . . . . . . . . . . . . 17<br />
3.2 Aufnahme von Spektren mit dem DGF-4C . . . . . . . . . . . . . . . . . . 20<br />
3.3 Aufnahme von Traces mit dem DGF-4C . . . . . . . . . . . . . . . . . . . 21<br />
4 Algorithmen zur Pulshöhenanalyse 25<br />
4.1 Allgemeines Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
4.2 Flächen-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
4.3 Schnittpunkt-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
4.4 Flächenabgleich-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30<br />
4.5 Regressions-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />
5 Trapez-Algorithmus 35<br />
5.1 Theorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35<br />
5.2 Algorithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
5.3 Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39<br />
6 Zusammenfassung und Ausblick 45<br />
A Ausgewählter C++-Code 51<br />
A.1 Grundgerüst der Programme . . . . . . . . . . . . . . . . . . . . . . . . . . 51<br />
iii
iv<br />
A.2 Anstiegsflanke und Baseline . . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
A.3 Erzeugung von Spektren . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52<br />
A.4 Schnittpunkt-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53<br />
A.5 Regressions-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54<br />
A.6 Trapez-Algorithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
1 Motivation und Einleitung<br />
Ein Ziel der Verarbeitung von Signalen hochauflösender Germaniumdetektoren ist die<br />
Energiespektroskopie von γ-Strahlung. Dabei wird, unter Optimierung des Durchsatzes<br />
und des Signal/Rausch-Verhältnisses, eine Pulsformung des Vorverstärkersignals durch-<br />
geführt, so dass ein Ausgangssignal erzeugt wird, dessen Höhe proportional zu der im<br />
Halbleiterdetektor deponierten Energie ist. Bei der Verarbeitung müssen neben der Puls-<br />
formung Effekte wie Pile-up berücksichtigt werden, da diese die Energieinformation, die<br />
das Signal trägt, verfälschen.<br />
Die Signalverarbeitung wird bislang weitgehend mit analoger Elektronik durchgeführt.<br />
Diese zeigt jedoch mehrere Schwachpunkte. Dazu gehören die Verschlechterung der Auf-<br />
lösung durch so genannte Ballistic Deficit- und Charge Trapping-Effekte (Abschnitt 2.3),<br />
Verringerung des Durchsatzes durch lange Konversionszeiten des Analog/Digital-Wandlers<br />
(ADC) und Empfindlichkeiten der Elektronik bezüglich Temperaturschwankungen.<br />
Zudem führt jeder analoge Schritt in der konventionellen Signalverarbeitung zu irrever-<br />
siblen Informationsverlusten. Ist das Signal einmal für die Zeitbestimmung verarbeitet,<br />
enthält es keine Informationen über die Energie. Wird das Vorverstärker-Signal jedoch<br />
digitalisiert, bleibt fast die gesamte Information des Signals erhalten [1].<br />
Des Weiteren spielen die hohen Kosten sowie großer Platzbedarf aufgrund der vielen<br />
Elektronik-Elemente eine Rolle, insbesondere in Hinblick auf Experimente wie ALICE<br />
am CERN, bei dem mehr als 500 Einzeldetektoren zum Einsatz kommen.<br />
Auch für Experimente am Institut für Kernphysik der Universität zu Köln ist die Umstel-<br />
lung auf digitale Technik unumgänglich. So sollen beispielsweise für eine Erweiterung des<br />
Horus-Spektrometers 14 HPGe- sowie bis zu 8 Silizium-Detektoren zum Einsatz kom-<br />
men, so dass die Hardware 22 Kanäle simultan verarbeiten muss. Der aktuelle analoge<br />
Analysator ist auf 16 Kanäle beschränkt.<br />
Für die genannten Aspekte bietet die digitale Technik einen Ausweg. Ein Ziel der Umstel-<br />
lung auf digitale Technik ist es zudem, bei höheren Zählraten operieren zu können, ohne<br />
dass die Energieauflösung signifikant verschlechtert wird. Ob mit digitalen Techniken eine<br />
vergleichbare Energieauflösung wie mit der analogen Technik erreicht werden kann, soll<br />
in dieser Arbeit untersucht werden.<br />
In dieser Arbeit soll das Energieauflösungsvermögen eines Digitalisierers, des Digital<br />
Gamma Finder DGF-4C (Revision E) der Firma XIA, untersucht werden, sowohl onli-<br />
ne mit Hilfe der integrierten Filter-Algorithmen, als auch offline mit eigens entwickelten<br />
Algorithmen. Diese Arbeit beschränkt sich auf die Bestimmung und Optimierung der<br />
Energieauflösung der einzelnen Verfahren. Eine Echtzeit-Auswertung ist definitiv das Ziel<br />
einer digitalen Datenauswertung, in dieser Arbeit soll jedoch die prinzipielle Möglichkeit<br />
1
2<br />
und Qualität hinsichtlich der Energieauflösung einer digitalen Auswertung untersucht<br />
werden. Dazu werden die digitalisierten Signale gespeichert und offline verarbeitet.<br />
Nach einer Einführung in die Theorie der Wechselwirkung von γ-Strahlung mit Ma-<br />
terie und deren Nachweis mit einem HPGe-Detektor wird die Wirkungsweise des Mo-<br />
duls DGF-4C auf die Signale des Vorverstärkers beschreiben. Mit dem DGF-4C werden<br />
zunächst Spektren in Echtzeit erzeugt. Um eine Aussage über die Güte der Messun-<br />
gen zu ermöglichen, werden mit den üblichen analogen Methoden Spektren erzeugt und<br />
durch Veränderung von Verstärkung und Shaping Time die bestmögliche analoge Ener-<br />
gieauflösung für verschiedene Zählraten ermittelt.<br />
Der Hauptteil dieser Arbeit wird dem Vorstellen verschiedener Algorithmen gewidmet<br />
sein, mit deren Hilfe sich die Energieinformationen der Signale offline bestimmen lassen.<br />
Die verschiedenen Methoden werden in Hinblick auf die resultierende Energieauflösung<br />
untersucht.
2 Grundlagen<br />
2.1 Wechselwirkung von γ-Strahlung mit Materie<br />
Als Folge eines radioaktiven Zerfalls kann γ-Strahlung auftreten, bei dem der angeregte<br />
Tochterkern unter Ausstrahlung eines γ-Quants in den Endzustand übergeht:<br />
(Z, A) ∗ → (Z, A) + γ (2.1)<br />
Aufgrund der quantenmechanischen Natur des Atomkerns kann dabei nur Strahlung einer<br />
bestimmten Energie<br />
Eγ = Ei − Ef − Er<br />
3<br />
(2.2)<br />
abgegeben werden. Ei ist die Energie des Kerns im angeregten und Ef die des Kerns im<br />
Endzustand. Er bezeichnet die Rückstoßenergie auf den Kern. Dies resultiert in einem dis-<br />
kreten, für den Tochterkern charakteristischen Energiespektrum. Aus Konventionsgründen<br />
werden jedoch die γ-Energien stets dem Mutterkern zugeordnet. Abbildung 2.1 zeigt die<br />
Zerfallskaskade von 60 Co zu 60 Ni unter Aussendung von γ-Quanten der Energie 1173 keV<br />
und 1332 keV [2]. Dieses Beispiel wurde gewählt, weil ein Großteil der Messungen mit<br />
einer 60 Co-Quelle durchgeführt werden.<br />
60 Co<br />
❍<br />
❍❍❍❍❍❍❍❥ 310 keV β− ❄<br />
❄<br />
1173 keV γ<br />
1332 keV γ<br />
Abbildung 2.1: Zerfallsschema von 60<br />
27Co. Das Nuklid zerfällt nach einer Halbwertszeit von 5,26<br />
Jahren über β−-Zerfall zu 60<br />
28Ni. Der angeregte Tochterkern strahlt γ-Strahlung<br />
in Form einer Kaskade zweier γ-Quanten mit Energien von 1173 keV und 1332<br />
keV ab.<br />
Trifft ein γ-Quant auf Materie, so tritt es mit einer gewissen Wahrscheinlichkeit mit<br />
dieser in Wechselwirkung. Die Wechselwirkung ist im Wesentlichen durch drei vorherr-<br />
schende Prozesse dominiert, den Photoeffekt, der Compton-Streuung und der Paarbil-<br />
dung. All diese Prozesse führen zur vollständigen oder teilweisen Übertragung der Energie<br />
der γ-Strahlung auf Elektronen.<br />
60 Ni
4<br />
Compton-Effekt<br />
Wird ein γ-Quant an einem geladenen Teilchen, zum Beispiel einem Elektron gestreut,<br />
so wird aufgrund der Energieerhaltung ein Teil der kinetischen Energie des γ-Quants auf<br />
das Elektron übertragen. Dadurch erhöht sich seine Wellenlänge um<br />
∆λ = h<br />
(1 − cos Θ). (2.3)<br />
mc<br />
Dabei bezeichnet Θ den Streuwinkel. Dieser Prozess wird als Compton-Effekt bezeichnet.<br />
Der Wirkungsquerschnitt der Compton-Steuung ist proportional zur Kernladungszahl Z.<br />
Paarbildung<br />
Unter der Paarbildung versteht man die Erzeugung eines Teilchen-Antiteilchen-Paares<br />
aus einem γ-Quant. Die Energie des Photons muss dabei mindestens der Summe der<br />
Ruhemassen der beiden erzeugten Teilchen entsprechen. Aufgrund von Energie- und Im-<br />
pulserhaltung ist dies nur bei Anwesenheit eines Kernes möglich, so dass zusätzlich die<br />
Rückstoßenergie auf den Kern betrachtet werden muss. Für die Bildung eines e − e + -Paares<br />
muss das γ-Quant also eine Mindestenergie von<br />
Eγ = 2mec 2<br />
<br />
1 + me<br />
M<br />
<br />
(2.4)<br />
tragen, wobei M die Masse des Kerns ist. Wird die Rückstoßenergie vernachlässigt, so<br />
beträgt die Mindestenergie, die das Photon zur Bildung eines e − e + -Paares benötigt, 1022<br />
keV. Der Wirkungsquerschnitt für die Annihilation des so erzeugten Positrons mit ei-<br />
nem Elektron ist am größten, wenn das Positron fast völlig abgebremst ist, so dass als<br />
Folge der Paarbildung zwei γ-Quanten mit einer Energie von 511 keV mit antiparalleler<br />
Bewegungsrichtung erzeugt werden. Verlässt eines oder beide dieser Teilchen das Detek-<br />
tormaterial undetektiert, so ist dies als Single oder Double Escape Peak im Spektrum<br />
sichtbar. Bei der Paarbildung ist der Wirkungsquerschnitt proportional zu Z 2 . Er steigt<br />
zusätzlich stark mit der Photonenenergie an; ab einer Energie von etwa 5 bis 10 MeV<br />
dominiert die Paarbildung die anderen Wechselwirkungsprozesse [3].<br />
Photoeffekt<br />
Trifft ein γ-Quant auf ein Atomelektron, so ionisiert es dieses und überträgt seine gesamte<br />
Energie auf das Photoelektron (Photoeffekt). Für γ-Strahlung genügend hoher Energie<br />
stammt das Photoelektron bevorzugt aus der am stärksten gebundenen K-Schale. Das<br />
Photoelektron trägt nach der Ionisation eine Energie von<br />
Ee− = hν − Eb<br />
(2.5)
wobei Eb die Bindungsenergie des Elektrons bezeichnet. Für γ-Strahlung niedriger Energie<br />
ist der photoelektrische Effekt der vorherrschende Prozess, der Wirkungsquerschnitt ist<br />
proportional zu E −3<br />
γ . Zudem steigt der Wirkungsquerschnitt mit der vierten bzw. fünften<br />
Potenz der Kernladungszahl Z, je nach Energie der γ-Strahlung [3].<br />
Diese Wechselwirkungen beeinflussen die Intensität der γ-Strahlung gemäß des Lambert-<br />
Beer-Gesetzes<br />
I(x) = I0 exp(−µx) (2.6)<br />
wobei I0 die Intensität des einfallenden Strahls, x die Dicke des Absorbers und µ der<br />
Absorptionskoeffizient des Materials ist. Die Energie der Photonen, die das Material wie-<br />
der verlassen, bleibt hingegen erhalten, anders als beispielsweise beim Durchgang von<br />
α-Strahlung durch Materie.<br />
2.2 HPGe-Detektoren, Signalerzeugung<br />
Aufgrund ihres sehr guten Energieauflösungsvermögens haben sich für die hochauflösen-<br />
de γ-Spektroskopie vornehmlich Germaniumdetektoren etabliert. Das Grundmodell eines<br />
Germaniumdetektors, insbesondere das eines HPGe-Detektors (High Purity Germanium<br />
Detector) ist eine in Sperrrichtung betriebene Halbleiterdiode mit einer hochohmigen<br />
Sperrschicht. Trifft im ladungsträgerverarmten Bereich des Kristalls ein γ-Quant auf das<br />
Halbleitermaterial, so kommt es durch den Photoeffekt zur Bildung eines Elektron-Loch-<br />
Paares und zur Anhebung des Elektrons vom Valenz- ins Leitungsband. Aufgrund der<br />
hohen Energie des γ-Quants, verglichen mit der Bandlücke, erhält das Elektron eine hohe<br />
kinetische Energie, so dass es viele weitere Elektron-Loch-Paare erzeugt. Die Anzahl der<br />
Elektron-Loch-Paare ist in sehr guter Näherung proportional zur Energie des γ-Quants.<br />
Damit die erzeugten Elektron-Loch-Paare nicht wieder rekombinieren, wird ein äußeres<br />
elektrisches Feld von typischerweise einigen 100 V/mm 2 an die Halbleiterdiode angelegt.<br />
Die Diode wird in Sperrrichtung betrieben. Somit wandern die positiven Ladungsträger<br />
in Richtung des p-dotierten und die negativen Ladungsträger in Richtung des n-dotierten<br />
Bereichs. Die Ladungsträger induzieren beim Driften eine zusätzliche, messbare Spannung<br />
an den Kontakten der Diode [4].<br />
Die gute Energieauflösung des Germaniumdetektors rührt von der relativ kleinen<br />
Bandlücke von 0,665 eV her [3]. Aufgrund dieser können durch thermische Anregung<br />
gemäß der Boltzmann-Verteilung Elektronen leicht vom Valenz- ins Leitungsband ange-<br />
hoben werden. Dieses thermische Rauschen kann minimiert werden, indem der Detektor-<br />
kristall gekühlt wird. Die Kühlung erfolgt mit flüssigem Stickstoff, der eine Temperatur<br />
von etwa 77 K besitzt. Der Stickstoff befindet sich in einem so genannten Dewar, der in<br />
thermischem Kontakt mit dem Detektor steht.<br />
Bei dem Detektor, der für Messungen dieser Arbeit verwendet wird, handelt es sich um<br />
5
6<br />
einen koaxialen GMX Series Gamma-X R○ HPGe-Detektor. Der Kristall besitzt einen<br />
Durchmesser von 51,6 mm und eine Länge von 55,0 mm. Das Datenblatt des Detektors<br />
gibt eine gemessene FWHM von 1,78 keV bei 1332 keV bei einer Shaping Time von 6 µs<br />
an. Diese Messung wurde im Jahr 1988 durchgeführt.<br />
Wird vom Detektormaterial ein γ-Quant der Energie Eγ absorbiert, so wird eine zu<br />
dieser Energie proportionale Ladung Qx = Eγ<br />
ε freigesetzt. ε ist eine Materialkonstante. In<br />
einem ladungssensitiven Vorverstärker wird durch einen Kondensator der Kapazität C,<br />
dem ein Widerstand R parallel geschaltet ist, die Ladung Q aufsummiert und eine Span-<br />
nung V = Q<br />
C<br />
= Eγ<br />
εC<br />
erzeugt [3, 5, 6]. Diese Spannung ist also proportional zur integrierten<br />
Ladung, zumindest so lange, wie der Anstieg des Signals schnell gegenüber der Zeitkon-<br />
stante τ = RC ist. Somit erhält man ein Spannungssignal, dessen Amplitude proportional<br />
zu der im Detektor deponierten Energie eines γ-Quants ist.<br />
2.3 Energieauflösung<br />
Die Energieauflösung ∆Etotal eines Germaniumdetektors setzt sich im Wesentlichen aus<br />
statistischen Fluktuationen der Ladungsträger, unvollständiger Ladungssammlung und<br />
elektronischem Rauschen zusammen [7, 3]:<br />
∆E 2 total = ∆E 2 stat + ∆E 2 charge + ∆E 2 electr.<br />
(2.7)<br />
Die Energieauflösung wird in dieser Arbeit, so wie in der Literatur üblich, als Halbwerts-<br />
breite (Full Width At Half Maximum) FWHM angegeben. Der Zusammenhang zwischen<br />
FWHM und Standardabweichung σ der Gaußverteilung lautet<br />
FWHM = 2, 35 · σ. (2.8)<br />
Wenn von einem wechselwirkenden γ-Quant im Durchschnitt N Ladungsträger erzeugt<br />
werden und dieser Prozess als Poisson-verteilt angenommen wird, so wird die intrinsische<br />
statistische Fluktuation der Ladungsträger durch √ N charakterisiert. Es zeigt sich jedoch,<br />
dass die Formationen der Ladungsträger von der Poisson-Statistik abweichen, also nicht<br />
unabhängig voneinander sind. Dieser Tatsache wird durch den so genannten Fano-Faktor<br />
F Rechnung getragen. Er ist der Quotient aus der beobachteten Varianz von N und der<br />
Varianz der Poisson-Verteilung. Da die Antwort eines HPGe-Detektors auf ein eintreffen-<br />
des γ-Quant in guter Näherung proportional zur Anzahl der erzeugten Ladungsträger ist,<br />
gilt für die Energie E = KN, wobei K der Proportionalitätsfaktor ist [3, 6]. Die minimale<br />
Energieauflösung ∆Emin aufgrund von statistischen Prozessen lässt sich daher schreiben
als<br />
∆Emin,P oisson = FWHM<br />
E<br />
= 2, 35K√ N √ F<br />
KN<br />
7<br />
= 2, 35√ F<br />
√ N . (2.9)<br />
In der Praxis wird die Energieauflösung durch zahlreiche Effekte beeinträchtigt. Den<br />
größten negativen Einfluss auf die Energieauflösung hat bei großen Detektoren die unvoll-<br />
ständige Ladungssammlung. Diese kann jedoch durch Verstärkung des angelegten elektri-<br />
schen Feldes verringert werden. Elektronisches Rauschen kann durch digitale Datenver-<br />
arbeitung deutlich reduziert werden [8], da das digitalisierte Vorverstärkersignal keinen<br />
thermischen Schwankungen mehr unterliegt.<br />
Ein weiterer Effekt, der sich negativ auf die Energieauflösung auswirkt, ist der so genannte<br />
Ballistic Deficit. Normalerweise entspricht die Dauer für den Anstieg eines Vorverstärker-<br />
Signals der Zeit für die Ladungssammlung des Detektors. Damit der Pulsformungsprozess<br />
die Amplitude des Vorverstärker-Signals nicht beeinträchtigt, muss die Shaping Time groß<br />
gegenüber der Dauer der Anstiegsflanke des Signals sein. Nun kann die Shaping Time nicht<br />
beliebig groß gewählt werden, da dies mit einer hohen Totzeit korreliert (vgl. Abschnitt<br />
2.4). Dadurch kann es dazu kommen, dass die Pulshöhe durch die Pulsformung niedri-<br />
ger ist, als sie es mit einer unendlich großen Shaping Time wäre. Diese Verringerung der<br />
Amplitude durch den Pulsformungsprozess wird Ballistic Deficit genannt [3, 9]. Je größer<br />
das Volumen des Detektors, desto stärker variiert die Zeit für die Ladungssammlung, da<br />
die γ-Quanten an unterschiedlichen Stellen im Detektor eintreffen und somit die ange-<br />
regten Elektronen unterschiedlich lange Strecke zu den Elektroden zurück legen müssen.<br />
Für großvolumige Detektoren ist also der Ballistic Deficit ein nicht zu vernachlässigender<br />
Faktor, der die Energieauflösung reduziert.<br />
Schließlich verfälschen so genannte Neutronenschäden die Messung. Treten Neutronen mit<br />
dem Detektorkristall in Wechselwirkung, so können sie die Gitterstruktur des Kristalls ge-<br />
ringfügig verändern. Dies führt durch die Bildung eines linken Tails zu einer Abweichung<br />
der spektroskopierten Energie-Peaks von der Gauß-Form, also zu einer größeren FWHM.<br />
2.4 Totzeit<br />
Bei der Analyse von Detektorsignalen muss beachtet werden, dass sowohl Mess- als auch<br />
Auswertungssystem eine gewisse Zeitauflösung besitzen, nach dem Eintreffen eines Er-<br />
eignisses also eine gewisse Zeit ˆτ vergeht, bis das System ein weiteres Signal verarbeiten<br />
kann. Diese Totzeit ˆτ setzt sich aus der limitierten Zeitauflösung des Detektors und der<br />
verarbeitenden Elektronik zusammen. In analogen Hauptverstärkern wird ein Kondensa-<br />
tor durch einen Spannungsimpuls geladen. Die Kondensatorspannung wird in konstanten<br />
Zeitintervallen abgetastet, bis sie auf Null abgesunken ist. Dadurch ist die Dauer für die<br />
Entladung proportional zur Spannungsamplitude des Signals [3, 9]. Während dieser Zeit,<br />
der Shaping Time - typischerweise einige µs - ist das System nicht empfänglich für ein
8<br />
neues Signal, wodurch sich eine hohe Totzeit ergibt. Digitale Systeme reduzieren diese<br />
Totzeit deutlich [5, 10]. Auf diesen Aspekt wird im nächsten Abschnitt eingegangen.<br />
Mit Hilfe der Intervallverteilung, der Wahrscheinlichkeitsverteilung für die zeitlichen Ab-<br />
stände zweier Ereignisse, lässt sich aus der gemessenen Zählrate zg die wahre Zählrate zw<br />
bestimmen: Da im Totzeitintervall keine Ereignisse registriert werden, verfälscht sich die<br />
Zählrate zu<br />
zw =<br />
zg<br />
. (2.10)<br />
1 − ˆτzg<br />
Daraus wird ersichtlich, dass aus einer größeren Shaping Time, welche mit einer größere<br />
Totzeit korreliert, die gemessene Zählrate deutlich von der wahren abweicht. Für eine<br />
Shaping Time von beispielsweise 35 µs bei einer gemessenen Zählrate von 16 kHz beträgt<br />
die wahre Zählrate etwa 36,4 kHz, es wird also nur etwa die Hälfte der stattgefundenen<br />
Ereignisse registriert.<br />
2.5 Digitale Elektronik<br />
Bei der digitalen Datenverarbeitung wird das Signal direkt nach Durchlaufen des Vor-<br />
verstärkers digitalisiert, um anschließend entweder online, also in Echtzeit oder offline<br />
am Computer ausgewertet werden zu können. Für die Digitalisierung wird das Vorver-<br />
stärkersignal mit einer bestimmten Frequenz abgetastet und der jeweilige Spannungswert<br />
gespeichert, das Signal wird also in der Zeit diskretisiert. Für die digitale Datenaufnahme<br />
wurde der Digitalisierer DGF-4C (Revision E) der Firma XIA verwendet. Im Folgenden<br />
wird kurz der grundlegende Aufbau dieses Moduls erläutern.<br />
2.5.1 Nyquist-Filter<br />
Bevor der Analog/Digital-Wandler (ADC) die Signale digitalisiert, werden durch einen<br />
speziellen Filter die hochfrequenten Anteile des Signals entfernt. Dies ist essentiell, da<br />
ein kontinuierliches, bandbegrenztes Signal mit einer Frequenz größer als der doppelten<br />
Maximalfrequenz des Signals abgetastet werden muss, damit aus dem zeitdiskreten Signal<br />
das Ursprungssignal beliebig genau approximiert werden kann:<br />
fabtast > 2fmax<br />
(2.11)<br />
Dies geht aus dem Nyquist-Shannon-Abtasttheorem hervor. Wenn nun allerdings hochfre-<br />
quente Schwingungen das Signal überlagern, ist diese Bedingung nicht mehr gegeben und<br />
es können Artefakte, auch Alias-Signale genannt, auftreten [11]. Daher werden in einem<br />
so genannten Nyquist-Filter, einem analogen Tiefpass, die hochfrequenten Signalanteile<br />
herausgefiltert. Die Abtastfrequenz wird dann so abgestimmt, dass die Nyquist-Bedingung<br />
erfüllt ist.
2.5.2 Pipeline-ADC<br />
Die Digitalisierung der Signale erfolgt durch einen Pipeline-ADC, den AD6644 Ana-<br />
log/Digital-Wandler der Firma Analog Devices [13]. Dieser erreicht durch das mehrfache<br />
Durchlaufen von Flash-ADCs eine deutlich höhere Genauigkeit als ein Flash-ADC bei ver-<br />
gleichbaren Sampling-Raten. Ein Flash-ADC, auch Parallel-Umsetzer genannt, benutzt<br />
eine Reihe von Komparatoren, jeder von ihnen mit einer Referenzspannung versorgt. Das<br />
analoge Signal wird nun mit Hilfe eines Spannungsteilers gleichzeitig von allen Kompara-<br />
toren mit Referenzgrößen verglichen. Wenn die Eingangsspannung die jeweilige Schwelle<br />
des Komparators übersteigt, so wird vom Encoder ein logisches Signal gesetzt. Für ein n-<br />
bit Signal sind 2 n − 1 Komparatoren, für ein 14-bit Flash-ADC also 16383 Komparatoren<br />
nötig. Trotz ihrer hohen Sampling-Rate im MHz- bis GHz-Bereich können Flash-ADCs<br />
daher nur eine vergleichsweise geringe Genauigkeit von bis zu 6 bit, also 64 Kanälen, lie-<br />
fern.<br />
Der Pipeline-ADC durchläuft drei Flash-ADCs. In jeder Stufe wird durch einen Flash-<br />
ADC mit einer Genauigkeit von 5 bit eine grobe Quantifizierung vorgenommen, dieser<br />
Wert durch einen Digital-Analog-Wandler (DAC) wieder in ein analoges Signal umgesetzt<br />
und von dem Eingangssignal abgezogen. Die Differenz zwischen der Eingangsspannung<br />
und der DAC-Spannung, Residuum-Spannung genannt, wird dann an die nächste Stufe<br />
weitergeleitet und von einem weiteren Flash-ADC mit Referenzspannungen verglichen.<br />
Die nächste Stufe ist durch einem Taktgeber mit der vorigen Stufe synchronisiert: Sobald<br />
das erste Signal in die zweite Stufe gelangt, wird in der ersten Stufe das nächste Signal<br />
verarbeitet [12]. Der Pipeline-ADC ist also einmalig mit einer so genannten Latenzzeit<br />
verzögert, operiert aber genau so schnell wie ein Flash-ADC. Die Geschwindigkeit des<br />
Wechsels der Stufe ergibt die Samplingrate des ADCs. Diese beträgt bei dem verwen-<br />
deten ADC 65 MHz. Die digitalen Outputs der einzelnen ADCs werden kombiniert und<br />
ergeben einen endgültigen digitalen Code [3, 13]. Abb. 2.2 zeigt das Blockdiagramm des<br />
vom DGF-4C verwendeten ADCs.<br />
Ein großer Vorteil des Pipeline-ADCs ist die deutliche Reduktion von Komparatoren.<br />
Beispielsweise benötigt ein 14 bit Pipeline-ADC mit zwei Flash-Stufen nur 2 7 −1+2 7 −1 =<br />
254 statt 2 14 − 1 = 16383 Komparatoren, die bei einem Flash-ADC nötig wären. Durch<br />
diese Pipeline-Methode erreicht der Analog/Digital-Wandler des DGF-4C (Revision E)<br />
eine Genauigkeit von 14 bit bei einer Sampling-Rate von bis zu 65 MHz [13].<br />
2.5.3 Real-Time Processing Unit (RTPU)<br />
Die Real-Time Processing Unit (RTPU) ist das Herzstück des Digitalisierers. In dieser<br />
wird die Filterung der Signale und die Pile-up-Erkennung durchgeführt. Die Daten der<br />
digitalisierten Signale werden kontinuierlich in einen FIFO-Puffer (First In - First Out)<br />
9
10<br />
Abbildung 2.2: Blockdiagramm des ADCs. Das analoge Input-Signal wird von einem “Trackand-Hold”<br />
(TH1) von einem 5 bit ADC digitalisiert (ADC1) und das digitalisierte<br />
Signal von einem 5 bit DAC in ein analoges Signal umgewandelt<br />
(DAC1). Der Output von DAC1 wird von der verzögerten Eingangsspannung<br />
(TH3) abgezogen. Diese Residuum-Spannung wird an die zweite Stufe weitergegeben<br />
(ADC2, DAC2 und TH4). Die Spannung, die TH5 erhält, ist die zweite<br />
Residuum-Spannung und wird durch einen letzten 6 bit ADC digitalisiert. Die<br />
digitalen Outputs der drei ADCs werden addiert und liefern nach dem Durchlaufen<br />
einer Fehler-Korrektur-Logik das Ausgangssignal. Bild entnommen aus<br />
[13].<br />
geschrieben, der über einen Speicherplatz von 100 µs verfügt [14]. Die digitalisierten Signa-<br />
le durchlaufen einen Field Programmable Gate Array (FPGA), einen programmierbaren<br />
Schaltkreis, welcher in Echtzeit digitale Filter auf das Signal anwendet. Zunächst wird<br />
hier die Baseline auf Null gesetzt und anschließend die Pulsform bearbeitet. Statt ein<br />
semi-gaußförmiges Signal zu formen, so wie bei analogen Filtern, ist der vom DGF-4C<br />
verwendete Filter ein Trapezfilter, welcher in Abschnitt 2.6.1 genauer erläutert wird. Des<br />
Weiteren ist die RTPU in der Lage, Pile-up zu erkennen: Wenn ein zweiter Puls dem<br />
vorherigen zu dicht folgt, so dass die Höhe des ersten Pulses nicht mehr korrekt bestimmt<br />
werden kann, so werden beide Signale verworfen. Darauf wird in Abschnitt 2.6.2 einge-<br />
gangen. Erst nachdem ein Puls die Pile-up-Untersuchung bestanden hat, wird ein Trigger<br />
erzeugt.<br />
Wenn ein Trigger erzeugt wird, stoppt der FIFO-Puffer die Speicherung und das Signal,<br />
das den Trigger ausgelöst hat wird aus dem Puffer geschrieben. Dabei wird der Daten-<br />
punkt, der zuerst im Puffer gespeichert wurde auch zuerst wieder ausgelesen (FIFO-<br />
Prinzip).<br />
2.5.4 Digital Signal Processor (DSP)<br />
Ein Digital Signal Processor (DSP) liest anschließend die Daten der RTPU aus, sobald ein<br />
Trigger auf ein Ereignis gesetzt wurde und schreibt diese in einen Speicher. Der DSP erhält<br />
also eine deutlich reduzierte Datenmenge, aus der er dann die gewünschten Informatio-
nen - Pulshöhe, Pulsform oder Zeitpunkt - rekonstruiert. Darin liegt einer der wichtigsten<br />
Unterschiede zu analogen Systemen: Dort wird ein Kondensator so lange geladen, bis das<br />
Signal seine maximale Amplitude erreicht hat. Anschließend entlädt sich der Kondensa-<br />
tor linear und ein (Wilkinson-) ADC zählt mit einem Taktgeber die Zeiteinheiten, die das<br />
Signal zum Abklingen benötigt. Denn diese Zeit ist aufgrund des linearen Abfalls propor-<br />
tional zur Pulshöhe. Während dieser Zeit, die typischerweise im Mikrosekunden-Bereich<br />
liegt, ist das System nicht empfänglich für ein neues Signal.<br />
Im DGF-4C werden von der RTPU die (bereits digitalen) Trapezhöhen gespeichert und<br />
nur vom DSP ausgelesen, wenn ein Signal eingetroffen ist. Der DSP bestimmt dann die<br />
Energie des Signals und erzeugt ein Spektrum. Dies muss nicht in Echtzeit erfolgen, da<br />
die RTPU fast ohne Unterbrechung mit der Auslese der Signale fortfahren kann und ge-<br />
triggerte Signale so lange speichert, bis der DSP bereit ist, ein neues Signal zu verarbeiten.<br />
Dadurch ist die Totzeit des Systems deutlich reduziert, was prinzipiell die Verarbeitung<br />
von höheren Zählraten im Vergleich zu analoger Elektronik ermöglicht. In dieser Tatsache<br />
liegt ein wesentlicher Vorteil digitaler Systeme begründet.<br />
Abschließend gelangen die Daten an ein CAMAC-Interface, das die Schnittstelle zu einem<br />
Computer darstellt. Abb. 2.3 zeigt ein Bild des DGF-4C-Moduls mit Beschriftung der<br />
wichtigsten Elemente.<br />
2.6 Digitale Filter und Pile-up Unterdrückung<br />
2.6.1 Trapezförmiger Filter<br />
In diesem Abschnitt wird vorgestellt, wie die Software des DGF-4C digitale Filter für<br />
Halbleiter-Detektoren realisiert. Wie bereits erläutert, ist die im Detektor erzeugte Span-<br />
nung proportional zu der im Detektor deponierten Energie des eingetroffenen γ-Quants.<br />
Es ist also das Ziel, einen möglichst genauen Wert für die Höhe des Signals zu erhalten,<br />
um ein Energiespektrum mit optimalem Signal/Rausch-Verhältnis zu erzeugen.<br />
Vom Standpunkt des Signal/Rausch-Verhältnisses allein gibt es im Prinzip einen optima-<br />
len Wert für die Shaping Time. In der Praxis müssen zusätzliche Forderungen wie eine<br />
gute Auflösung auch bei hohen Zählraten an die Auswertungselektronik gestellt werden,<br />
so dass die Shaping Time kürzer gewählt werden muss, als sie idealerweise wäre [15, 16].<br />
11
12<br />
Abbildung 2.3: Seitenansicht des DGF-4C (Rev. E). Beschriftet sind die wichtigsten Bestandteile<br />
des Digitalisierers. Das Modul verfügt über vier Kanäle, die simultan die<br />
Signale von vier Detektoren verarbeiten können.<br />
Betrachtet man nach einem sprunghaften Anstieg die abfallende Flanke des Signals in<br />
einem genügend kleinen Zeitabschnitt, kann sie als konstant angenommen werden. Eine<br />
Art, die Höhe des Signals zu erhalten, ist, den Durchschnitt der Datenpunkte vor dem<br />
Sprung von dem Durchschnitt der Datenpunkte nach dem Sprung abzuziehen. Es können<br />
zusätzlich Gewichtungsfaktoren Wi verwendet werden, um die Art des Durchschnitts zu<br />
verändern. Dadurch ergibt sich für ein Signal x die normierte Spannung Vx,k am Punkt k<br />
auf folgende Weise:<br />
Vx,k = <br />
i(nachher)<br />
WiVi − <br />
i(vorher)<br />
WiVi. (2.12)<br />
Wenn die i(nachher) lückenlos an die i(vorher) anschließen, entspricht Gl. (2.12) der<br />
Faltung zweier Rechteckfunktionen, welche die Dreieckfunktion ergibt [17]. Wird zusätz-<br />
lich die endliche Dauer der Anstiegsflanke berücksichtigt, so erhält man ein trapezförmiges<br />
Ausgangssignal.<br />
Werden für Datenpunkte nahe dem Sprung größere Gewichtungsfaktoren als für weiter
entfernte verwendet, so erhält man ein so genanntes “cusp-like” Signal 1 [5]. Dabei wird die<br />
Tatsache ausgenutzt, dass die Datenpunkte nahe dem Sprung mehr Informationen tragen<br />
als weiter entfernte Punkte. Wird zudem die Länge, über die gemittelt wird jeweils auf den<br />
Abstand zwischen zwei Pulsen gesetzt, statt sie konstant zu halten, wird ein zeitabhängi-<br />
ger Filter erzeugt. Mit diesem wird das beste Signal/Rausch-Verhältnis erreicht [18, 3, 15].<br />
Solch ein Verfahren ist aber sehr aufwendig und aufgrund der begrenzen Rechenleistung<br />
kaum in Echtzeit realisierbar. Mit analoger Technik ist dieses Verfahren nicht möglich, da<br />
die Shaping Time, welche der Länge, über die gemittelt wird, entspricht, konstant ist.<br />
Das Modul DGF-4C verwendet einen etwas modifizierten Ansatz, da es für die Ope-<br />
ration mit hohen Geschwindigkeiten optimiert ist. Hierbei werden die Wi gleich 1 gesetzt.<br />
Wenn G die Länge der Anstiegsflanke ist, wird für jedes Signal x ein Trapez auf folgende<br />
Weise berechnet [5]:<br />
LVx,k =<br />
k<br />
i=k−L+1<br />
Vi −<br />
k−L−G <br />
i=k−2L−G+1<br />
Vi<br />
13<br />
(2.13)<br />
Der Faktor L resultiert aus der Mittelwertbildung und k ist ein Index. Gl. (2.13) stellt<br />
für den Fall weißen, also gaußverteilten Rauschens die optimale Pulsform für HPGe-<br />
Detektoren dar, wenn neben der Optimierung des Signal/Rausch-Verhältnisses ebenfalls<br />
die Operation bei hohen Zählraten erreicht werden soll [19]. Gl. (2.13) gibt also unter<br />
diesen Bedingungen den besten Schätzer für die Pulshöhe. Da trapezförmige Filter von<br />
analoger Elektronik nicht realisiert werden können [20], ist die digitale Pulsfilterung in<br />
der Theorie der analogen Filterung überlegen.<br />
Die Anwendung eines solchen Filters auf das Signal eines γ-Quants ergibt ein Trapez<br />
mit Anstiegs- und Abfallzeit L, Plateau G und somit einer Länge von 2L + G [1]. Dies ist<br />
in Abbildung 2.4 zu erkennen.<br />
2.6.2 Pile-up-Erkennung<br />
Finden zwei Ereignisse in einem zu kurzen Zeitintervall statt, können diese nicht mehr<br />
getrennt verarbeitet werden und es kommt zu Pile-up [3]. Der nächste Puls wird dann<br />
erzeugt, bevor der vorige wieder auf die Baseline abgefallen ist. Somit entspricht die Höhe<br />
des zweiten Pulses nicht mehr der Energie des Teilchens, das den Puls ausgelöst hat. Bei<br />
hohen Zählraten steigt die Wahrscheinlichkeit, dass Pulse aufstocken, drastisch an; fast<br />
simultan zu einem Ereignis tritt ein nächstes auf. Es ist schwierig, aus Pile-up-Ereignissen<br />
die nötigen Energieinformationen der jeweiligen Signale zu ziehen, so dass diese Ereignisse<br />
in der Regel verworfen werden. Andernfalls können Artefakte wie Summationspeaks und<br />
1 Als “cusp-like” wird eine Funktion mit einer nicht stetig differenzierbaren Ableitung bezeichnet. Die<br />
Funktionen (c) und (f) in Abb. 5.1 sind Beispiele für cusp-like-Funktionen.
14<br />
Abbildung 2.4: Unverarbeitetes Signal und das Ergebnis des Trapezfilters auf das Signal.<br />
Die Länge L, über die dieDatenpunkte berücksichtigt wurden, entspricht der<br />
Anstiegs- und der Abfallflanke des Trapezes. Die Anstiegsflanke G des Signals<br />
entspricht der Länge des Plateaus. Bild entnommen aus [5].<br />
erhöhte Untergrund-Anteile entstehen.<br />
Ein neuartiges digitales Verfahrens [21] macht sich zunutze, dass bei stabilen Pulsen der<br />
durch Pile-up erzeugte Fehler der Pulsamplitude vollständig durch die Amplituden und<br />
Zeitstempel der benachbarten Pulse bestimmt ist. Durch die so genannte First Neighbour<br />
Approximation (FNA) lassen sich bei einer Zählrate bis zu (2τ) −1 die Pulsamplituden<br />
rekonstruieren.<br />
Im Rahmen dieser Arbeit kann keine Rekonstruktion von Pile-up-Signalen vorgenommen<br />
werden. Sobald ein Signal das vorige überlagert, werden beide Ereignisse verworfen.<br />
Um Pile-up zu erkennen, erzeugt der DGF-4C neben dem langsamen Filter für die<br />
Energiebestimmung einen schnellen Filter, der die Ankunft eines Signals erkennt. Dieser<br />
erzeugt ein trapezförmiges Signal mit einer typischen Länge von 0,1 µs. Die Länge des<br />
langsamen Filters beträgt etwa 1.2 µs 2 . Übersteigt die Höhe des schnellen Filters eine<br />
gewisse Schwelle, so wird ein Trigger erzeugt und ein langsamer Trapezfilter gestartet<br />
[16]. Dies hat einen entscheidenden Vorteil: Da die Anstiegszeit des schnellen Filters kurz<br />
gegenüber der Signallänge ist, tritt bei ihm in der Regel kein Pile-up auf. Es kann somit<br />
Pile-up im langsamen Kanal erkannt werden, indem ein gewisser Mindestabstand zwischen<br />
zwei schnellen Filtern gefordert wird. Dies wird durch Abb. 2.5 verdeutlicht. Dort ist eine<br />
2 Diese Werte können manuell eingestellt werden, siehe dazu Abschnitt 3.2.
Sequenz aus drei Pulsen und die Antwort des langsamen und schnellen Filters dargestellt.<br />
Zwischen Signal 1 und 2 liegt genügend Zeit, so dass der langsame Filter ein Trapez<br />
erzeugen kann. Die Signale 2 und 3 liegen so dicht beieinander, dass der langsame Filter<br />
keine voneinander getrennten Trapeze erzeugen kann. Der schnelle Filter vermag es, dieses<br />
Pile-up zu erkennen, und es werden auf die Signale 2 und 3 keine Trigger gesetzt.<br />
Abbildung 2.5: Pile-up-Erkennung des DGF-4C. Es ist eine Sequenz aus drei Pulsen und die<br />
Antwort des langsamen und schnellen Filters dargestellt. Bild entnommen aus<br />
[5].<br />
15
3 Datenaufnahme<br />
3.1 Aufnahme von Spektren mit analoger Technik<br />
Ziel dieses Abschnittes ist es, die Energieauflösung mit der analogen Technik zu unter-<br />
suchen. Dies ist essentiell, um eine Aussage über die Güte des digitalen Auswertungsver-<br />
fahrens treffen zu können. Um die optimale Energieauflösung zu erhalten, wurden drei<br />
Parameter variiert: Der Verstärkungsfaktor des Hauptverstärkers (Gain), die Zeitkon-<br />
stante (Shaping Time) τ und die Zählrate. Letztere wurde durch verschiedene Abstände<br />
zwischen Quelle und Detektor variiert.<br />
Der verwendete lineare Hauptverstärker ist der “671 Spectroscopy Amplifier” der<br />
Firma Ortec [22]. Bei diesem lässt sich sowohl ein semi-gaußförmiger als auch ein dreiecki-<br />
ger Filter einstellen. Es wurde ein semi-gaußförmiger Filter gewählt. Des Weiteren lässt<br />
sich die Zeitkonstante (Shaping Time) und die Verstärkung (Gain) einstellen. Die Verstär-<br />
kung ist durch eine Kombination aus einem groben und einem feinen Verstärkungsfaktor<br />
regelbar; das Produkt aus beiden ergibt die gesamte Verstärkung. Die Erzeugung der<br />
Energiespektren aus den bearbeiteten Signalen erfolgt mit einem Multi-Channel-Analyser<br />
(MCA), der von der Elektronik-Abteilung des Instituts gefertigt wurde.<br />
Auf die genaue Funktionsweise der analogen Elektronik kann im Rahmen dieser Arbeit<br />
nicht weiter eingegangen werden. Für Informationen zu dem Thema sei auf [3] und [9]<br />
verwiesen.<br />
Zunächst wird die Abhängigkeit der FWHM von der Zählrate untersucht. Bei einem<br />
Verstärkungsfaktor von 7,5 und einer Zeitkonstanten von 6 µs wird die Zählrate durch<br />
Veränderung des Abstandes d zwischen Quelle und Detektor variiert. Wie in Tabelle 3.1<br />
zu erkennen ist, ist in dem untersuchten Bereich bis zu 10,5 kHz die Auflösung nahezu<br />
unabhängig von der Zählrate. Der Einfluss der Zählrate auf die Energieauflösung ist daher<br />
vernachlässigbar.<br />
Um die FWHM auch für höhere Zählraten zu untersuchen, wird zusätzlich zur 60 Co-<br />
Quelle eine 56 Co-Quelle vor dem Detektor positioniert. Bei allen Spektren ab einer Zähl-<br />
rate von etwa 12 kHz treten Artefakte auf. Zu jedem Peak tritt jeweils in einem festen<br />
Abstand vom Peak bei niedrigeren Energien eine neue Linie auf. Abb. 3.1 zeigt ein nor-<br />
males Spektrum von 60 Co und 56 Co bei einer gemessenen Zählrate von 10,1 kHz (rot) und<br />
ein Spektrum bei einer Zählrate von 16 kHz (grün). Beide Spektren sind, abgesehen von<br />
einem unterschiedlichen Abstand zwischen Quelle und Detektor, unter gleichen Bedingun-<br />
gen durchgeführt. Für verschiedene Verstärkungsfaktoren verändert sich dieser Abstand.<br />
Eine Erklärung für dieses Phänomen kann nach jetzigem Stand nicht gegeben werden;<br />
dessen Analyse ist nicht Gegenstand dieser Arbeit. Vermutlich sind diese Artefakte auf<br />
17
18<br />
d [cm] Zählrate [kHz] FWHM [keV]<br />
1 10,50 2,177(11)<br />
2 8,09 2,132(12)<br />
3 6,07 2,090(13)<br />
4 5,12 2,057(11)<br />
5 4,13 2,041(11)<br />
6 3,37 2,076(11)<br />
7 3,02 1,913(10)<br />
8 1,98 2,132(12)<br />
10 1,70 2,060(12)<br />
15 0,99 2,030(14)<br />
Tabelle 3.1: Messung der Auflösung in Abhängigkeit der Zählrate (durch Variation des Abstandes<br />
d zwischen Quelle und Detektor) bei einer Verstärkung von 7,5 und einer Shaping<br />
Time von 6 µs. Die Angabe der FWHM bezieht sich auf die 1332 keV-Linie<br />
von 60 Co.<br />
elektronische Weise durch den Vorverstärker verursacht.<br />
Anzahl<br />
18000<br />
16000<br />
14000<br />
12000<br />
10000<br />
8000<br />
6000<br />
4000<br />
2000<br />
0<br />
0 2000 4000 6000 8000 10000 12000<br />
Kanalzahl [Skt.]<br />
Abbildung 3.1: Spektren von 60 Co und 56 Co bei einer gemessenen Zählrate von 10,1 kHz (rot)<br />
und 16,0 kHz (grün). Das Auftreten zusätzlicher Linien bei einer höheren Zählrate<br />
ist deutlich zu erkennen.<br />
Es werden anschließend für eine 60 Co-Quelle Spektren bei verschiedenen Werten der<br />
oben genannten Parameter aufgenommen und die FWHM bestimmt. Die Ergebnisse der
Messungen sind in Tabelle 3.2 aufgelistet. Im oberen Teil der Tabelle ist zu erkennen, dass<br />
die beste Auflösung bei einer Zeitkonstante von 6 µs erreicht wird. Daher wird anschlie-<br />
ßend für eine feste Zeitkonstante von 6 µs die Verstärkung variiert. Das beste Resultat,<br />
eine FWHM der 1332 keV-Linie von 1,867(9) keV wird mit einem Verstärkungsfaktor von<br />
30,0 erreicht.<br />
Ab einem Verstärkungsfaktor von etwa 35 werden die Spektren fehlerhaft; es tritt nur<br />
noch ein bzw. gar kein Full-Energy-Peak auf. Wenn das Produkt aus Amplitude des<br />
Vorverstärker-Signals und Verstärkung des Hauptverstärkers einen vom Hauptverstärker<br />
abhängigen Schwellenwert übersteigt, der Verstärker also gesättigt ist, wird die Pulshöhe<br />
nicht mehr korrekt dargestellt. Die sonst gaußförmigen Pulse erhalten ein Plateau bei der<br />
Amplitude, ab der die Sättigung des Verstärkers eintritt. Dieses Phänomen wird Clipping<br />
genannt. Somit verliert der Verstärker seine Linearität und die Energien der γ-Quanten<br />
werden nicht korrekt wiedergegeben.<br />
Verstärkung Shaping Time [µs] FWHM [keV]<br />
11,2 0,5 5,331(28)<br />
11,2 1 2,922(16)<br />
11,2 2 2,150(11)<br />
11,2 3 2,137(11)<br />
11,2 6 1,888(8)<br />
11,2 10 1,925(9)<br />
2,5 6 2,514(11)<br />
4,0 6 2,112(12)<br />
5,0 6 2,101(11)<br />
5,5 6 2,037(11)<br />
5,6 6 2,006(10)<br />
6,5 6 2,030(10)<br />
7,5 6 1,913(10)<br />
22,4 6 1,879(6)<br />
25,0 6 1,882(10)<br />
30,0 6 1,867(9)<br />
31,0 6 1,972(10)<br />
40 6 -<br />
56 6 -<br />
Tabelle 3.2: Messung der Auf lösung in Abhängigkeit von Shaping Time und Verstärkung bei<br />
einer Zählrate von ca. 3,2 kHz. Die Angabe der FWHM bezieht sich auf die 1332<br />
keV-Linie von 60 Co.<br />
19
20<br />
3.2 Aufnahme von Spektren mit dem DGF-4C<br />
In diesem Abschnitt wird untersucht, ob mit dem von XIA implementierten Trapezfil-<br />
ter, der in Abschnitt 2.6.1 beschrieben wurde, vergleichbare oder gar bessere Energie-<br />
auflösungen erreicht werden können als mit der analogen Methode. Dazu wird das Modul<br />
DGF-4C im MCA-Modus (Multi Channel Analyzer) betrieben. In diesem Modus spei-<br />
chert der DSP nicht die gesamten Datenmengen, sondern berechnet online die Energien<br />
der einzelnen Signale, um daraus ein Energiespektrum zu erzeugen. Eine solche Messung<br />
kann mit dem Befehl mb_mca gestartet werden.<br />
Mit dem Befehl mb_dgf_config lässt sich eine graphische Oberfläche öffnen, mit der sich<br />
diverse Parameter für die Datenaufnahme einstellen lassen. Für die Energieauflösung sind<br />
folgende Parameter relevant: die Zeitkonstante τ, die Anstiegsdauer des Trapezes tp (slow<br />
filter peaking time) und die Länge des Plateaus tg (slow filter gap time) [5, 16].<br />
Im Rahmen dieser Arbeit wird untersucht, wie sich die Wahl der oben genannten Pa-<br />
rameter auf die Energieauflösung auswirkt. Dazu wird das Programm mb_scan_tau.c<br />
verwendet und so modifiziert, dass eine automatisierte Datenaufnahme Spektren in Ab-<br />
hängigkeit von τ, tp und tg aufnimmt. Das Ausleseprogramm wird für die Variation von<br />
tg mit der Syntax ./mb_scan_tau < tau-anfang tau-step tau-ende gap-anfang gap-step<br />
gap-ende > und analog, durch leichte Modifikation des Programms, für die slow filter<br />
peaking time aufgerufen. Dadurch werden Start- und Endwert sowie Intervall von τ und<br />
tg bzw. tp definiert. Die Eichung der so erzeugten Spektren wird mit dem Programm tv<br />
und einem Skript, das die Eichungen automatisiert, durchgeführt.<br />
Das Ergebnis der Messungen bei Variation von τ und tg ist in Abb. 3.2 zu sehen. Es ist tg<br />
gegen τ aufgetragen. Die Farbe als dritte Dimension zeigt die dadurch erreichte Auflösung<br />
FWHM in keV, bezogen auf die 1332 keV-Linie von 60 Co. Man kann erkennen, dass sich<br />
die Auflösung mit größerem τ verbessert, jedoch weitestgehend unabhängig von tg ist. Die<br />
leichten Unterschiede in der Auflösung bei festem τ sind auf statistische Fluktuationen<br />
zurückzuführen.<br />
In Abb. 3.3 und 3.4 ist die FWHM in Abhängigkeit von τ und tp dargestellt. Die<br />
peaking time tp ist laut DGF-Handbuch [5] der wichtigste Parameter zur Optimierung<br />
der Energieauflösung. Wie in Abb. 3.3 zu erkennen ist, ist die Auflösung für tp < 12µs<br />
deutlich schlechter (bis zu 6 keV) als für größere tp, von dort an aber relativ unabhängig<br />
von tp. Diese Erkenntnis wird bestätigt von [16]. Wie ein kleinerer Ausschnitt von Abb.<br />
3.3 zeigt (Abb. 3.4), wird die beste Auflösung für ein τ zwischen 57 und 58 µs erreicht.<br />
Die beste Auflösung wird mit den Parametereinstellungen τ = 58, 0µs und tp = 15, 5µs<br />
erreicht zu<br />
FWHM = 1.948(33) keV
slow filter gap time tg [µs]<br />
1.4<br />
1.3<br />
1.2<br />
1.1<br />
1<br />
0.9<br />
0.8<br />
0.7<br />
0.6<br />
0.5<br />
46 48 50 52 54<br />
τ [µs]<br />
2.8<br />
2.75<br />
2.7<br />
2.65<br />
2.6<br />
2.55<br />
2.5<br />
2.45<br />
2.4<br />
2.35<br />
2.3<br />
Abbildung 3.2: FWHM (bezogen auf die 1332 keV-Linie von 60 Co) in Abhängigkeit von τ und<br />
tg bei festem tp = 13µs. Die FWHM (in keV) ist als Farbe dargestellt und steigt<br />
von dunkelblau nach gelb an.<br />
Slow filter peaking time tp [µs]<br />
24<br />
22<br />
20<br />
18<br />
16<br />
14<br />
12<br />
10<br />
50 52 54 56 58 60<br />
τ [µs]<br />
Abbildung 3.3: FWHM (bezogen auf die 1332 keV-Linie von 60 Co) in Abhängigkeit von τ und<br />
tp bei festem tg = 1µs. Die FWHM (in keV) ist als Farbe dargestellt und steigt<br />
von dunkelblau nach gelb an.<br />
3.3 Aufnahme von Traces mit dem DGF-4C<br />
Mit dem DGF-4C werden einzelne Signale im List Mode Run aufgenommen. Dabei wer-<br />
den im Wesentlichen die getriggerten Signale des Vorverstärkers digitalisiert (vgl. Ab-<br />
schnitt 2.5) und in eine Datei geschrieben. Weder Pile-up-Untersuchung noch Filterung<br />
8<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
21
22<br />
Slow filter peaking time tp [µs]<br />
24<br />
22<br />
20<br />
18<br />
16<br />
14<br />
12<br />
54 55 56 57 58 59 60<br />
τ [µs]<br />
Abbildung 3.4: Ausschnitt aus Abbildung 3.3.<br />
des Signals werden vorgenommen. Wird von der RTPU ein Trigger auf ein Signal gesetzt,<br />
werden aus dem FIFO-Puffer 4000 Datenpunkte geschrieben, und zwar so, dass etwa 300<br />
Datenpunkte Untergrundrauschen aufgezeichnet werden, bevor ein Spannungsimpuls ein-<br />
trifft. Eine Ansammlung von solchen zu einem Signal gehörenden Datenpunkten wird<br />
Trace genannt. Ein Beispiel einer solchen Trace ist in Abb. 3.5 links zu erkennen. Die<br />
Abbildung zeigt den Verlauf der Spannung U des Vorverstärkers mit der Zeit t. Beide<br />
Größen werden im Folgenden in Skalenteilen (Skt.) angegeben, wobei die Zeit in Einhei-<br />
ten der Sampling-Periode gemessen wird. Da der ADC eine Sampling-Frequenz von 40<br />
MHz besitzt, entspricht eine Trace mit 4000 Datenpunkten einer Zeit von 100 µs. Die<br />
Anstiegsflanke eines Signals beträgt mit ca. 6 Datenpunkten einer Zeit von etwa 150 ns.<br />
Die Dauer der Anstiegsflanke variiert von Signal zu Signal leicht.<br />
Die Messungen werden mit einer 56 Co zusammen mit einer 60 Co-Quelle durchgeführt. Die<br />
stärksten Linien von 56 Co liegen bei 847 keV und 1238 keV [2]. Im Folgenden beziehen<br />
sich die Angaben der FWHM auf diese beiden Linien.<br />
In Abb. 3.5 (links) ist zu erkennen, dass das Signal nach dem Anstieg zunächst steil<br />
abfällt, bevor sich ein langsamer exponentieller Abfall einstellt. Dieser sogenannte Over-<br />
shoot ist ein Artefakt des Vorverstärkers und verfälscht die Amplitude des Signals, so dass<br />
der lineare Zusammenhang zwischen Pulshöhe und der von einem γ-Quant im Detektor<br />
deponierten Energie nicht mehr gewährleistet ist.<br />
Im rechten Bild von Abb. 3.5 sind drei verschiedene Traces abgebildet, zwei Traces<br />
mit je einem Signal und eine Trace mit zwei dicht aufeinander folgenden Signalen, die<br />
vom Auswertungssystem als ein Signal behandelt werden (Pile-up).<br />
3<br />
2.9<br />
2.8<br />
2.7<br />
2.6<br />
2.5<br />
2.4<br />
2.3<br />
2.2<br />
2.1<br />
2<br />
1.9
U [Skt.]<br />
2500<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
Signal<br />
-500<br />
0 500 1000 1500 2000<br />
t [Skt.]<br />
2500 3000 3500 4000<br />
U [Skt.]<br />
30000<br />
25000<br />
20000<br />
15000<br />
10000<br />
5000<br />
0<br />
−5000<br />
0 500 1000 1500 2000<br />
t [Skt.]<br />
2500 3000 3500 4000<br />
Abbildung 3.5: Digitalisierte Vorverstärkersignale. Die Baseline ist auf Null gesetzt. Links:<br />
eine Trace. Rechts: Zwei Signale mit unterschiedlicher Spannungsamplitude<br />
sowie zwei dicht aufeinanderfolgende Signal, die vom System als ein Signal<br />
behandelt werden (Pile-up).<br />
Ziel der Auswertung der Traces ist es, wie bereits erwähnt, die Amplitude jedes Signals so<br />
zu bestimmen, dass sie möglichst genau der im Halbleiterdetektor freigesetzten Ladung<br />
und somit der Energie des jeweiligen γ-Quants entspricht.<br />
Die gesampelten Datenpunkte werden in eine Datei geschrieben, wobei alle Daten-<br />
punkte einer Trace in eine Zeile geschrieben werden. Diese Textdatei wird zunächst aus<br />
Geschwindigkeitsgründen mit dem Programm traces2bin in Binärformat konvertiert und<br />
die Länge, also die Anzahl der Datenpunkte der jeweiligen Trace, ermittelt. Diese wird<br />
im Folgenden mit n bezeichnet. Die Daten werden für jede Trace in ein Feld (engl. Array)<br />
geschrieben. Mit Hilfe eines Feldes können Daten eines Datentyps geordnet im Speicher<br />
des Computers abgelegt werden, so dass jeder Datenpunkt über einen Index i ansprechbar<br />
ist [23]. Der Inhalt des i-ten Elements des Feldes wird im Folgenden mit buf[i] bezeich-<br />
net. Die Zählung beginnt bei Null, das heißt, auf das erste Element wird mit dem Index<br />
0 zugegriffen. Das erste Element des Feldes (buf[0]) enthält den Text aabbccdd. Dies<br />
dient zur Überprüfung der korrekten Umwandlung in das Binärformat. Im zweiten Ele-<br />
ment (buf[1]) steht die Länge des Feldes, n + 2. Das dritte Element (buf[2]) gibt die<br />
Spannung des Signals zur Zeit t = 0 und buf[i] die Spannung zur Zeit t = i + 2 an.<br />
23
4 Algorithmen zur Pulshöhenanalyse<br />
4.1 Allgemeines Verfahren<br />
In Abschnitt 3.2 wurden im Echtzeit-Modus Spektren mit Hilfe des von XIA implemen-<br />
tierten Trapez-Algorithmus’ erzeugt und die daraus resultierende Energieauflösung un-<br />
tersucht. Die beste FWHM, die damit erreicht werden konnte, betrug 1,945(33) keV bei<br />
einer Energie von 1332 keV. Da die Inkrementierung des Spektrums online erfolgt, ist der<br />
dabei verwendete Trapez-Filter relativ simpler Natur (vgl. Abschnitt 2.6).<br />
Es soll nun mit verschiedenen Ansätzen untersucht werden, ob sich die Energieauflösung<br />
verbessern lässt, wenn die Vorverstärker-Signale digitalisiert, gespeichert und offline digi-<br />
tale Filter auf die Signale angewendet werden. Dadurch werden auch rechenzeit-intensivere<br />
Algorithmen realisierbar. Natürlich muss es das Ziel jeder digitalen Verarbeitungsmethode<br />
sein, auch in Echtzeit betrieben werden zu können. Im Rahmen dieser Arbeit soll jedoch<br />
die prinzipielle Realisierbarkeit und Qualität bezüglich der Energieauflösung untersucht<br />
werden. Die dazu verwendeten Algorithmen werden in C++ implementiert.<br />
Listing 1 in Anhang A.1 zeigt das Grundgerüst für die Programme, die in den folgenden<br />
Abschnitten präsentiert werden.<br />
Aufgrund der Eigenschaften des Vorverstärkers ist das Signal zu höheren Spannungen<br />
hin verschoben. Daher muss zu Beginn der Analyse einer Trace die Baseline auf Null ge-<br />
setzt werden. Dazu wird von den ersten 200 Datenpunkten das arithmetische Mittel gebil-<br />
det und von jedem Datenpunkt dieser Mittelwert subtrahiert: buf[i] = buf[i] - mean.<br />
Dies ist gerechtfertigt, weil angenommen werden kann, dass das Untergrundrauschen weiß,<br />
also gaußverteilt ist. Es ist auch möglich, den Untergrund nicht als konstant anzunehmen,<br />
sondern für ihn eine Funktion z(x) = a3+b3x anzusetzen und dann von jedem Datenpunkt<br />
die Funktion an dieser Stelle zu subtrahieren. Eine Analyse hat jedoch gezeigt, dass dies<br />
deutlich schlechtere Energieauflösungen liefert.<br />
Der nächste Schritt ist die Pile-up-Unterdrückung. Für die Verwerfung von Pile-up-<br />
behafteten Traces werden zunächst Anfangs- und Endpunkt der Anstiegsflanke, α und β<br />
genannt, berechnet. Da für alle Traces die Anstiegsflanke bei etwa i = 300 beginnt, wird<br />
in diesem Bereich überprüft, ob die Differenz zweier benachbarter Punkte einen gewissen<br />
Schwellenwert übersteigt. Für den ersten Punkt i, für den dies zutrifft wird alpha=i<br />
gesetzt. Analog wird das Ende der Anstiegsflanke bestimmt:<br />
1 int alpha = 0 , beta = 0 ;<br />
2 f o r ( i = 2 0 0 ; i < 4 0 0 ; i ++){<br />
3 int d i f f 2 = buf [ i +1] − buf [ i ] ;<br />
4 // Wenn d i e D i f f e r e n z z w i s c h e n einem Punkt und dem Nächsten g r ö ß e r a l s 100 i s t ,<br />
5 // s e t z t e d i e s e n Punkt a l s alpha und beende d i e S c h l e i f e<br />
6 i f ( d i f f 2 > 100){<br />
7 alpha = i ;<br />
25
26<br />
8 break ;<br />
9 }<br />
10 }<br />
11 f o r ( i = alpha ; i < alpha +100; i ++){<br />
12 int d i f f 3 = buf [ i +1] − buf [ i ] ;<br />
13 // Wenn d i e D i f f e r e n z z w i s c h e n einem Punkt und dem Nächsten k l e i n e r a l s 100 i s t ,<br />
14 // s e t z t e d i e s e n Punkt a l s beta und beende d i e S c h l e i f e .<br />
15 // Dadurch wird der Endpunkt der A n s t i e g s f l a n k e e r k a n n t .<br />
16 i f ( d i f f 3 < 100){<br />
17 beta = i ;<br />
18 break ;<br />
19 }<br />
20 }<br />
Das Verwerfen von Signalen mit Pile-up kann nun durch eine einfache Methode rea-<br />
lisiert werden. Das Eintreffen eines plötzlichen Anstiegs der Datenpunkte in einer Trace<br />
wird durch die Punkte alpha und beta gekennzeichnet. Durch die Forderung, dass nach<br />
Zeitpunkt beta die Differenz zweier Punkte einen vom Benutzer festgelegten Schwel-<br />
lenwert nicht überschreitet, kann Pile-up erkannt werden. Um Traces, in denen Pile-up<br />
auftritt, zu verwerfen, kann von einer Booleschen Variablen 3 Gebrauch gemacht werden.<br />
Diese wird pileup genannt und kann die Werte true und false annehmen. Zu Beginn<br />
des Programms wird sie auf false gesetzt und die Auswertung der Daten einer Trace nur<br />
fortgesetzt, wenn pileup==false erfüllt ist. Wird durch die beschriebene Routine Pile-up<br />
erkannt, wird pileup=true gesetzt, diese Trace also nicht weiter bearbeitet:<br />
1 bool p i l e u p = f a l s e ;<br />
2 int d i f f , int n=4000; // n = Länge der Trace<br />
3 double beta ; // Endpunkt der A n s t i e g s f l a n k e<br />
4 f o r ( i = beta ; i < n ; i ++) {<br />
5 d i f f = ( buf [ i +1] − buf [ i ] ) ;<br />
6 // Wenn h i n t e r der e r s t e n A n s t i e g s f l a n k e e i n e w e i t e r e e i n t r i t t , s e t z e p i l e u p=t r u e<br />
7 i f ( d i f f > 100){<br />
8 p i l e u p = true ;<br />
9 break ;<br />
10 }<br />
11 }<br />
12 // Nur wenn p i l e u p==f a l s e , f a h r e mit der V e r a r b e i t u n g f o r t<br />
13 i f ( p i l e u p == f a l s e ){<br />
14 // H i e r f o l g t d i e V e r a r b e i t u n g der Traces<br />
15 }<br />
Neben dem Auftreten von zwei Signalen in einer Trace kommt es vor, dass in einer<br />
Trace ein Signal beginnt, obwohl das vorige Signal noch nicht auf die Baseline abgefallen<br />
ist. Dies macht sich über eine nicht-konstante Baseline bemerkbar. Um dies zu verhindern,<br />
kann gefordert werden, dass die Baseline, welche durch Mittelwertbildung bestimmt wur-<br />
de, eine gewisse Standardabweichung des Mittelwerts nicht überschreiten darf. Des Wei-<br />
teren kommt es gelegentlich vor, dass ein Signal zunächst abfällt und anschließend wieder<br />
leicht ansteigt. Da solche Signale keinen exponentiellen Abfall über die gesamte Abstiegs-<br />
flanke zeigen, werden solche Traces ebenfalls verworfen. Die letzte Art unerwünschter<br />
Signale sind solche, die unter die Baseline abfallen. Diese Verwerfungsmethoden werden<br />
folgendermaßen durchgeführt:<br />
1 double sd = 0 ; // s t a n d a r d d e v i a t i o n<br />
2 f o r ( i = 0 ; i
3 sd = sd + pow ( 1 . ∗ ( buf [ i ] ) − mean , 2 ) ; // Berechne d i e Standardabweichung der Punkte b i s i=alpha<br />
4 }<br />
5 sd = s q r t ( sd / ( alpha − 1 ) ) ;<br />
6 i f ( sd > 45) p i l e u p = true ; // Verwerfe S i g n a l e , d i e e i n e n i c h t −k o n s t a n t e B a s e l i n e b e s i t z e n<br />
7 i f ( buf [ 1 0 0 0 ] < buf [ 3 0 0 0 ] ) p i l e u p=true ; // Verwerfe S i g n a l e , d i e mit d er Z e i t w i e d e r a n s t e i g e n<br />
8 i f ( 1 . ∗ buf [ 3 9 0 0 ] − mean < 0) p i l e u p=true ; // Verwerfe S i g n a l e , d i e u n t e r N u l l a b f a l l e n<br />
9 // Zur b e s s e r e n Ü b e r s i c h t wurde auch h i e r d i e b o o l s c h e V a r i a b l e " p i l e u p " verwendet ,<br />
10 // auch wenn e s s i c h n i c h t um P i l e −up h a n d e l t .<br />
Es muss darauf hingewiesen werden, dass die verwendeten Zahlenwerte meiner Mes-<br />
sung angepasst sind. Für andere Messungen müssen diese gegebenenfalls verändert wer-<br />
den.<br />
Nach diesen Schritten kann nun mit verschiedenen Methoden die Höhe der Signale be-<br />
stimmt werden. Diese Methoden werden in den folgenden Abschnitten erläutert.<br />
4.2 Flächen-Methode<br />
Diese erste einfache Methode macht sich zu Nutze, dass die Fläche unter dem Signal pro-<br />
portional zu der von einem γ-Quant im Detektor deponierten Energie ist. Nachdem die<br />
Baseline auf Null gesetzt und Pile-up-Ereignisse aussortiert wurden, werden vom Start-<br />
punkt der Anstiegsflanke α an alle buf[i] summiert:<br />
1 double sum = 0 . 0 ;<br />
2 f o r ( i = alpha ; i < n ; i ++){<br />
3 sum = sum + buf [ i ] ; // Berechne d i e Summe der Datenpunkte<br />
4 }<br />
5 sum = sum / 1 0 0 0 0 ; // T e i l e d i e Summe durch 10000 ( w i c h t i g f ü r w e i t e r e V e r a r b e i t u n g der Ausgabe )<br />
6 p r i n t f ( "\% l f \n" , sum ) ; // Ausgabe von sum<br />
Wie aus der Ausgabe ein Spektrum erstellt wird, ist in Anhang A.3 erläutert.<br />
Mit diesem Verfahren wird lediglich eine FWHM von 3,87(11) keV bei einer Energie<br />
von 846,7 keV erreicht. Die Auflösung lässt sich geringfügig verbessern, wenn die Daten-<br />
punkte nicht bis zum Ende einer Trace sondern nur bis etwa i = 2500 addiert werden.<br />
Damit kann eine FWHM von 3,03(12) keV bei einer Energie von 846,7 keV und 3,57(18)<br />
keV bei einer Energie von 1238 keV erreicht werden. Eine genauere Untersuchung der<br />
FWHM in Abhängigkeit der Anzahl der Datenpunkte, welche zur Berechnung benutzt<br />
werden, wird in den nächsten Abschnitten vorgenommen.<br />
Ein mögliche Grund für die nicht zufrieden stellende Auflösung kann nicht-gaußverteiltes<br />
Rauschen sein, welches die Fläche unter dem Signal verfälscht. Außerdem fallen die Signale<br />
nicht bis auf Null ab, sondern sind verkürzt. Dadurch kann ebenfalls die Energieinforma-<br />
tion des Signals verfälscht werden.<br />
4.3 Schnittpunkt-Methode<br />
In den folgenden drei Ansätzen wird die Amplitude P des Signals gesucht, die die Energie<br />
des jeweiligen γ-Quants am besten repräsentiert, so dass eine möglichst geringe FWHM<br />
und ein möglichst gutes Signal-Rausch-Verhältnis erreicht wird. Dies ist keine triviale<br />
27
28<br />
Aufgabe, denn es muss berücksichtigt werden, dass der Overshoot als Artefakt des Vor-<br />
verstärkers die Amplitude des Signals zu größeren Werten hin verfälscht.<br />
Die erste hier untersuchte Möglichkeit ist es, Kurven durch die Anstiegs- und Ab-<br />
stiegsflanke zu fitten und deren Schnittpunkt zu berechnen. Zunächst wird durch linea-<br />
re Regression eine Gerade durch den Anstiegsflanke gefittet. Dadurch wird der nicht-<br />
verschwindenden Dauer der Ladungssammlung im Detektor Rechnung getragen. Sei<br />
g(x) = a2 + b2x der erwartete lineare Zusammenhang, dem die Messpunkte des ansteigen-<br />
den Astes folgen. Die Regressionsgerade berechnet sich allgemein durch die Minimierung<br />
der Residuen (Methode der kleinsten Fehlerquadrate):<br />
Q(a, b) =<br />
n <br />
yi − g(x) 2 =<br />
i=1<br />
n<br />
(yi − axi − b) 2 = minimal (4.1)<br />
Es muss also Q(a, b) partiell nach a und b abgeleitet und gleich Null gesetzt werden.<br />
Daraus ergibt sich<br />
und<br />
b =<br />
i=1<br />
a = ¯y − b¯x (4.2)<br />
1 n<br />
n i=1 xiyi − ¯x¯y<br />
s2 , (4.3)<br />
x<br />
wobei ¯x der Mittelwert der xi, ¯y der Mittelwert der yi und s 2 x die Standardabweichung<br />
bezeichnet [17].<br />
Die Abstiegsflanke, die in guter Näherung exponentiell ist, wird in der Nähe der An-<br />
stiegsflanke durch Logarithmieren linearisiert und analog zu oben eine Regressionsgerade<br />
berechnet (vgl. Listing 3 in Anhang A.4). Indem als Startpunkt für die Regressionsge-<br />
rade der Abstiegsflanke der Punkt β + 20 gewählt wird, trägt der Overshoot nicht zur<br />
Berechnung der Fitfunktion bei (Abb. 4.1).<br />
Die y-Koordinate des Schnittpunkts der beiden Regressionsgeraden wird als Maß für<br />
die wahre Höhe des Signals betrachtet. Diese ergibt sich zu y = a1eb1x a1−a2<br />
mit x = . In<br />
b2−a1b1<br />
Listing 3 in Anhang A ist der Programmcode für die konkrete Berechnung der Regressi-<br />
onsfunktionen dargestellt.<br />
Die Energieauflösung, die mit dieser Methode erreicht wird, beträgt 2,384(78) keV für<br />
die 847 keV-Linie und 2,18(10) keV für die 1238 keV-Linie.<br />
Es wird nun untersucht, ob die FWHM verbessert werden kann, wenn für die Regres-<br />
sionsfunktion der Abstiegsflanke nicht die gesamte Trace, sondern ein kleinerer Bereich<br />
verwendet wird. Denn wie in Abbildung 4.1 erkennbar, stimmt der Fit über die Daten-<br />
punkte der Abstiegsflanke zum Ende der Trace hin immer weniger mit dem Verlauf der<br />
Datenpunkte überein.
U [Skt.]<br />
2000<br />
1500<br />
1000<br />
500<br />
0<br />
Trace<br />
f(x)<br />
g(x)<br />
0 500 1000 1500 2000<br />
t [Skt.]<br />
2500 3000 3500 4000<br />
Abbildung 4.1: Ein Signal mit Regressionsgerade g(x) durch die Anstiegsflanke und Regressionsfunktion<br />
f(x) = a1e b1x durch die Abstiegsflanke. Die Fitparameter wurden<br />
vom Programm berechnet. Gegen Ende der Trace weicht die Abstiegsflanke<br />
leicht vom exponentiellen Verlauf ab.<br />
Mit h sei im Folgenden die Länge des Signals bezeichnet, die zur Berechnung der Fitfunk-<br />
tion verwendet wird. Es werden nun zu einer groben Orientierung für fünf verschiedene h<br />
Spektren aufgenommen und die Abhängigkeit der FWHM von h untersucht. Außerdem<br />
wird die Laufzeit des Programms, die User Time, untersucht (Tabelle 4.1).<br />
h [Skt.] FWHM(847 keV) [keV] FWHM(1238 keV) [keV] User Time [s]<br />
4000 2,384(78) 2,18(10) 12,009<br />
2500 2,274(61) 2,37(10) 8,009<br />
1500 2,098(63) 2,441(96) 5,044<br />
1000 2,070(73) 2,33(10) 2,924<br />
800 2,261(70) 2,653(82) 2,256<br />
Tabelle 4.1: Messung der Auf lösung und der Programm-Laufzeit (User Time) in Abhängigkeit<br />
von h für die Methode des Schnittpunkts der Regressionsgeraden.<br />
Die Auflösung lässt sich offensichtlich verbessern, wenn weniger Datenpunkte für die<br />
Berechnung der Regressionsfunktion verwendet werden. Bei einer Länge h = 1000 lässt<br />
sich eine FWHM von 2,070(73) keV bei einer Energie von 847 keV erreichen. Wird h zu<br />
klein, verschlechtert sich die Auflösung wieder. Dies ist bei h = 800 zu sehen.<br />
Dass sich die Auflösung für kleineres h verbessert, hat zwei entscheidende Vorteile. Zum<br />
einen verringert sich die Laufzeit des Programms deutlich. Diese Erkenntnis ist funda-<br />
mental für eine mögliche Realisierung der Programme in Echtzeit. Zum anderen wird<br />
eine höhere gemessene Zählrate erreicht: Tritt hinter dem Punkt h Pile-up auf, so muss<br />
nicht die gesamte Trace verworfen werden, sondern lediglich die Ereignisse, die hinter dem<br />
29
30<br />
U [Skt.]<br />
A1<br />
A2<br />
α x0 β<br />
t [Skt.]<br />
Signal<br />
f(x)<br />
g(x)<br />
Baseline<br />
Abbildung 4.2: Ausschnitt des ansteigenden Bereichs einer Trace. Eingezeichnet sind neben<br />
den Datenpunkten die Baseline (Mittelwert), g(x) für die Anstiegsflanke und<br />
f(x) für die Abstiegsflanke sowie die hypothetische unendlich steile Anstiegsflanke<br />
im Punkt x0. Der rechte Teil des Bildes zeigt einen Ausschnitt der Fläche<br />
A2. Diese setzt sich aus zwei rechtwinkligen Dreiecken A2,1 und A2,2 zusammen.<br />
Punkt h auftreten. Des Weiteren ist es durch diese Tatsache im Prinzip möglich, kürzere<br />
Traces aufzunehmen und somit einen höheren Durchlass, also weniger Traces mit Pile-up<br />
zu erhalten.<br />
Es sei darauf hingewiesen, dass bei der Implementierung der Algorithmen kein Augen-<br />
merk auf die Optimierung der Laufzeit gelegt wurde. Die Laufzeit der Programme lässt<br />
sich sicherlich noch verkürzen.<br />
Eine tiefer gehende Untersuchung der Abhängigkeit der FWHM, der Laufzeit und der<br />
gemessenen Zählrate von h wird für die nächsten beiden Methoden vorgenommen.<br />
4.4 Flächenabgleich-Methode<br />
Der Ansatz der folgenden beiden Methoden verwendet die Annahme, dass die Ladungs-<br />
sammlung im Detektormaterial augenblicklich geschieht, also keine Zeit zwischen dem<br />
Energieübertrag des γ-Quants und der Sammlung der Ladungsträger an den Dioden des<br />
Halbleiters vergeht. Dies impliziert eine unendlich steile Anstiegsflanke, so dass das Signal<br />
im Punkt x0 einen Sprung hat.<br />
Wenn α den Anfangs- und β den Endpunkt der Anstiegsflanke bezeichnet, sollte die<br />
Lage x0 der vertikalen Flanke zwischen α und β liegen. Dies ist in Abbildung 4.2 illustriert.<br />
Die vertikale Flanke schneidet dann in genau einem Punkt x0 die linear ansteigende<br />
Flanke g(x). Somit definiert die Vertikale zwei Flächen: A1, die von der Baseline, g(x)<br />
x0<br />
A2,2<br />
A2,1
und x0 begrenzt wird und A2, die von x0, g(x) und f(x) begrenzt wird. Wenn man<br />
die Gleichheit dieser beiden Flächen fordert, erhält man für jede Trace eine eindeutige<br />
Bedingung für die Lage von x0. Der Funktionswert von f(x) an der Stelle x0 ist dann die<br />
gesuchte Höhe des Signals.<br />
Das rechtwinklige Dreieck A1 lässt sich aus geometrischen Gründen durch<br />
A1 = 1<br />
<br />
<br />
x0 − α g(x0) − g(α)<br />
2<br />
31<br />
(4.4)<br />
definieren. Um die Fläche A2 zu berechnen wird die Exponentialfunktion f(x) im relevan-<br />
ten Bereich linearisiert. Dies ist weniger rechenzeit-intensiv und scheint in Hinblick auf<br />
die Exponentialfunktion in Abb. 4.2 durchaus berechtigt. Außerdem ist eine lineare Funk-<br />
tion analytisch lösbar. Die Fläche A2 setzt sich dann aus zwei rechtwinkligen Dreiecken<br />
zusammen, die sich in folgender Weise ausdrücken lassen:<br />
A2,1 = 1<br />
<br />
<br />
β − x0 g(β) − g(x0)<br />
2<br />
A2,2 = 1<br />
<br />
<br />
β − x0 g(P ) − g(β)<br />
2<br />
(4.5)<br />
(4.6)<br />
Wird nun A1 = A2,1 +A2,2 gesetzt, erhält man eine quadratische Gleichung, deren positive<br />
Lösung in f(x) eingesetzt wird. Die Lage des Schnittpunkts der Regressionsfunktionen sei<br />
mit Qx bezeichnet. Dann lässt sich der Punkt Py folgendermaßen berechnen:<br />
1 // F l a e c h e n a b g l e i c h −Methode<br />
2 double x0 , P ; // P i s t der F u n k t i onswert von f ( x ) an der S t e l l e x0<br />
3 // F i t f u n k t i o n e n : f ( t )=a1 ∗ exp ( b1∗ t ) , g ( t )=a2+b2∗ t ( v g l . L i s t i n g 3 i n Anhang A. 4 )<br />
4 // Durch den F l ä c h e n a b g l e i c h e r g i b t s i c h e i n e q u a d r a t i s c h e Gleichung der Form ax^2 + bx + c<br />
5 double a = a1 ∗b1 ;<br />
6 double b = 2∗ a2 − Qx∗ a1 ∗b1 + Qx∗b2 + a1 − a2 ;<br />
7 double c = a2 ∗ a2 /b2 − a1 ∗Qx + a2 ∗Qx ;<br />
8 // Lösung der q u a d r a t i s c h e n Gleichung<br />
9 x0 = (−b + s q r t ( b∗b−4∗a∗ c ) ) / ( 2 ∗ a ) ;<br />
10 P = a1 ∗ exp ( b1∗x0 ) ;<br />
11 p r i n t f ( "%l f \n" ,P ) ;<br />
Die Implementierung dieses Verfahrens liefert für h = 4000 (komplette Trace) eine<br />
FWHM von 2,304(97) keV bei einer Energie von 1238 keV.<br />
In Tabelle 4.2 ist die FWHM in Abhängigkeit der Länge h aufgelistet. Wie erkennbar, kann<br />
die Energieauflösung durch Verringerung von h deutlich verbessert werden. Offensichtlich<br />
wird durch ein geringeres h der Fit der Abstiegsflanke im relevanten Bereich nahe der<br />
Anstiegsflanke verbessert. Wird h zu klein, verschlechtert sich die Auflösung wieder.<br />
4.5 Regressions-Methode<br />
Wenn die Ladungssammlung ohne Zeitverzögerung geschieht, die Anstiegsflanke also un-<br />
endlich steil ist, lässt sich das Signal über folgende abschnittsweise definierte Funktion
32<br />
h [Skt.] FWHM(847 keV) [keV] FWHM(1238 keV) [keV]<br />
4000 2,212(69) 2,304(97)<br />
2500 2,103(48) 2,230(77)<br />
2000 1,998(46) 2,235(94)<br />
1600 2,058(53) 2,190(87)<br />
1500 1,939(65) 2,116(94)<br />
1400 1,914(65) 2,15(10)<br />
1000 1,953(69) 2,165(94)<br />
800 2,102(67) 2,360(78)<br />
Tabelle 4.2: Energieauflösung der beiden intensivsten Linien von 56 Co in Abhängigkeit der Länge<br />
h der Trace für die Flächenabgleich-Methode.<br />
beschreiben:<br />
⎧<br />
⎪⎨<br />
0 , t < 0<br />
ν(t) = z(t) = a3 + b3t<br />
⎪⎩<br />
, 0 ≤ t < x0<br />
f(t) = a1e −t/τ , t ≥ x0<br />
(4.7)<br />
Die Datenpunkte streuen gaußverteilt um die Funktionswerte. Für die Funktionen z(t) und<br />
f(t) sind also wie oben die besten Schätzer für die Parameter über eine Regressionsanalyse<br />
zu ermitteln.<br />
Wie im letzten Abschnitt gesehen, ergibt die lineare Regression für die Anstiegsflanke eine<br />
Funktion g(t) mit endlicher Steigung b2. Wird ein Sprung im Signal ν(t) am Punkt x0<br />
gefordert, so muss die Funktion g(t) im Intervall [α, x0] der Baseline z(t) und im Intervall<br />
[x0, β] der Exponentialfunktion f(t) entsprechen (vgl. Abb. 4.2). Anders ausgedrückt ist<br />
z(t) die Hypothese für g(t) im Intervall [α, x0] und f(t) die Hypothese für g(t) im Intervall<br />
[x0, β]. Durch die Methode der kleinsten Fehlerquadrate lässt sich die Bedingung an den<br />
Sprung bei x0 wie folgt schreiben:<br />
Q(x0) =<br />
x0<br />
α<br />
<br />
2 β<br />
g(t) − z(t) dt +<br />
x0<br />
2 g(t) − f(t) dt = minimal (4.8)<br />
Die Integrale entsprechen den kontinuierlichen Summen der Fehlerquadrate. Es muss nun<br />
also Q(x0) nach x0 abgeleitet und gleich Null gesetzt werden. Weil<br />
folgt also<br />
x<br />
d<br />
u(x<br />
dx a<br />
′ )dx ′<br />
<br />
= u(x), (4.9)<br />
<br />
2 <br />
2 g(x0) − z(x0) − g(x0) − f(x0) = 0. (4.10)
Dies ergibt eine quadratische Gleichung der Form ax 2 + bx + c. Die Berechnung der Pa-<br />
rameter a, b und c sind im Code des Programms area-hist.cpp in Anhang A.5 zu finden.<br />
Um die optimale Energieauflösung bei diesem Verfahren zu ermitteln, berechnet das<br />
Programm für verschiedene h den Punkt x0 und es werden FWHM, Laufzeit des Pro-<br />
gramms und Anzahl der verworfenen Traces ermittelt. Die folgenden Abbildungen stellen<br />
diese Abhängigkeiten graphisch dar. Wie in Abb. 4.3 erkennbar, gibt es für die FWHM<br />
beider untersuchten 56 Co-Linien ein Minimum in dem Bereich um h = 1500. Für größere<br />
h bleibt die FWHM im Rahmen der Messgenauigkeit konstant.<br />
Der linke Plot in Abb. 4.4 zeigt den linearen Zusammenhang zwischen der Laufzeit des<br />
Programms (User Time) und der Anzahl der berücksichtigten Datenpunkte h. Der rechte<br />
Plot zeigt die Abhängigkeit der Anzahl aussortierter Traces von h. Auch hier besteht ein<br />
linearer Zusammenhang.<br />
FWHM(847keV) [keV]<br />
2.4<br />
2.3<br />
2.2<br />
2.1<br />
2<br />
1.9<br />
1.8<br />
1.7<br />
1000 1500 2000 2500<br />
h [Skt.]<br />
3000 3500 4000<br />
FWHM(1238keV) [keV]<br />
2.4<br />
2.3<br />
2.2<br />
2.1<br />
2<br />
1.9<br />
1.8<br />
33<br />
1.7<br />
1000 1500 2000 2500<br />
h [Skt.]<br />
3000 3500 4000<br />
Abbildung 4.3: FWHM in Abhängigkeit von h für die Regressionsmethode. Der linke Plot bezieht<br />
sich auf die 847 keV-Linie, der rechte Plot auf die 1238 keV-Linie. In<br />
beiden Plots erkennt man ein Minimum im Bereich h = 2000.<br />
Indem nur die ersten 1500 statt 4000 Datenpunkte einer Trace für die Fitfunktionen<br />
verwendet werden, lässt sich also die FWHM um bis zu 0,4 keV verbessern und außerdem<br />
sowohl die Laufzeit des Programms als auch die Anzahl verworfener Traces halbieren.<br />
Dynamische Regressionsmethode<br />
Statt durch den gesamten ansteigenden Ast eine Gerade g(x) zu fitten, wird nun dy-<br />
namisch durch je zwei benachbarte Punkte i und i + 1 eine Gerade gelegt. Dadurch<br />
verschwindet der Fehler, der durch die Regressionsrechnung der Anstiegsflanke zustande<br />
kommt. So wie bei dem letzten Verfahren genau ein Punkt x0 im Intervall [α, β] gefunden<br />
wurde, der die Bedingung (4.8) erfüllt, sollte es nun genau ein Punkt in genau einem<br />
Intervall [i, i + 1] mit i ∈ [α, β] geben, für den die Bedingung (4.8) erfüllt wird. Mit die-<br />
ser Methode sollte also bei Verringerung des Fehlers genau ein Punkt x0 für jede Trace
34<br />
User Time [s]<br />
14<br />
12<br />
10<br />
8<br />
6<br />
Fitfunktion<br />
1500 2000 2500 3000 3500 4000<br />
h [Skt.]<br />
Ereignisse mit Pile-up [%]<br />
26<br />
24<br />
22<br />
20<br />
18<br />
16<br />
14<br />
Fitfunktion<br />
12<br />
1500 2000 2500 3000 3500 4000<br />
h [Skt.]<br />
Abbildung 4.4: Abhängigkeit der Laufzeit von h (linker Plot) und der Anzahl aussortierter<br />
Traces von h (rechter Plot).<br />
gefunden werden.<br />
Eine Implementierung dieses Verfahrens zeigt aber, dass nur für sehr hohe Signale, also<br />
solche Signale, deren Anstiegsflanken eine große Steigung relativ zu niedrigen Signalen<br />
besitzen, dieser Punkt x0 gefunden wird. Ein Vergleich mit anderen, geeichten Spektren<br />
zeigt, dass nur Traces von Signalen, die einer Energie größer als etwa 1,5 MeV entspre-<br />
chen, verarbeitet werden können. Hier wäre eine genauere Analyse von eventuellen Fehlern<br />
durchzuführen, als dies im Rahmen dieser Arbeit geschehen kann.
5 Trapez-Algorithmus<br />
Im letzten Teil meiner Auswertung soll die Trapezmethode, wie sie von Jordanov und<br />
Knoll in ihrer Veröffentlichung [18] beschrieben ist, implementiert und untersucht werden.<br />
Um diesen Algorithmus von den im Rahmen dieser Arbeit selbst entwickelten Algorith-<br />
men abzusetzen, wird diesem Teil ein eigenes Kapitel gewidmet.<br />
Ziel der Methode ist es, das exponentiell abklingende Signal so mit geeigneten Funk-<br />
tionen zu falten, dass ein symmetrisches, trapezförmiges Signal erzeugt wird, dessen kon-<br />
stantes Plateau leicht zu vermessen ist. Die Plateau-Höhe des Trapezes ist proportional<br />
zu der im Detektor deponierten Energie.<br />
5.1 Theorie<br />
Betrachten wir ein bei t = 0 beginnendes, auf 1 normiertes Signal ν(t) mit unendlich<br />
steiler Anstiegsflanke. Dieses lässt sich schreiben als<br />
ν(t) =<br />
<br />
0 , t < 0<br />
e −t/τ , t ≥ 0<br />
35<br />
. (5.1)<br />
Als Faltung zweier Funktionen bezeichnet man allgemein das Integral [17]<br />
(f ∗ g)(t) =<br />
t<br />
0<br />
f(t ′ )g(t − t ′ )dt ′ . (5.2)<br />
Ein Beispiel für eine Faltung wurde bereits in Abschnitt 2.6.1 gegeben. Die Summe in Gl.<br />
(2.12) entspricht der Faltung zweier Rechteckfunktionen, die eine Dreieckfunktion ergibt.<br />
In diesem Kapitel soll nicht nur ein kleiner Bereich, sondern das gesamte exponentiell<br />
abfallende Signal ν(t) per Faltung in ein trapezförmiges Ausgangssignal transformiert<br />
werden. Zunächst wird diese Rechnung im kontinuierlichen Zeitbereich durchgeführt.<br />
Dazu werden zwei Funktion betrachtet. Zum einen eine Stufenfunktion mit linearem<br />
Anstieg der Form<br />
⎧<br />
⎪⎨ 0 , t < 0<br />
h1(t) = t<br />
⎪⎩<br />
0<br />
, 0 ≤ t ≤ T1<br />
, t > T1<br />
und zum anderen eine Stufenfunktion mit konstantem Plateau<br />
⎧<br />
⎪⎨ 0 , t < 0<br />
h2(t) = 1<br />
⎪⎩<br />
0<br />
, 0 ≤ t ≤ T2<br />
, t > T2<br />
(5.3)<br />
. (5.4)
36<br />
Die Faltung des Signals ν(t) mit h1(t) berechnet sich zu<br />
r(t) = (ν ∗ h1)(t) =<br />
r(t) =<br />
T1<br />
Die Faltung von ν(t) mit h2(t) ergibt<br />
0<br />
p(t) = (ν ∗ h2)(t) =<br />
p(t) =<br />
t<br />
t<br />
0<br />
′ · e (t′ −t)/τ ′ 2<br />
dt = τt − τ 1 − e −t/τ , 0 ≤ t ≤ T1<br />
t ′ e (t′ −t)/τ dt ′ = τ · e −t/τ τ + e T1/τ (T1 − τ) , t > T1.<br />
T2<br />
t<br />
Sowohl r(t) als auch p(t) verschwinden für t < 0.<br />
0<br />
0<br />
1 · e −(t−t′ )/τ dt ′ = τ 1 − e −t/τ , 0 ≤ t ≤ T2<br />
e (t′ −t)/τ dt ′ = τ · e −t/τ e T2/τ − 1 , t > T2.<br />
(5.5)<br />
(5.6)<br />
Die Abbildung 5.1 zeigt das Ergebnis der Faltung des Signals ν(t) mit den Stufenfunktio-<br />
nen h1(t) und h2(t).<br />
Abbildung 5.1: Faltung des Signals ν(t) (a) mit der Stufenfunktion h1(t) (b) ergibt die Funktion<br />
r(t) (c). Die Faltung des Signals mit der Rechteckfunktion h2(t) (e) ergibt die<br />
Funktion p(t) (f). Bilder entnommen aus [18].<br />
det:<br />
Es wird nun folgende Linearkombination der Sprungfunktionen h1(t) und h2(t) gebil-<br />
h(t) = h1(t) + τh2(t) + (T1 − τ) · h2(t − T1) − h1(t − T2) (5.7)
Es kann gezeigt werden, dass die Faltung von ν(t) mit h(t) ein symmetrisches Trapez<br />
generiert. Für den Fall T1 = τ besitzt dieses eine Anstiegsdauer τ, eine Plateau-Dauer<br />
∆T = T2 − T1 und eine Höhe τ 2 . Dies ist in Abbildung 5.2 verdeutlicht. Der Beweis<br />
wird hier nicht durchgeführt, da dieser relativ aufwändig und wenig instruktiv ist. Der<br />
interessierte Leser wird auf [18] verwiesen.<br />
Abbildung 5.2: Faltung des Signals ν(t) (a) mit h(t) (b). Für T1 = τ ist das Ergebnis ein<br />
symmetrisches Trapez mit Anstiegsdauer τ (c). Bild entnommen aus [18].<br />
Da die Faltung dem Distributivgesetz folgt, lässt sich die Faltung von ν(t) mit h(t)<br />
schreiben als<br />
s(t) = ν(t) ∗ h(t)<br />
= ν(t) ∗ h1(t) + ν(t) ∗ τh2(t) + ν(t) ∗ (T1 − τ) · h2(t − T1) − ν(t) ∗ h1(t − T2)<br />
= r(t) + τp(t) + (T1 − τ) · p(t − T1) − r(t − T2).<br />
5.2 Algorithmus<br />
37<br />
(5.8)<br />
Für die Funktion s(t), die aus einem exponentiell abfallenden Signal ein symmetrisches<br />
Trapez erzeugt, muss nun eine zeitdiskrete Formulierung gefunden werden, damit der<br />
Trapezfilter implementiert werden kann. Bei dem Übergang von der kontinuierlichen zur<br />
diskreten Schreibweise erfolgt eine Umbenennung der Variablen T1 und T2 zu k und l.
38<br />
Die Funktion p(t) (Gl. (5.6)) und r(t) (Gl. (5.5)) lassen sich in der diskreten Zeitdomäne<br />
schreiben als<br />
und<br />
r(n) =<br />
p(n) =<br />
n<br />
ν(i) − ν(i − l) (5.9)<br />
i=1<br />
n<br />
<br />
n<br />
<br />
ν(j) − ν(j − k) − ν(i − k)k . (5.10)<br />
i=0<br />
j=0<br />
Aus der diskreten Schreibweise lässt sich ein rekursiver Ausdruck finden:<br />
p(n) = p(n − 1) + ν(n) − ν(n − l) , n ≥ 0 (5.11)<br />
r(n) = r(n − 1) + p(n) − ν(n − k)k , n ≥ 0 (5.12)<br />
Dabei bezeichnet ν(n) das Signal zur Zeit n und ν(n − l) ein um l verzögertes Signal.<br />
Setzt man p(n) und r(n) in s(n) ein, so ergibt sich<br />
s(n) =τν(n) − τν(n − l) − ν(n − k)k + (k − τ)ν(n − k)<br />
− (k − τ)ν(n − k − l) + ν(n − k − l)k + r(n − 1)<br />
+ p(n) + (k − τ)p(n − k − 1) − r(n − l − 1) − p(n − l).<br />
(5.13)<br />
Die ν-Terme, die den Faktor k enthalten, heben sich gegenseitig weg. Die restlichen ν-<br />
Terme werden zu einer Funktion d k,l (n) zusammengefasst:<br />
Anschließend wird benutzt, dass<br />
d k,l (j) := ν(j) − ν(j − k) − ν(j − l) + ν(j − k − l) (5.14)<br />
s(n − 1) = r(n − 1) − r(n − l − 1) + (k − τ)p(n − k − 1) + τp(n − 1). (5.15)<br />
Der Term p(n) − p(n − l) lässt sich schreiben als p ′ (n − 1) + d k,l (n). Somit erhält man<br />
folgenden rekursiven Ausdruck für die Trapezfunktion s(n)<br />
mit<br />
s(n) = s(n − 1) + τ · d k,l (n) + p ′ (n) , n ≥ 0 (5.16)<br />
p ′ (n) = p ′ (n − 1) + d k,l (n) , n ≥ 0. (5.17)<br />
Da eine rekursive Formel in der Regel sehr laufzeitintensiv ist, wird der Algorithmus<br />
iterativ formuliert (vgl. Anhang A.6). Die iterative Formulierung führt zu einer drastischen<br />
Verkürzung der Laufzeit, da das Programm bei jedem Schleifendurchlauf nur das vorherige<br />
Element und nicht alle Elemente aufs Neue aufrufen muss.
5.3 Analyse<br />
Test mit künstlichen Signalen<br />
Um die Korrektheit der Implementierung zu überprüfen, wurde der Trapez-Algorithmus<br />
auf eine generierte Exponentialfunktion der Form a1e −t/τ angewandt. In Anlehnung an<br />
die Amplitude eines typischen Signals wurde ein Faktor a1 = 2200 gewählt. Zusätzlich<br />
wurde k = 1800 und l = k + 400 gewählt. Für diesen Fall sollte ein symmetrisches Trapez<br />
mit Anstiegs- und Abfallflanke der Länge k und Plateaulänge m = l − k erzeugt werden.<br />
Zunächst wurde die τ-Abhängigkeit der Trapezform untersucht. Dabei wurde τ von 1 bis<br />
2000 mit variablen Intervallen variiert.<br />
Für τ < 100 liefert der Algorithmus symmetrische Trapeze. Für größere τ generiert<br />
der digitale Filter keine Trapeze mehr. Das Plateau erhält eine Steigung und das gefilterte<br />
Signal fällt nicht mehr auf Null ab (Abb. 5.3).<br />
U [Skt.]<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
0<br />
τ=10<br />
τ=20<br />
τ=30<br />
τ=40<br />
τ=50<br />
τ=60<br />
τ=100<br />
τ=150<br />
0 500 1000 1500 2000<br />
t [Skt.]<br />
2500 3000 3500 4000<br />
Abbildung 5.3: Anwendung des Trapezfilters auf eine künstliche Trace mit einem Signal der<br />
Form f(t) = 2200 · e −t/τ für verschiedene τ. Die Länge der Anstiegsflanke<br />
des Trapezes ist k = 1800 und die Länge des Plateaus m = l − k = 400.<br />
Für τ < 100 generiert der Algorithmus symmetrische Trapeze. Für größere τ<br />
fächert sich das Trapez auf.<br />
Dies bedeutet, dass mit dem Algorithmus kein Trapez für die aufgenommenen Traces<br />
erzeugt werden kann, da deren τ in der Größenordnung 2000 liegt. Sollen für größere τ<br />
39
40<br />
Trapeze erzeugt werden, muss die Länge der Trace deutlich erhöht werden. Dementspre-<br />
chend muss auch l = k + m vergrößert werden. Abb. 5.4 zeigt, wie die Länge der Trace<br />
vergrößert werden müsste, um für größere τ Trapeze zu erhalten. Für τ = 2000 muss die<br />
Trace bereits 20000 Einheiten lang sein. Dies ist extrem problematisch, da für solch lan-<br />
ge Traces die Wahrscheinlichkeit für das Auftreten von Pile-up drastisch zunimmt. Wie<br />
in Abschnitt 3.2 gezeigt, wird mit dem DGF-Modul für eine Zeitkonstante τ = 58µs =<br />
2320 Skt. die beste Energieauflösung erreicht. Es lässt sich also weder die Zeitkonstante<br />
noch die Trace-Länge signifikant ändern, ohne entweder eine deutlich schlechtere Energie-<br />
auflösung oder eine deutlich höhere Totzeit in Kauf nehmen zu müssen.<br />
U [Skt.]<br />
12000<br />
10000<br />
8000<br />
6000<br />
4000<br />
2000<br />
τ=2000<br />
τ=1000<br />
τ=100<br />
0<br />
0 2 4 6 8 10 12 14 16 18 20<br />
t [ 103 Skt.]<br />
Abbildung 5.4: Trapezformen für drei verschiedene τ (künstliche Trace). Für größere τ müssen<br />
längere Traces verwendet werden, damit ein Trapez erzeugt werden kann. Parameter:<br />
Für τ = 100: k = 600, m = 2800. Für τ = 1000: k = 1800, m = 8400.<br />
Für τ = 2000: k = 3000, m = 14000.<br />
Dieses Problem kann umgangen werden, wenn die Plateau-Länge m deutlich erhöht<br />
wird. Für τ = 2000, k = 2500 und m = 4000 wird eine Funktion generiert, die eine<br />
Anstiegslänge von 2500 Einheiten besitzt und danach konstant bleibt, ohne wieder ab-<br />
zufallen. Auch wenn auf diese Weise kein Trapez resultiert, kann das konstante Plateau<br />
dieser Funktion als Maß für die Pulshöhe und somit für die Energie des Signal erzeu-<br />
genden γ-Quants verwendet werden. Abb. 5.5 zeigt solche Funktionen für verschiedene τ.<br />
Es ist erkennbar, dass Steigung und Plateau-Höhe proportional zu τ sind. In [18] wird<br />
gezeigt, dass Anstieg und Plateau des verwendeten Trapezfilters tatsächlich proportio-<br />
nal zu τ sind. Daher wird nun dieser “halbe Trapezfilter” auf die aufgenommenen Traces
angewandt.<br />
U [Skt.]<br />
9000<br />
8000<br />
7000<br />
6000<br />
5000<br />
4000<br />
3000<br />
2000<br />
1000<br />
0<br />
0 500 1000 1500 2000<br />
t [Skt.]<br />
2500 3000 3500 4000<br />
Abbildung 5.5: Abhängigkeit der Plateau-Höhe von τ (künstliche Trace). Die Plateau-Höhe<br />
nimmt proportional zu τ zu. Die Funktion mit der geringsten Steigung besitzt<br />
τ = 1700, die mit der größten τ = 3000.<br />
Anwendung auf den Datensatz<br />
Die Definition der Funktionen erfolgt analog zu oben. In der Hauptroutine wird zunächst<br />
die übliche Pile-up-Unterdrückung durchgeführt und die Baseline auf Null gesetzt (vgl.<br />
Kapitel 4). Für eine Trace wird wie oben die Abhängigkeit der Plateau-Höhe von τ un-<br />
tersucht (Abb. 5.6). Man erkennt, dass die Plateaus nicht mehr konstant sind. Lediglich<br />
für τ = 2300 erhält man ein konstantes Plateau. Für τ < 2300 erhält das Plateau eine<br />
positive, für τ > 2300 eine negative Steigung. Für sehr kleine τ ist die Anstiegsflanke<br />
nicht mehr linear und es existiert kein ausgeprägtes Plateau.<br />
Die Tatsache, dass τ bei einem gegebenen Signal einen Einfluss auf die Höhe des Plateaus<br />
hat, ist problematisch. Denn τ ist nicht allein von der Höhe des Signals abhängig, sondern<br />
variiert zusätzlich bei Signalen gleicher Energie. Dies bedeutet, dass das Berechnen von<br />
τ für verschiedene Signale gleicher Energie zu einer verfälschten Bestimmung der Energie<br />
führen würde. Es muss also für alle Traces das gleiche τ gewählt werden. Es könnte jedoch<br />
die Proportionalität zwischen τ und Plateauhöhe ausgenutzt werden, um die Variation<br />
in der Plateauhöhe der Signale gleicher Energie zu korrigieren. Da bei der Anwendung<br />
des Algorithmus’ auf den Datensatz die Plateaus für unterschiedliche τ jedoch eine unter-<br />
schiedliche Steigung besitzen, ist die Proportionalität zwischen τ und Plateau-Höhe nicht<br />
41
42<br />
U [Skt.]<br />
5000<br />
4000<br />
3000<br />
2000<br />
1000<br />
0<br />
0 500 1000 1500 2000<br />
t [Skt.]<br />
2500 3000 3500 4000<br />
Abbildung 5.6: Abhängigkeit der Plateau-Höhe von τ. Die Werte von τ reichen von 1 (unterste<br />
Linie) bis 3000 (oberste Linie). Zwischen 3000 und 1300 wurde τ in 100er-<br />
Schritten variiert. Die untersten vier Linien entsprechen einem τ von 1, 100,<br />
200 und 800. Für τ = 2300 wird ein konstantes Plateau erreicht.<br />
mehr gegeben.<br />
Es wurden nun für verschiedene τ, k und m Spektren aufgenommen. Dazu wurden<br />
die Datenpunkte des Plateaus gemittelt und der Mittelwert als Maß für die Energie des<br />
betreffenden γ-Quants verwendet. Tabelle 5.1 zeigt die FWHM für beide 56 Co-Linien in<br />
Abhängigkeit von den relevanten Parametern τ, k und m = l − k.<br />
Die Nicht-Konstanz des Plateaus sollte die Auflösung verschlechtern, also τ = 2300<br />
die beste Auflösung liefern. Tatsächlich wird die FWHM aber kleiner für kleineres τ. Da<br />
über die Punkte des Plateaus gemittelt wird, scheint sich die Steigung also nicht negativ<br />
auf die Auflösung auszuwirken.<br />
Die beste Auflösung, die mit dem Trapez-Verfahren von [18] erreicht werden kann, beträgt<br />
2,378(78) keV bei einer Energie von 1238 keV.<br />
Es müsste getestet werden, wie sich die Auflösung verhält, wenn sehr lange Traces ver-<br />
wendet werden, so dass ein Trapez erzeugt werden kann. Bei der Anwendung des Algo-<br />
rithmus’ auf den Datensatz konnte aufgrund der Trace-Länge von 4000 Skt. und einer<br />
Zerfallskonstante von etwa 2300 Skt. kein Trapez generiert werden, so dass die resultie-<br />
renden Spektren und Energieauflösungen dieser Analyse nur eine begrenzte Aussagekraft<br />
besitzen.
τ k m FWHM(847 keV) [keV] FWHM(1238 keV) [keV]<br />
2800 2600 800 2,218(72) 2,409(78)<br />
2600 " " 2,224(75) 2,486(81)<br />
2500 " " 2,213(82) 2,507(81)<br />
2400 " " 2,221(80) 2,503(83)<br />
2300 " " 2,223(81) 2,536(82)<br />
2000 " " 2,243(79) 2,534(83)<br />
1000 " " 2,299(91) 2,649(86)<br />
500 " " 2,419(75) 2,771(95)<br />
2500 2500 700 2,264(87) 2,525(82)<br />
" " 800 2,198(77) 2,406(78)<br />
" " 900 2,230(71) 2,566(85)<br />
" 2400 700 2,235(78) 2,546(87)<br />
" 2600 900 2,223(76) 2,378(78)<br />
2600 2500 800 2,258(78) 2,378(78)<br />
2500 1500 500 2,235(83) 2,545(84)<br />
1500 " 500 2,410(70) 2,725(93)<br />
1000 " 500 2,420(89) 2,872(96)<br />
Tabelle 5.1: Trapez-Algorithmus: Energieauflösung der beiden intensivsten Linien von 56 Co in<br />
Abhängigkeit von τ, k und m.<br />
43
6 Zusammenfassung und Ausblick<br />
Im Rahmen dieser Arbeit wurden verschiedene digitale Verfahren zur Pulshöhenanalyse<br />
von Signalen hochauflösender Germaniumdetektoren implementiert und auf deren Ener-<br />
gieauflösungsvermögen hin getestet.<br />
Zunächst wurden mit einem Digitalisierer der Firma XIA online Energiespektren auf-<br />
genommen. Der DGF-4C digitalisiert die Vorverstärkersignale und formt mittels eines<br />
Algorithmus’ online trapezförmige Signale, von denen die Höhe als Maß für die Energie<br />
der γ-Quanten verwendet wird. Es hat sich gezeigt, dass eine intensive Untersuchung nö-<br />
tig ist, um die Parameter für eine optimale Energieauflösung bestimmen zu können. Die<br />
beste erreichbare Auflösung betrug 1,948(33) keV bei einer Energie von 1332 keV.<br />
Als die besten selbst entwickelten Algorithmen bezüglich ihres Energieauflösungsvermögens<br />
sind die Flächen-Methode und die Regressions-Methode anzusehen. Mit ihnen wurde eine<br />
FWHM von 2,116(94) keV bzw. 2,031(67) keV bei einer Energie von 1238 keV erreicht. In<br />
der folgenden Tabelle sind die niedrigsten erreichten FWHM für die verschiedenen Ver-<br />
fahren zusammengefasst.<br />
FWHM(1332 keV) [keV] FWHM(847 keV) [keV]<br />
analoge Technik 1,867(9) -<br />
XIA-Filter 1,948(33) -<br />
Flächen-Methode - 3,03(12)<br />
Schnittpunkt-Methode - 2,070(73)<br />
Flächenabgleich-Methode - 1,914(65)<br />
Regressions-Methode - 1,846(65)<br />
Trapez-Methode - 2,198(77)<br />
Tabelle 6.1: Übersicht der besten erreichten Energieauflösungen für die verschiedenen Verfahren.<br />
Das Ziel, eine ebenso gute oder bessere Auflösung als mit den etablierten analogen<br />
Verarbeitungsmethoden zu erhalten, konnte nicht erreicht werden. Es bestehen jedoch<br />
begründete Hoffnungen, dass sich diese Algorithmen noch optimieren lassen und eine<br />
bessere FWHM erreicht werden kann. Bei den niedrigen Zählraten, die in dieser Arbeit<br />
untersucht wurden, liefert die analoge Technik bessere Energieauflösungen als die digi-<br />
talen Methoden. Man erwartet jedoch, dass für hohe Zählraten die digitale Technik der<br />
analogen überlegen ist. Um diese Vermutung zu bestätigen, sind Messungen mit einem<br />
Detektor nötig, der keine Artefakte bei hohen Zählraten produziert.<br />
Des Weiteren erzeugen modernere HPGe-Detektoren bzw. deren Vorverstärker einen deut-<br />
lich geringeren Overshoot. In der Anwesenheit dieses Overshoots lag die größte Schwie-<br />
45
46<br />
rigkeit bei der Bestimmung der wahren Pulshöhe, denn der maximale Punkt des Signals<br />
ist nicht proportional zur Energie des γ-Quants. Es kann also davon ausgegangen werden,<br />
dass mit den digitalen Methoden eine bessere Energieauflösung bei Signalen ohne Over-<br />
shoot erreichbar ist.<br />
Außerdem müssen die digitalen Methoden auf ihre Stabilität bezüglich Untergrundrau-<br />
schen hin untersucht werden. Die Messungen für diese Arbeit wurden unter Laborbedin-<br />
gungen durchgeführt, bei denen Rauschquellen einen sehr geringen Einfluss auf die Mes-<br />
sung hatten. Ein nächster möglicher Schritt der Analyse wäre also, die Energieauflösung<br />
der analogen Technik, der DGF-4C-Algorithmen und der offline-Algorithmen unter “rea-<br />
len” Experiment-Bedingungen zu untersuchen, bei denen erhöhtes Rauschen die Messbe-<br />
dingungen erschwert.
Literatur<br />
[1] W. Skulski et al., Towards digital γ-ray and particle spectroscopy,<br />
http://www.xia.com (1999).<br />
[2] National Nuclear Data Center, http://www.nndc.bnl.gov (2008).<br />
[3] G. F. Knoll, Radiation Detection and Measurement, 2. Auflage, John Wiley & Sons,<br />
New York 2000.<br />
[4] Institut für Kernphysik der Universität zu Köln, Versuch K2 - γ-Spektroskopie mit<br />
einem HPGe-Detektor (2008).<br />
[5] XIA LLC, User’s Manual Digital Gamma Finder DGF-4C, XIA LLC, 31057 Genstar<br />
Road, Hayward, CA 94544 USA, March 2007.<br />
[6] F. S. Goulding, Nucl. Instr. and Meth. A 485, 653 (2002).<br />
[7] F. S. Goulding, Nucl. Instr. and Meth. 100, 493 (1972).<br />
[8] A. Georgiev et al., IEEE Trans. Nucl. Sci. 41(4), 1116 (1994).<br />
[9] W. R. Leo, Techniques for Nuclear and Particle Physics Experiments, 1. Auflage,<br />
Springer-Verlag, Berlin 1987.<br />
[10] W. Warburton et al., Digital Pulse Processing: New Possibilities in Nuclear Spec-<br />
troscopy, IRRMA-99, August 2000.<br />
[11] Meinke and Gundlach, Taschenbuch der Hochfrequenztechnik. 5. Auflage, Springer-<br />
Verlag, Berlin 1992.<br />
[12] Maxim Integrated Systems. Application Note 1023 - Understanding Pipelined ADCs,<br />
http://www.maxim-ic.com/appnotes.cfm/an_pk/1023/ (2001).<br />
[13] Analog Decives, Inc., AD6644 Analog-to-Digital Converter, Data Sheet Rev. D,<br />
http://www.analog.com/static/imported-files/data_sheets/AD6644.pdf<br />
(2007).<br />
[14] XIA LLC, DGF-4C Programmer’s Manual V.3.08, XIA LLC, 31057 Genstar Road,<br />
Hayward, CA 94544 USA, March 2007.<br />
[15] W. Georgiev, G. Gast, IEEE Trans. Nucl. Sci. 40(4), 770 (1993).<br />
[16] M. Momayezi et al., Nucl. Instr. and Meth. A 422, 411 (1999).<br />
47
48<br />
[17] I. N. Bronstein, Taschenbuch der Mathematik, 4. Auflage, Verlag Harri Deutsch,<br />
Frankfurt am Main 1993.<br />
[18] V. T. Jordanov, G. F. Knoll, Nucl. Instr. and Meth. A 345, 337 (1994).<br />
[19] A. Pullia et al., Nucl. Instr. and Meth. A 439, 378 (2000).<br />
[20] M. Lauer, Digital Signal Processing for segmented HPGe Detectors, Preprocessing<br />
Algorithms and Pulse Shape Analysis, PhD Thesis, 2004.<br />
[21] M. Vencelj et al., Nucl. Instr. and Meth. A 607, 581 (2009).<br />
[22] Ortec, 671 Spectroscopy Amplifier,<br />
http://www.ortec-online.com/electronics/amp/671.htm (2007).<br />
[23] U. Kaiser, C. Kecher, C/C++ Das umfassende Lehrbuch, 3. Auflage, Galileo Press,<br />
Bonn 2005.<br />
[24] A. Fitzler, Tv Benutzer-Handbuch, Institut für Kernphysik der Universität zu Köln,<br />
2000.
Abbildungsverzeichnis<br />
2.1 Zerfallsschema von 60 Co . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3<br />
2.2 Blockdiagramm des ADCs . . . . . . . . . . . . . . . . . . . . . . . . . . . 10<br />
2.3 Seitenansicht des DGF-4C (Rev. E) . . . . . . . . . . . . . . . . . . . . . . 12<br />
2.4 Trapezfilter des DGF-4C . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14<br />
2.5 Pile-up-Erkennung des DGF-4C . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
3.1 Einfluss hoher Zählraten auf die Spektren der analogen Messung . . . . . . 18<br />
3.2 FWHM in Abhängigkeit von τ und tg . . . . . . . . . . . . . . . . . . . . . 21<br />
3.3 FWHM in Abhängigkeit von τ und tp . . . . . . . . . . . . . . . . . . . . . 21<br />
3.4 Ausschnitt aus Abbildung 3.3. . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3.5 Digitalisierte Vorverstärkersignale . . . . . . . . . . . . . . . . . . . . . . . 23<br />
4.1 Regressionskurven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29<br />
4.2 Ausschnitt des ansteigenden Bereichs einer Trace . . . . . . . . . . . . . . 30<br />
4.3 FWHM in Abhängigkeit von h (Regressionsmethode) . . . . . . . . . . . . 33<br />
4.4 Abhängigkeit der Laufzeit (User Time) und der Anzahl aussortierter Traces<br />
von h (Regressionsmethode) . . . . . . . . . . . . . . . . . . . . . . . . . . 34<br />
5.1 Faltung des Signals mit einer Dreieck- und einer Rechteckfunktion . . . . . 36<br />
5.2 Faltung des Signals mit h(t) . . . . . . . . . . . . . . . . . . . . . . . . . . 37<br />
5.3 Trapezfilter für verschiedene τ (künstliche Trace) . . . . . . . . . . . . . . 39<br />
5.4 Abhängigkeit der benötigten Trace-Länge von τ (künstliche Trace) . . . . . 40<br />
5.5 Abhängigkeit der Plateau-Höhe von τ (künstliche Trace) . . . . . . . . . . 41<br />
5.6 Abhängigkeit der Plateau-Höhe von τ . . . . . . . . . . . . . . . . . . . . . 42<br />
Tabellenverzeichnis<br />
3.1 Messung der Auflösung in Abhängigkeit der Zählrate . . . . . . . . . . . . 18<br />
3.2 Messung der Auflösung in Abhängigkeit von Shaping Time und Verstärkung 19<br />
4.1 Messung der Auflösung und der Programm-Laufzeit . . . . . . . . . . . . . 29<br />
4.2 Energieauflösung für die Flächenabgleich-Methode . . . . . . . . . . . . . . 32<br />
5.1 Energieauflösung des Trapez-Algorithmus’ . . . . . . . . . . . . . . . . . . 43<br />
6.1 Übersicht der Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />
49
A Ausgewählter C++-Code<br />
A.1 Grundgerüst der Programme<br />
Listing 1 zeigt das Grundgerüst für die Programme, die in den Abschnitten 4.2 bis 4.5<br />
präsentiert werden. In den Zeilen 12-27 wird zunächst die Datei, aus der gelesen werden<br />
soll, geöffnet und eine Fehlermeldung ausgegeben, falls sie nicht geöffnet werden kann.<br />
Die entsprechende Datei wird bei der Ausführung des Programms angegeben. In den<br />
Zeilen 39-40 wird die Länge n der Trace bestimmt (vgl. Abschnitt 3.3). Ab Zeile 42 wird<br />
für jede Trace j eine Ausgabedatei erstellt. Anschließend, angedeutet durch //..., folgt<br />
die Routine, in der die jeweils relevanten Informationen aus dem Signal gezogen werden.<br />
Danach wird j um 1 erhöht und die Schleife erneut ausgeführt, bis alle Traces durchlaufen<br />
sind.<br />
Listing 1: Grundgerüst der Programme<br />
1 #include<br />
2 #include<br />
3 #include<br />
4 #include <br />
5<br />
6 #define DATAMAX 10000<br />
7<br />
8 using namespace s t d ;<br />
9<br />
10 int main ( int argc , char ∗ argv [ ] ) {<br />
11<br />
12 // open i n p u t f i l e<br />
13 i f ( argc 0) {<br />
35<br />
36 // Bei Bedarf kann koennen h i e r d i e e r s t e n b e i d e n Elemente des F e l d e s ausgegeben werden .<br />
37 f o r ( i =0; i
52<br />
50 f p r i n t f ( s t d e r r , " unable ␣ to ␣ w r i t e ␣ f i l e \n" ) ;<br />
51 e x i t ( 1 ) ;<br />
52 }<br />
53<br />
54 // H i e r wird der Algorithmus a u s g e f u e h r t<br />
55<br />
56 f c l o s e ( f o u t ) ;<br />
57 }<br />
58 j ++;<br />
59 }<br />
60 f c l o s e ( f ) ;<br />
61 return 0 ;<br />
62 }<br />
A.2 Anstiegsflanke und Baseline<br />
Listing 2: Bestimmung von Start- und Endpunkt der Anstiegsflanke sowie Berechnung der Ba-<br />
seline<br />
1 // Erkenne , wann S t e i g u n g b e g i n n t und endet ( A b l e i t u n g )<br />
2 int alpha =0, beta =0;<br />
3 f o r ( i =200; i 100){<br />
6 alpha=i ;<br />
7 break ;<br />
8 }<br />
9 }<br />
10 f o r ( i=alpha ; i
zur Analyse von Spektren [24] ausgewertet werden kann. Mit Hilfe von tv lassen sich die<br />
Spektren eichen und die Halbwertsbreiten der Peaks durch einen Gaußfit bestimmen.<br />
A.4 Schnittpunkt-Methode<br />
Listing 3: Berechnung der Regressionsgeraden<br />
1 i f ( p i l e u p==f a l s e ){<br />
2<br />
3 // R e g r e s s i o n f u e r A b s t i e g s f l a n k e f ( t )=a1 ∗ exp ( b1∗ t )<br />
4 double a1 ;<br />
5 double b1 =0; // b = R e g r e s s i o n s k o e f f i z i e n t<br />
6 double mx1=0; // M i t t e l w e r t von x1<br />
7 double my1=0; // M i t t e l w e r t von y1<br />
8 double varx1 =0; // Varianz von i im I n t e r v a l<br />
9<br />
10 // Berechnung der M i t t e l w e r t e<br />
11 f o r ( i = beta + 2 0 ; i < h ; i ++){<br />
12 i f ( 1 . ∗ ( buf [ i ] ) − my3 >= 0){<br />
13 // M i t t e l w e r t der Logarithmen der Werte der A b s t i e g s f l a n k e<br />
14 my1 = my1 + l o g ( 1 . ∗ ( buf [ i ]) −my3 ) ;<br />
15 mx1 = mx1 + i ;<br />
16 }<br />
17 }<br />
18 mx1 = mx1/( h−beta −20);<br />
19 my1 = my1/( h−beta −20);<br />
20<br />
21 f o r ( i = beta + 2 0 ; i < h ; i ++){<br />
22 i f ( 1 . ∗ ( buf [ i ] ) − my3 >= 0){<br />
23 b1 = b1 + 1 . ∗ i ∗( l o g ( buf [ i ]−my3 ) ) − mx1∗my1 ; // R e g r e s s i o n s k o e f f i z i e n t<br />
24 varx1 = varx1 + pow ( i −mx1 , 2 ) ;<br />
25 }<br />
26<br />
27 }<br />
28 // Berechnung der F i t p a r a m e t e r f u e r f ( t )<br />
29 varx1 = varx1 /( h−beta −20−1);<br />
30 b1 = b1 /( h−beta −20);<br />
31 b1 = b1/ varx1 ;<br />
32 a1 = my1−b1∗mx1 ;<br />
33 a1 = exp ( a1 ) ;<br />
34<br />
35 // R e g r e s s i o n s g e r a d e der A n s t i e g s f l a n k e g ( t ) = a2 + b2∗ t<br />
36 double a2 ;<br />
37 double b2 =0; // R e g r e s s i o n s k o e f f i z i e n t<br />
38 double mx2=0; // M i t t e l w e r t von x2<br />
39 double my2=0; // M i t t e l w e r t von y2<br />
40 double varx2 =0; // Varianz von i im I n t e r v a l<br />
41<br />
42 // Berechnung der M i t t e l w e r t e<br />
43 f o r ( i = alpha ; i < beta ; i ++){<br />
44 my2 = my2 + 1 . ∗ ( buf [ i ] ) − my3 ;<br />
45 mx2 = mx2 + i ;<br />
46 }<br />
47 mx2 = mx2/( beta−alpha ) ;<br />
48 my2 = my2/( beta−alpha ) ;<br />
49<br />
50 f o r ( i = alpha ; i < beta ; i ++){<br />
51 b2 = b2 + 1 . ∗ i ∗ ( ( buf [ i ]) −my3) − mx2∗my2 ;<br />
52 varx2 = varx2 + pow ( i −mx2 , 2 ) ;<br />
53 }<br />
54 // Berechnung der F i t p a r a m e t e r f u e r g ( t )<br />
55 varx2 = varx2 /( beta−alpha −1);<br />
56 b2 = b2 /( beta−alpha ) ;<br />
57 b2 = b2/ varx2 ;<br />
58 a2 = my2 − b2∗mx2 ;<br />
59<br />
60 // S c h n i t t p u n k t der R e g r e s s i o n s g e r a d e n<br />
61 double Qx , Qy ;<br />
62 Qx = ( a1−a2 ) / ( b2−a1 ∗b1 ) ;<br />
63 Qy = a1 ∗ exp ( b1∗Qx ) ; // S e t z e Qx i n Funktion f ( t ) e i n<br />
64<br />
53
54<br />
65 p r i n t f ( "%l f \n" ,Qy ) ; // Ausgabe von Qy<br />
66<br />
67 }<br />
68 f c l o s e ( f o u t ) ;<br />
A.5 Regressions-Methode<br />
1 // R e g r e s s i o n s −Methode<br />
2 //Q = int_ {\ alpha }^{x_0} ( g ( t )−z ( t ))^2 dt + int_ {x_0}^{\ beta } ( ( g ( t )− f ( t ))^2 dt<br />
3 //dA/ dx0 = 0<br />
4 double k , l , m, My, Mx;<br />
5 // Durch d i e R e g r e s s i o n s m e t h o d e e r g i b t s i c h e i n e q u a d r a t i s c h e Gleichung<br />
6 // der Form kx^2 + l x + m<br />
7 k = a1 ∗ a1 ∗b1∗b1 − 2∗ a1 ∗b1∗b2 ;<br />
8 l = 2∗ a1 ∗ a1 ∗b1 − 2∗ a1 ∗ a2 ∗b1−2∗a1 ∗b2 ;<br />
9 m = a1 ∗ a1 − 2∗ a1 ∗ a2 ;<br />
10 // Loesung der q u a d r a t i s c h e n Gleichung<br />
11 Mx = (− l −s q r t ( l ∗ l −4∗k∗m) ) / ( 2 ∗ k ) ;<br />
12 My = a1 ∗(1+b1∗Mx) ;<br />
13<br />
14 p r i n t f ( "%l f \n" ,My) ;<br />
A.6 Trapez-Algorithmus<br />
Die Umwandlung von der rekursiven zur iterativen Formulierung des Trapez-Algorithmus’<br />
soll am Beispiel von p(n) verdeutlicht werden. In C++ lässt sich die rekursive Funktion<br />
p(n) schreiben als<br />
1 void p ( int z , int k , int l ){<br />
2 arr_p [ 0 ] = 0 . ;<br />
3 arr_p [ z ] = p ( z −1,k , l ) + d ( z , k , l ) ;<br />
4 }<br />
Eine iterative Formulierung der Funktion lautet<br />
1 void p ( int k , int l ){<br />
2 arr_p [ 0 ] = 0 . ;<br />
3 f o r ( int z = 1 ; z
In der main-Funktion werden zunächst Traces mit Pile-up, wie in den vorigen Ab-<br />
schnitten beschrieben, aussortiert. Anschließend werden die Variablen k und l auf vom<br />
Benutzer definierte Werte gesetzt und die Funktionen p(k,l) und s(k,l,tau) ausgeführt.<br />
Die Höhe des Trapezes wird ermittelt, indem der Mittelwert der Datenpunkte auf dem<br />
Plateau gebildet wird.<br />
1 int k = 2 6 0 0 ;<br />
2 int l = k −1800; // => m = 1200<br />
3<br />
4 f o r ( i = 1 ; i < h ; i ++){<br />
5 arr_v [ i ] = buf [ i ] − my3 ;<br />
6 }<br />
7 // A u f r u f der Funktionen p ( k , l ) und s ( k , l , tau )<br />
8 p ( k , l ) ;<br />
9 s ( k , l , tau ) ;<br />
10 arr_s [ i ] = 0 ;<br />
11<br />
12 // M i t t e l w e r t des P l a t e a u s<br />
13 int l e n g t h = n − 1 − 1 2 0 0 ;<br />
14 double my4 = 0 . ;<br />
15 f o r ( i = 1 2 0 0 ; i < n ; i ++){<br />
16 my4 = my4 + 1 . ∗ ( arr_s [ i ] / 3 0 0 0 0 0 0 ) ;<br />
17 }<br />
18 my4 = my4/ l e n g t h ;<br />
19 p r i n t f ( "%l f \n" , my4 ) ;<br />
55
Danksagung<br />
Für ihre Unterstützung bei meiner <strong>Bachelorarbeit</strong> möchte ich mich bei folgenden Perso-<br />
nen herzlichst bedanken.<br />
Zuallererst und ganz besonders bedanke ich mich bei Herrn Professor Dr. Andreas<br />
Zilges für die Vergabe dieses sehr interessanten Themas und für die Möglichkeit, in seiner<br />
Arbeitsgruppe arbeiten zu dürfen. Bei ihm habe ich auch durch den Besuch der Vorlesung<br />
“Detektorphysik” viel über Detektoren, Signale und deren Verarbeitung gelernt.<br />
Außerdem bedanke ich mich herzlich bei Herrn Professor Dr. Jan Jolie für die Zweitkor-<br />
rektur meiner Arbeit.<br />
Ein ganz großer Dank geht an Michael Elvers und Janis Endres, die mich während meiner<br />
gesamten Zeit am Institut unterstützt haben. Bei allen Fragen und Problemen, die auftra-<br />
ten, standen sie mir geduldig mit Rat und Tat zur Seite. Ich habe bei ihnen wahnsinnig<br />
viel gelernt und bin ihnen sehr dankbar für diese schönste und lehrreichste Zeit meines<br />
bisherigen Studiums.<br />
Auch dem Rest der Arbeitsgruppe, Dr. Jens Hasper und (Lars but not least) Lars Net-<br />
terdon danke ich für die tolle Zeit, die ich während meiner fast viermonatigen Zeit am<br />
Institut hatte. Ohne dieser phantastischen Truppe wäre mir die Zeit sehr lang geworden.<br />
Die gemeinsamen Mittagessen, die Kickerspiele und die interessanten und lustigen Ge-<br />
spräche haben die <strong>Bachelorarbeit</strong> zu einem ganz besonderen Erlebnis gemacht.<br />
Des Weiteren bedanke ich mich sehr bei Dr. Stefan Heinze, von dem die Idee für die<br />
Regressionsmethode stammt. Auch er hat mich bei Fragen und Problemen unterstützt<br />
und mir auf die Sprünge geholfen.<br />
Ebenfalls ein großer Dank gebührt Dr. Gheorghe Pascovici für seine Nachhilfe in Sachen<br />
digitale Elektronik und die Versorgung mit geeigneter Literatur.<br />
Nicht unerwähnt bleiben sollen Dr. Christoph Fransen, Lothar Steinert und Herbert Hess<br />
für die Hilfe bei der Beschaffung von Quellen, Detektoren und Stickstoff, Dr. Nigel Warr<br />
und Norbert Braun für die Hilfe zur XIA-Software und die Benutzung ihrer Auslese-<br />
programme, sowie Benedikt Birkenbach für Informationen über alte Messungen mit dem<br />
DGF.<br />
Außerdem danke ich dem gesamten Institut für Kernphysik der Uni Köln für die tolle<br />
Arbeitsatmosphäre und die schöne Zeit, die ich dort hatte.<br />
Ich danke außerdem meinen Eltern für das Korrekturlesen und ihre Unterstützung.<br />
Schließlich danke ich Theresa für ihre Fürsorge, ihr Verständnis, das Korrekturlesen und<br />
für die Kraft, die sie mir während dieser Zeit gegeben hat.<br />
57
Erklärung<br />
Hiermit versichere ich, die vorliegende <strong>Bachelorarbeit</strong> selbstständig und ohne Hilfe Dritter<br />
und nur mit den angegebenen Quellen und Hilfsmitteln angefertigt zu haben. Alle Quellen<br />
und Zitate sind als solche im Text kenntlich gemacht worden.<br />
Köln, den 27. August 2009<br />
—————————————————–<br />
(Unterschrift)<br />
59