| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 引言 | 第10-21页 |
| ·课题意义 | 第10-12页 |
| ·X 射线 CT 技术 | 第12-15页 |
| ·医用 X 射线 CT 技术 | 第12-14页 |
| ·工业 X 射线 CT 技术 | 第14-15页 |
| ·超声 CT 技术 | 第15-19页 |
| ·医学超声 CT 技术 | 第15-16页 |
| ·无散射超声 CT 技术 | 第16-18页 |
| ·超声衍射 CT 技术 | 第18-19页 |
| ·课题研究内容 | 第19-21页 |
| 2 超声散射 CT 信号的采集及预处理 | 第21-35页 |
| ·超声散射 CT 信号的采集 | 第21-25页 |
| ·实验信号的采集方法 | 第21-23页 |
| ·实验系统的硬件组成 | 第23-24页 |
| ·实验系统的检测对象 | 第24-25页 |
| ·超声散射 CT 成像方法 | 第25-27页 |
| ·超声散射 CT 信号的预处理 | 第27-32页 |
| ·时间压缩 | 第27-29页 |
| ·空间压缩 | 第29-30页 |
| ·相移投影 | 第30-32页 |
| ·圆弧界面信号的提取 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 希尔伯特-黄变换在超声散射 CT 中的应用 | 第35-50页 |
| ·时频分析方法 | 第35-38页 |
| ·短时傅里叶变换 | 第36页 |
| ·小波变换 | 第36-38页 |
| ·Wigner-Ville 分布 | 第38页 |
| ·希尔伯特-黄变换 | 第38-43页 |
| ·瞬时频率 | 第39-40页 |
| ·固有模态函数 | 第40页 |
| ·经验模态分解法 | 第40-42页 |
| ·Hilbert 谱和 Hilbert 边际谱 | 第42-43页 |
| ·希尔伯特-黄变换在超声散射 CT 中的应用 | 第43-49页 |
| ·超声散射 CT 信号的 EMD | 第43-44页 |
| ·瞬时幅度、瞬时相位及瞬时频率 | 第44-46页 |
| ·Hilbert 谱和 Hilbert 边际谱 | 第46-49页 |
| ·小结 | 第49-50页 |
| 4 超声散射 CT 信号的特征提取 | 第50-65页 |
| ·常规特征提取 | 第50-53页 |
| ·直流分量、功率、交流功率 | 第50-51页 |
| ·幅值 | 第51-52页 |
| ·平均功率 | 第52-53页 |
| ·小波变换特征提取 | 第53-60页 |
| ·小波基的选取 | 第53-54页 |
| ·小波分解尺度的确定 | 第54-55页 |
| ·小波变换特征提取方法 | 第55-60页 |
| ·希尔伯特-黄变换特征提取 | 第60-63页 |
| ·各界面的希尔伯特-黄变换及其特征分析 | 第60-63页 |
| ·希尔伯特-黄变换 EMD 能量特征分析法 | 第63页 |
| ·小结 | 第63-65页 |
| 5 超声散射 CT 信号的定性定量分析 | 第65-76页 |
| ·人工神经网络概述 | 第65-66页 |
| ·BP 神经网络 | 第66-67页 |
| ·BP 神经网络模型 | 第66-67页 |
| ·BP 网络结构设计 | 第67页 |
| ·常用的定性定量分析方法 | 第67-68页 |
| ·基于 BP 神经网络的定性分析 | 第68-72页 |
| ·基于常规特征识别方法的 BP 网络模式识别 | 第68-69页 |
| ·基于 HHT 特征识别方法的 BP 网络模式识别 | 第69-70页 |
| ·基于小波特征识别方法的 BP 网络模式识别 | 第70-72页 |
| ·基于 BP 神经网络的定量分析 | 第72-75页 |
| ·基于常规特征的各界面定量识别 | 第73页 |
| ·基于 HHT 综合特征的各界面定量识别 | 第73-74页 |
| ·基于小波能谱系数特征的各界面定量识别 | 第74-75页 |
| ·小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士期间发表的论文 | 第83-84页 |
| 致谢 | 第84页 |