提出一种基于信号子空间转换法(signal subspacetransform,SST)与快速子空间测向算法(fast subspaceestimation of DOA,FDOA)的局放超声阵列信号高精度测向新方法。首先利用SST算法对局放超声阵列信号进行聚焦处理,使得原始信号的宽频...提出一种基于信号子空间转换法(signal subspacetransform,SST)与快速子空间测向算法(fast subspaceestimation of DOA,FDOA)的局放超声阵列信号高精度测向新方法。首先利用SST算法对局放超声阵列信号进行聚焦处理,使得原始信号的宽频空域信息被最大限度地保留,从而实现宽带信号方位信息的累积。然后采用FDOA对聚焦后的窄带信号进行波达方向估计,FDOA无需特征分解,无需估计整个协方差矩阵,可提高运算速度,且具有更高的测向精度。在此基础之上,应用医学宽频超声信号和4 4超声阵列传感器模型,进行局放超声阵列信号测向仿真研究,仿真结果表明,测向误差小于2,验证了该方法的正确性。展开更多
空间变化PSF(Space-variant Point Spread Function,SVPSF)图像,即物空间各点的退化随位置的改变而改变的图像,由于其复原技术涉及到多个甚至海量PSF的提取、存储和运算,相对于空间不变PSF(Space-Invariant Point Spread Function,SIPSF...空间变化PSF(Space-variant Point Spread Function,SVPSF)图像,即物空间各点的退化随位置的改变而改变的图像,由于其复原技术涉及到多个甚至海量PSF的提取、存储和运算,相对于空间不变PSF(Space-Invariant Point Spread Function,SIPSF)图像复原要困难得多。目前处理此类图像的主要方法包括空间坐标转换法,等晕区分块复原法,以减少数据存储量,降低计算量,提高收敛速度为目标的直接复原法等。本文回顾了这一课题的研究历史,对目前的研究工作进行了分析和总结,介绍了本实验室提出的结合GRM(Gradient Ringing Metric)评价算法的总变分最小化图像分块复原法,并提出了未来工作关注重点的展望。展开更多
文摘空间变化PSF(Space-variant Point Spread Function,SVPSF)图像,即物空间各点的退化随位置的改变而改变的图像,由于其复原技术涉及到多个甚至海量PSF的提取、存储和运算,相对于空间不变PSF(Space-Invariant Point Spread Function,SIPSF)图像复原要困难得多。目前处理此类图像的主要方法包括空间坐标转换法,等晕区分块复原法,以减少数据存储量,降低计算量,提高收敛速度为目标的直接复原法等。本文回顾了这一课题的研究历史,对目前的研究工作进行了分析和总结,介绍了本实验室提出的结合GRM(Gradient Ringing Metric)评价算法的总变分最小化图像分块复原法,并提出了未来工作关注重点的展望。
