摘要 | 第4-7页 |
ABSTRACT | 第7-9页 |
1 绪论 | 第14-20页 |
1.1 引言 | 第14页 |
1.2 研究背景 | 第14-16页 |
1.3 国内外研究现状 | 第16-19页 |
1.3.1 微波检测技术发展现状以及在人体医学领域的应用 | 第16-17页 |
1.3.2 微波检测定位方法 | 第17-18页 |
1.3.3 鱼群优化算法的研究现状 | 第18-19页 |
1.4 论文章节安排 | 第19-20页 |
2 脑中风微波检测的理论基础 | 第20-34页 |
2.1 引言 | 第20页 |
2.2 人脑组织结构 | 第20-24页 |
2.2.1 人脑电磁特性 | 第21页 |
2.2.2 极化特性 | 第21-22页 |
2.2.3 生物组织介电模型 | 第22-23页 |
2.2.4 脑部的介电常数分析 | 第23-24页 |
2.3 微波检测原理 | 第24-28页 |
2.3.1 微波原理 | 第24页 |
2.3.2 微波检测原理 | 第24-26页 |
2.3.3 微波检测算法框架 | 第26-28页 |
2.4 FDTD理论基础 | 第28-33页 |
2.4.1 算法基础 | 第28-31页 |
2.4.2 数值稳定性要求 | 第31-32页 |
2.4.3 完美匹配层吸收边界的设置 | 第32-33页 |
2.5 本章小结 | 第33-34页 |
3 人工鱼群算法及其改进 | 第34-44页 |
3.1 群智能优化算法介绍 | 第34-36页 |
3.1.1 遗传算法 | 第35页 |
3.1.2 粒子群算法 | 第35-36页 |
3.2 人工鱼群优化算法 | 第36-38页 |
3.2.1 人工鱼群算法介绍 | 第36-37页 |
3.2.2 人工鱼群算法参数 | 第37页 |
3.2.3 觅食行为 | 第37页 |
3.2.4 聚群行为 | 第37-38页 |
3.2.5 追尾行为 | 第38页 |
3.2.6 公告板 | 第38页 |
3.3 人工鱼群算法改进 | 第38-42页 |
3.3.1 觅食行为改进 | 第38-39页 |
3.3.2 基于全局人工鱼和视野平均人工鱼复合改进 | 第39-40页 |
3.3.3 基于全局人工鱼和视野最优人工鱼复合改进 | 第40-42页 |
3.3.4 随机初始化行为的引入 | 第42页 |
3.4 改进人工鱼群算法的性能验证 | 第42-43页 |
3.4.1 测试函数 | 第42页 |
3.4.2 结果分析 | 第42-43页 |
3.5 小结 | 第43-44页 |
4 基于AFSA的脑中风微波检测 | 第44-54页 |
4.1 基于AFSA的脑中风检测的检测系统框架 | 第44-49页 |
4.1.1 微波信号源 | 第44-46页 |
4.1.2 超宽带微带天线 | 第46-48页 |
4.1.3 头部模型 | 第48-49页 |
4.2 基于AFSA的脑中风检测算法 | 第49-50页 |
4.3 基于FDTD的脑中风微波检测前向计算 | 第50-51页 |
4.4 基于AFSA的脑中风逆向重建 | 第51-52页 |
4.5 小结 | 第52-54页 |
5 脑中风的检测结果性能分析 | 第54-73页 |
5.1 引言 | 第54页 |
5.2 实验环境搭建 | 第54-61页 |
5.2.1 微波矢量网络分析仪 | 第55页 |
5.2.2 矢量网络分析仪的测量原理 | 第55-56页 |
5.2.3 微波检测辅助元件 | 第56-59页 |
5.2.4 模型配置 | 第59-61页 |
5.3 实验误差改进分析 | 第61-63页 |
5.3.1 频段范围和频率的选择 | 第61页 |
5.3.2 天线定位的准确度 | 第61-62页 |
5.3.3 微波测量干扰 | 第62-63页 |
5.4 介质估计分析 | 第63-65页 |
5.4.1 投射或反射的影响 | 第64页 |
5.4.2 算法参数的影响 | 第64-65页 |
5.5 脑中风检测结果分析 | 第65-72页 |
5.5.1.算法参数对性能的影响 | 第65-66页 |
5.5.2 FDTD结果模板库 | 第66-70页 |
5.5.3 AFSA算法与PSO算法比较 | 第70-71页 |
5.5.4 中风血块尺寸对算法的影响 | 第71-72页 |
5.6.小结 | 第72-73页 |
6 总结与展望 | 第73-75页 |
参考文献 | 第75-79页 |
附录1 攻读硕士学位期间撰写的论文 | 第79-80页 |
附录2 攻读硕士学位期间参加的科研项目 | 第80-81页 |
致谢 | 第81页 |