首页--工业技术论文--一般工业技术论文--声学工程论文--超声工程论文--超声的应用论文

基于自适应波束形成的合成孔径超声成像算法

摘要第6-7页
Abstract第7-8页
符号及缩写含义清单第9-10页
第一章 绪论第10-15页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 超声成像的发展历史与现状第11页
        1.2.2 合成孔径超声成像的发展历史与现状第11-12页
        1.2.3 基于自适应波束形成的合成孔径超声成像的研究历史与现状第12-13页
    1.3 本文主要研究内容第13-15页
第二章 传统波束形成算法第15-32页
    2.1 延时叠加波束形成第15-21页
        2.1.1 系统建模及理论分析第15-17页
        2.1.2 延时分析与计算第17-18页
        2.1.3 波束仿真第18-21页
    2.2 波束控制方法第21-26页
        2.2.1 聚焦第21-23页
        2.2.2 幅度变迹第23-25页
        2.2.3 动态孔径第25-26页
    2.3 超声成像质量评价标准第26-28页
        2.3.1 轴向分辨率(Axis Resolution)第26-27页
        2.3.2 横向分辨率(Lateral Resolution)第27页
        2.3.3 对比度(Contrast Resolution)第27页
        2.3.4 时间分辨率(Te:mporal Resolution)第27-28页
        2.3.5 动态范围第28页
    2.4 延时叠加波束形成性能分析第28-31页
        2.4.1 仿真平台—FieldII介绍第28-29页
        2.4.2 仿真对比与分析第29-31页
    2.5 本章小结第31-32页
第三章 自适应波束形成算法第32-43页
    3.1 闭环自适应波束形成算法第32-35页
        3.1.1 最小均方算法第32-34页
        3.1.2 序贯回归算法第34-35页
    3.2 开环自适应波束形成算法第35-40页
        3.2.1 标准Capon波束形成算法第36页
        3.2.2 基于特征空间最小方差波束形成算法第36-40页
    3.3 仿真分析第40-42页
        3.3.1 闭环自适应波束形成算法仿真对比第40-41页
        3.3.2 开环自适应波束形成算法仿真对比第41-42页
    3.4 本章小结第42-43页
第四章 基于稳健自适应波束形成的合成孔径成像算法第43-64页
    4.1 合成孔径超声成像第43-49页
        4.1.1 合成孔径聚焦第43-44页
        4.1.2 多阵元合成孔径聚焦第44-46页
        4.1.3 合成聚焦第46-48页
        4.1.4 合成发射孔径第48-49页
    4.2 ES-RCB算法第49-52页
        4.2.1 阵列模型第49-50页
        4.2.2 干扰-噪声协方差矩阵重构第50-51页
        4.2.3 导向矢量优化第51页
        4.2.4 信号子空间选择与拉格朗日算子取值范围第51-52页
    4.3 基于ES-RCB的合成孔径超声成像算法第52-54页
        4.3.1 算法流程第53-54页
        4.3.2 算法复杂度分析第54页
    4.4 仿真分析第54-63页
        4.4.1 不同扫描模式波束图仿真第55-56页
        4.4.2 不同扫描模式成像仿真第56-58页
        4.4.3 不同自适应算法变迹波束图仿真第58-60页
        4.4.4 不同自适应算法稳健性比较仿真第60页
        4.4.5 不同自适应算法变迹点目标成像仿真第60-61页
        4.4.6 不同自适应算法变迹斑点目标成像仿真第61-63页
    4.5 本章小结第63-64页
第五章 基于压缩感知稳健自适应波束形成的合成孔径成像算法第64-73页
    5.1 阵列模型第64页
    5.2 CS-ES-RCB-SAF算法第64-67页
        5.2.1 原信号的稀疏表示第64-65页
        5.2.2 原信号的非均匀采样第65页
        5.2.3 信号重建第65-66页
        5.2.4 算法流程第66-67页
        5.2.5 算法复杂度分析第67页
    5.3 仿真分析第67-72页
        5.3.1 不同稀疏基下的信号稀疏表示仿真第67-68页
        5.3.2 不同稀疏基下的信号重建仿真第68-69页
        5.3.3 不同稀疏基下的点目标图像重建仿真第69-71页
        5.3.4 不同稀疏基下的斑点目标图像重建仿真第71-72页
    5.4 本章小结第72-73页
第六章 总结与展望第73-75页
    6.1 总结第73-74页
    6.2 展望第74-75页
参考文献第75-80页
致谢第80-81页
作者简介第81页

论文共81页,点击 下载论文
上一篇:基于C4.5改进的林地宜植性预测系统的研究与实现
下一篇:基于多特征融合的花粉图像识别算法研究