γ相机作为一种对放射源进行成像的设备,能够直观可视地获取放射源的空间位置分布和辐射强度等信息,且拥有核素识别以及无损分析等功能或特点,目前被广泛地应用于天文学、核医学、放射性环境监测、军事和国土安全等诸多领域。γ成像系统性能受硬件模块和定位算法影响,升级硬件和提升算法可有效提高成像系统的性能。但相对于升级硬件能所需的经济和技术成本而言,提升定位算法是一种更加经济、有效和可行的方式。目前,γ相机中比较常用的定位算法包括查表校正法、最大似然法、重心法、最小平方法、机器学习法和神经网络算法等。最小平方法(Least Squares Estimation,LSE)由于其定位能力突出,可有效消除压缩效应和定位畸变等现象,易于开发,对设备要求低,无需大量数据积累等优点而备受关注,被认为是一种可明显提高γ成像系统性能的优越定位算法。解决LSE问题的常用方法是梯度下降法和牛顿法,但是这些方法的缺点是对LSE目标函数要求较高并且计算效率较低。粒子群优化算法(Particle Swarm Optimization,PSO)由于拥有强大的全局搜索能力和较高的计算效率,被广泛用于解决函数优化、神经网络训练、模糊系统控制等问题。本文将基于PSO的LSE定位算法(PSO-LSE)和Scrimger-Backer荧光模型相结合,系统地研究了位置灵敏γ成像的定位问题。根据读出电路分流原理,建立了适用于全通道单独读出型和均衡电荷分配型(SCDC)两种读出电路的目标方程。采用数值实验的方法对PSO-LSE在两种读出电路中γ成像定位问题进行研究;同时,使用基于SCDC的CsI(T1)晶体阵列耦合SiPM的γ相机实验数据对PSO-LSE算法进行实验定位评估。论文主要研究内容和结论如下:第一,通过文献调研,概括介绍了γ成像仪(特别是γ相机)的应用领域和研究现状,对目前应用较广泛的定位算法进行了简述,其中重点介绍了最小平方估计定位算法。第二,从γ相机成像原理出发,介绍了γ相机主要部件、成像关键技术和性能指标及测试方法。γ相机的成像原理主要是利用γ射线与物质的相互作用,以及射线的直线传播和衰减规律。成像系统主要包括准直器、闪烁体、位置灵敏探测器以及读出电路。基于主要构成部分介绍了 Y成像的关键技术。成像系统性能指标主要包括空间分辨率、空间线性、能量分辨率以及泛源均匀性。第三,针对最小平方问题,采用粒子群算法作为优化算法,建立了基于粒子群的最小平方估计法(PSO-LSE)。分别讨论了一维和二维变量中最小平方目标函数,使用PSO-LSE对问题进行求解。结果表明PSO-LSE能够在较少的迭代次数内正确地搜索到目标函数的最优解,具有强大的全局搜索能力和较高的计算效率。根据电路分流原理,对全通道单独型和均衡电荷分配型(SCDC)读出电路分别建立了对应的目标函数,并梳理了 PSO-LSE在两种读出电路中的定位流程。第四,基于模拟位置灵敏γ相机,利用PSO-LSE算法对两种不同的读出电路进行了定位研究。结果表明:引入校正系数后的目标函数可以有效减轻边缘区域的压缩效应和定位偏移问题,可有效提高γ相机的有效视野面积(UFOV)。PSO-LSE算法有较强的定位能力和计算性能,并且对光分布的不敏感。信噪比大于20dB的高斯噪声对PSO-LSE给出的定位结果影响不大,可以在目标函数中加入合适的常数进行噪声抵消;分布异常的事件可以通过信号分布筛选程序进行识别和排除。同时,PSO-LSE可以通过数学校正的方法进行PSPMT增益非均匀性校正,对于提升定位结果和降低校正成本有明显的帮助。第五,使用了一款基于SCDC读出的22×22 CsI(Tl)晶体阵列耦合8X8 SiPM阵列γ相机,在Am-241泛源照射下,对PSO-LSE算法进行了实验评估,并与重心法和高斯法得出的结果进行比较。评估结果表明:PSO-LSE算法表现出了对SCDC读出电路的适应性,可以提高γ相机的有效视野、位置线性响应、空间分辨率等性能。并且PSO-LSE是一种很有潜力和应用前景的定位算法,可以同时获得优秀的像素识别、较高的曲线峰谷比、较大的UFOV和优异的位置线性响应等性能。综上所述,根据读出电路分流原理,建立了适用于全通道单独读出型和SCDC两种电路的PSO-LSE定位算法。数值实验表明:在目标方程中引入的校正系数,减弱了边缘压缩效应和定位偏移等问题;PSO-LSE对光分布敏不敏感,可有效解决一定水平下的噪声、散射和增益非均匀性等因素带来的定位问题。丫成像仪的性能受定位算法的影响,采用合适的定位算法可以提高γ成像仪的性能。将PSO-LSE算法用于位置灵敏γ成像定位,结合硬件参数以及信号分布特点,可获得较高质量的定位结果,为获取到更高质量的重建图像提供了可能。