| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景 | 第10-12页 |
| ·人工神经网络 | 第12-15页 |
| ·人工神经网络的发展状况 | 第12-13页 |
| ·神经元模型 | 第13-14页 |
| ·神经网络的学习规则 | 第14-15页 |
| ·基于FPGA 的算法研究 | 第15-17页 |
| ·课题来源及论文主要研究内容 | 第17-18页 |
| 第2章 电容层析成像技术原理 | 第18-26页 |
| ·电容层析成像系统的结构 | 第18-21页 |
| ·传感器系统 | 第19-21页 |
| ·数据采集系统 | 第21页 |
| ·成像系统 | 第21页 |
| ·电容层析成像系统工作原理 | 第21-25页 |
| ·ECT 系统的关键 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 电容层析成像系统的图像重建算法 | 第26-35页 |
| ·几种常见图像重建算法简介 | 第26-31页 |
| ·线性反投影算法 | 第26-27页 |
| ·ART 迭代图像重建算法 | 第27-28页 |
| ·其他算法 | 第28-29页 |
| ·基于径向基的图像重建算法 | 第29-31页 |
| ·RBF 神经网络的学习参数解决策略 | 第31-34页 |
| ·高斯基函数中心向量和宽度的选取 | 第32-33页 |
| ·从隐层到输出层的各连接权值的确定 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 RBF 图像重建算法的FPGA 设计 | 第35-44页 |
| ·FPGA 设计流程 | 第35-37页 |
| ·Virtex-Ⅱ Pro 系列FPGA 简介 | 第37-40页 |
| ·ISE Foundation V8.2i 开发环境简介 | 第39页 |
| ·图像重建系统设计 | 第39-40页 |
| ·RBF 硬件化整体设计 | 第40-43页 |
| ·径向基函数算法实现步骤 | 第41页 |
| ·基于FPGA 的RBF 神经网络实现 | 第41-43页 |
| ·系统仿真 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第5章 图像重建结果及分析 | 第44-51页 |
| ·样本数据选取 | 第44-46页 |
| ·静态性能测试 | 第46-49页 |
| ·不同模拟流型的成像实验 | 第46-48页 |
| ·不同介电常数实验 | 第48-49页 |
| ·动态性能测试 | 第49-50页 |
| ·硬件使用面积 | 第49-50页 |
| ·软硬件成像时间比较 | 第50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |