红外热成像系统温度漂移补偿算法研究

针对红外焦平面阵列(infrared focal plane arrays, IRFPA)响应输出易受到环境温度变化的影响,且长时间工作后易发生温度漂移,导致红外热成像系统测温误差大,为此提出了一种红外热成像系统温度漂移补偿算法。该算法建立了红外焦平面阵列响应输出随环境温度变化的补偿模型,利用该模型对IRFPA每个像素响应输出值进行逐一修正。将该补偿算法加入红外热成像系统中,进行红外目标的温度显示实验。实验结果表明,该算法能够有效减少环境温度变化引起的测温误差,提高红外热成像系统的测温精度。     

一种用于乳腺微波热消融治疗温度成像的磁化率修正算法

在磁共振引导乳腺微波热消融手术过程中,温度成像方法可以算出被消融区域的准确温度.由于磁化率对温度变化很敏感,需要一种新的测温方法或者温度成像优化方法减小磁化率变化对测温准确性的影响.基于磁化率变化的温度成像优化方法首先使用最基本的温度成像方法求出热消融区域的温度;然后针对乳腺组织的特异性,使用水脂分离的温度成像方法计算温度,同时借助水和脂肪磁化率变化的差异性对温度进行修正;最后将温度差作为评估温度修正算法优劣的标准.仿真实验结果表明,对于包含水质两种组织的热消融模型,在微波消融输入功率为15W,微波消融时间为300s的时候,本算法的综合修正效果最好.上述结果证明了本算法的正确性以及可行性,适用于任何含有水和脂肪两种物质的组织.     

基于模型的磁共振乳腺温度成像方法

为解决传统相位法和波谱法在乳腺热疗温度监控应用中的局限,提出一种基于内在参照物模型的磁共振乳腺温度成像方法。通过扩展原有温度模型并结合频率辨识算法,使该方法能够在多成分乳腺频谱中筛选出水和脂肪频率,进而计算温度。4名志愿者参加了实验。常温下初步测温结果表明:该方法能减少运动等因素干扰,测温误差比仅使用水质子频率时显著降低,空间分辨率达到2mm×2mm×5mm,而温度空间分布不均匀性在±10℃左右。     

井下指令信号的小波-奇异值分解双层滤波降噪

针对旋转导向钻井井下接收的指令信号进行降噪时存在奇异点和突变点等问题,提出一种基于小波-奇异值分解的双层滤波降噪方法。该方法将小波改进分层阈值降噪与奇异值分解降噪相结合,采用小波变换与奇异值分解WT-SVD双层滤波降噪方法,对小波改进分层阈值降噪后的信号进行矩阵构造,经过奇异值分解和重构使信号得以还原。通过实验确定了所选取的奇异值个数及重构矩阵结构,并对比研究了奇异值分解、小波改进分层阈值和WT-SVD双层滤波3种不同降噪方法降噪后的信号波形及信噪比、均方根误差和相关系数。实验结果表明,WT-SVD双层滤波方法降噪效果明显。     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于严密Helmert方差分量估计的动态Kalman滤波

针对Kalman滤波模型推导了严密的Helmert方差分量估计公式.在此基础上,构建了方差分量估计辅助的Kalamn滤波解,改进的Kalman滤波与标准Kalman滤波的计算过程基本相同.推导了方差分量估计对Kalman滤波解的影响.理论推导和计算结果均表明,Helmert方差分量估计辅助的Kalman滤波能够合理调控动力学模型误差的影响,合理平衡观测信息与动力学模型信息对Kalman滤波解的贡献,提高状态参数估计的精度;严密Helmert方差分量估计与简化Helmert方差分量估计辅助的Kalman滤波解基本等效.     

基于改进灰色模型的MEMS陀螺仪零偏温度补偿

微机电系统(micro-electro mechanical system,MEMS)陀螺仪的零点漂移是影响陀螺仪测量精度的主要因素.针对MEMS陀螺仪零点漂移随温度变化的非线性问题,以MEMS惯性传感器为试验对象,采用小波变换对MEMS陀螺静态实验零偏数据进行滤波,结合改进灰色预测模型估计零偏随温度变化趋势,获得基于小波变换和改进灰色预测的温度补偿模型.与常规补偿模型算法比较表明,基于小波变换和改进灰色预测的温度补偿模型均方根误差和平均绝对误差更小,MEMS陀螺仪零点漂移的均方根误差和平均绝对误差分别减少到0.025 0和0.018 0,验证了该补偿模型的可行性,对提高陀螺测量精度具有较好的理论意义和工程应用价值.     

基于季节模型及Kalman滤波的道路行程时间

道路行程时间是影响城市交通出行行为的重要因素。当前大多数出行时间研究基于路段进行,假设驾驶人沿着理想最短路径或最快路径行驶,难以对交叉口排队延误等相关时间参数进行精确估计。针对城市任意OD间的出行时间进行分析,采用Kalman滤波方法,利用历史数据对总行程时间进行有效预测。鉴于总行程时间分布存在比较明显的周期性特点,单一Kalman滤波算法难以反映出这种周期性,引入基于季节模型的Kalman滤波算法进行建模和优化。最后,利用深圳浮动车2011年12月连续3d的数据进行实证。研究结果表明:相对于传统的SARIMA模型及普通Kalman滤波算法,优化模型同时考虑总行程时间分布的周期性和时变性,具有较小误差及更好的拟合度;所得预测时间的平均绝对误差(MAE)分别在传统SARIMA模型及普通Kalman滤波算法结果基础上降低了37%和52%,其余误差指标,如均方根误差(RMSE)及最大相对误差(MRE)均有较大下降,从而证明了研究模型的有效性。     

基于Voronoi图的磁共振PROPELLER数据网格化算法

PROPELLER数据采集成像算法是磁共振成像中的一项新技术,由于其数据的网格化直接影响该成像算法的效果,因此提出一种基于Voronoi图的网格化算法．该算法对采样数据集进行网格分组查找,快速消除位置相同点;加入边缘闭包后进行Voronoi网格化,计算Voronoi网格面积并将其作为网格化的密度补偿权函数,提出基于网格分组的快速网格化算法并成像．实验表明,该算法运行速度快,成像清晰,图像对比度和细节较好,信噪比得到有效提高．     

板管式换热器背板温度场和传热研究

以背板为控制容积，将背板的自然对流和辐射传热视为热汇，建立了板管式换热器数学模型．引入一个导热因子来考虑背板导热对盘管换热的影响，先求解盘管的换热量和温度，然后采用亚松弛法迭代求解背板的温度场和传热量．在23个工况下将板管式冷凝器和冷凝管的模型传热量和温度场的计算值与实验值进行了比较，发现模型传热量的预测误差在10％以内，背板温度场的计算平均误差为2．5℃，表明模型合理，而且具有较高的精度．该思路和方法可用于求解耦合导热、自然对流和辐射的非等温平板传热问题．     

单电流注入的三维MREIT快速重建及实验

磁共振电阻抗成像（MREIT）是将磁共振成像（MRI）与传统电阻抗成像（EIT）技术相结合的一种电导率成像技术,通过提供成像体精确的几何信息与成像体内部的磁通密度值,改善了电阻抗成像的病态性,使得电导率图像的分辨率显著提高．针对MREIT系统的快速成像问题,在分析磁共振电阻抗成像的数学模型和正逆问题的基础上,提出利用单次电流的磁通密度分量即可进行电导率图像重建的方法,缩短了测量时间,并降低了电极间的电磁干扰;将灵敏度矩阵法扩展到三维MREIT,采用半解析法计算灵敏度矩阵,使得图像重建速度得到提高;并通过仿真与仿体实验验证了该方法的有效性．结果表明获得的电导率分布图像具有较高的分辨率和图像质量,测量与重建时间的缩短为MREIT的临床应用奠定了基础．     

基于修正扩展卡尔曼滤波和粒子滤波的混沌信号检测与跟踪

针对恶劣环境下混沌信号的检测与跟踪这一难题,以及基于一阶线性化的扩展卡尔曼滤波(EKF)技术存在的严重退化现象,提出了具有较强稳健性的修正EKF技术,获得了与Unscented Kalman filter相匹配的性能.针对上述两种滤波方法在低信噪比情况下存在跟踪误差大的问题,为此引入了新颖的粒子滤波技术并且分析了该技术的可行性,最后仿真实验验证了该技术在低信噪比环境下的优越性.     

BP神经网络辅助的GNSS反射信号NDVI反演

归一化植被指数(normalized difference vegetation index,NDVI)是一种能反映地表植被生长情况和覆盖度的重要指标,针对如何确定研究区域归一化植被指数变化趋势的问题,提出一种BP神经网络辅助的GNSS卫星反射信号NDVI反演方法。从PBO观测网P037和P39站点信噪比观测数据提取的振幅参数作为输入值,归一化植被指数作为输出值,构建BP神经网络辅助的GNSS卫星反射信号植被指数反演模型,并与线性回归模型进行对比,实验结果显示:P037和P039站点振幅线性回归的相关系数为0. 700 3和0. 775 6,均方根误差为0. 062 2和0. 076 0,BP模型的相关系数为0. 802 3和0. 839 4,均方根误差为0. 033 6和0. 045 9,表明BP神经网络辅助的GNSS卫星反射信号反演模型获取的归一化植被指数优于线性回归模型,为获取准实时、低成本和高时间分辨率的NDVI提供了新的思路,证明了该方法的可行性。     

基于气泡的缸盖水腔沸腾传热仿真研究

从气泡核化条件及沸腾起始点要求出发,提出相变判定条件,从而准确界定沸腾区域. 基于沸腾均相流计算模型框架,建立了沸腾传热数值计算模型,并利用Robinson实验数据对该计算模型的准确性进行了校核. 利用该数值模型对缸盖温度场进行了预测,与实机测温结果进行实验比对,证明新沸腾数值模型计算结果更接近实机测试温度,火力面测点最大误差不超过7%.      

永磁磁共振成像中射频表面线圈的优化设计

提出了一种以信噪比为优化目标的射频表面线圈的优化设计方法。在电磁分析中采用无穷大的均匀介质来近似模拟计算人体产生的噪声,以Fourier级数为基函数将线圈所在平面的源电流密度按函数展开,以展开系数为自变量对线圈的信噪比进行优化。利用该方法设计制作了一个表面线圈,在一台0.3T磁共振成像系统上进行了水模和人体的成像实验,结果表明,该线圈在较浅深度上的信噪比超过了正交体线圈,而在所有深度上都超过了以均匀度为优化目标设计出来的蝶形线圈。     

钢水测温传感器的有限元分析

在分析钢水测温传感器传热过程的基础上,建立了测温传感器的有限元模型.基于此模型对传感器内外层结构、物性参数和边界条件等影响传感器温度测量的各个因素进行分析.实验结果表明仿真值与测量值相比最大误差小于6 K;传感器滞后主要取决于外层保护套管;传感器物性参数可以取为常数;当对流换热系数足够大时,再改变对流换热系数对温度影响较小.这些结果可为传感器的优化设计和实际使用提供理论依据,且可在基于模型的反演算法中提供正向解.     

基于多模型SVR的抗野值Kalman滤波器

为了抑制观测数据中野值对Kalman滤波的不利影响,本文首先基于支持向量机(SVM)和多模型理论,建立了Kalman滤波新息过程的多模型支持向量回归(SVR)预测模型,然后给出了结合该预测模型的Kalman滤波的修正算法。仿真结果表明,该Kalman滤波算法不仅有效地剔除了观测数据的野值,提高了滤波器的稳定性和精度,而且算法比较简单。     

高精度压印机压印轴的热误差分析

在压印光刻工艺中,针对压印机由于温度变化而引起的热误差,通过建立压印机压印轴有限元分析模型,对其温度分布进行了仿真计算.采用高斯求积法优化了温度传感器的位置和数量,选取了1个热源点和2个高斯点作为测温关键点,建立了压印轴测温点的温度变化与压印轴轴向热误差之间的线性计算模型,该方法可以预先确定测温点的数量和位置,避免了传统的从多个测温点中通过实验选择最优传感器数量和位置的方法.研究结果表明,有限元计算结果与实验中温度测量值之间的误差小于7 7%,仿真结果能准确反映压印轴温度场的分布情况,所建立的压印轴热误差模型的计算精度可以达到93%,因此获得了较高的计算精度.     

基于二次指数平滑法和优化Kalman滤波的短时交通组合预测

优化改进传统的Kalman滤波模型,解决预测精度不高且预测滞后的问题.用二次平滑指数法和优化后的Kalman滤波模型两种方法组合对道路断面通过交通量进行短时交通预测,通过平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分析预测结果.实例预测结果表明:当修正因子α=0.5时预测结果较为精确,同时,优化改进后的Kalman滤波模型的预测准确性有所提高.组合预测的两种方法都能够有效地降低预测误差,但按权重组合预测的效果更为明显.