| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 电容层析成像技术发展与研究现状 | 第11-12页 |
| 1.2.2 SVM 算法的发展及研究现状 | 第12页 |
| 1.2.3 FPGA 的研究发展及现状 | 第12-13页 |
| 1.2.4 图像重建算法研究现状 | 第13-15页 |
| 1.3 课题主要研究内容 | 第15-16页 |
| 第2章 电容层析成像系统技术原理 | 第16-25页 |
| 2.1 ECT 系统组成结构 | 第16-17页 |
| 2.2 电容传感器系统结构 | 第17-18页 |
| 2.3 电容值数据采集系统 | 第18-20页 |
| 2.4 图像显示系统 | 第20页 |
| 2.5 电容层析成像系统的工作机理 | 第20-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于支持向量机的图像重建算法 | 第25-40页 |
| 3.1 统计学习理论的基本思想 | 第25-27页 |
| 3.1.1 函数集的 VC 维 | 第25页 |
| 3.1.2 结构风险最小化原则 | 第25-26页 |
| 3.1.3 学习过程的一致性概念 | 第26-27页 |
| 3.2 支持向量机理论 | 第27-32页 |
| 3.2.1 最优超平面和支持向量 | 第28-29页 |
| 3.2.2 线性支持向量机 | 第29-30页 |
| 3.2.3 非线性支持向量机 | 第30-32页 |
| 3.3 核函数选择 | 第32-33页 |
| 3.4 基于 SVM 的 ECT 图像重建算法改进 | 第33-39页 |
| 3.4.1 数据预处理 | 第33-34页 |
| 3.4.2 CSSVM 算法实现 | 第34-35页 |
| 3.4.3 SVM 算法软件实现实验结果及分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于 FPGA 的 CSSVM 算法实现 | 第40-52页 |
| 4.1 CSSVM 算法在 FPGA 上的设计实现流程 | 第40-43页 |
| 4.2 SVM 算法硬件实现整体设计 | 第43-46页 |
| 4.2.1 SVM 硬件设计建模 | 第43-45页 |
| 4.2.2 SVM 算法硬件整体设计 | 第45-46页 |
| 4.3 主要功能模块的设计 | 第46-51页 |
| 4.3.1 状态机 | 第46-47页 |
| 4.3.2 核函数设计 | 第47-48页 |
| 4.3.3 SVM-Block 模块和 bias-Block 模块的设计实现 | 第48-50页 |
| 4.3.4 predict-Block 模块硬件设计 | 第50页 |
| 4.3.5 算法仿真实验结果 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 系统图像重建结果及分析 | 第52-59页 |
| 5.1 实验采用平台概述 | 第52-54页 |
| 5.1.1 XUP Viterx PRO-II 开发板概述 | 第52-53页 |
| 5.1.2 基于 FPGA 的设计及开发流程 | 第53-54页 |
| 5.1.3 软件环境 ISE | 第54页 |
| 5.2 图像重建实验及结果分析 | 第54-58页 |
| 5.2.1 管道流体不同剖分单元的成像 | 第54-56页 |
| 5.2.2 图像重建占用资源比较 | 第56页 |
| 5.2.3 软硬件成像时间比较 | 第56-58页 |
| 5.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
