基于先验降维卡尔曼滤波的电学成像动态图像重建方法技术

本发明专利技术涉及一种基于先验降维卡尔曼滤波的电学成像动态图像重建方法，利用卡尔曼滤波方法构建时变目标动态重建模型，利用状态参数的先验协方差矩阵构建状态参数的空间投影降维矩阵；在离线条件下利用卡尔曼平滑方法对卡尔曼滤波结果进行后处理。尔曼滤波结果进行后处理。尔曼滤波结果进行后处理。

【技术实现步骤摘要】
基于先验降维卡尔曼滤波的电学成像动态图像重建方法


[0001]本专利技术属于电学层析成像
，涉及一种封闭管道内时变目标分布的动态可视化方法。

技术介绍

[0002]动态成像问题广泛存在于工业生产控制和生物医学诊断领域，例如：管道内气
‑
液两相流截面相分布重建、燃烧场温度分布重建、肺部呼吸过程通气状态监测等。高精度、高鲁棒的动态成像方法对于保证生产安全、提高生产效率、提高疾病诊断准确率等具有十分重要的意义。电学层析成像(Electrical Impedance Tomography，简称EIT)是一种具有非侵入、无辐射、低成本的过程参数可视化检测技术。它通过在场域边界施加电学激励，获取物场的电学响应特性，进而反演场域内电学参数的分布，实现被测场域的二维/三维成像。该技术具有非侵入、响应快速、设备成本低等优势，在工业和生物医学领域受到广泛的关注。
[0003]1998年，芬兰Kuopio大学J.P.Kaipio等人在《IEEE Transactions on Biomedical Engineering》第45卷，第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于先验降维卡尔曼滤波的电学成像动态图像重建方法，利用卡尔曼滤波方法构建时变目标动态重建模型，利用状态参数的先验协方差矩阵构建状态参数的空间投影降维矩阵；在离线条件下利用卡尔曼平滑方法对卡尔曼滤波结果进行后处理，包括如下的步骤：(1)对动态成像的时变目标进行状态空间建模，将目标状态变化过程使用一对状态演化和状态观测方程进行状态空间建模：X
t
＝H
t
‑1X
t
‑1+W
t
‑1Y
t
＝A
t
X
t
+E
t
式中，t表示第t次激励；表示第t次激励时场域内电学参数的空间分布，也即状态参数；表示第t次激励时场域边界检测数据；M表示一个完整的循环激励周期内测量数据维度；N表示未知的电学参数维度；Le表示电极的总数目；H
t
‑1表示状态转移矩阵，当采用随机游走模型时，H
t
‑1为单位矩阵；表示第t次激励时对应的电学层析成像灵敏度矩阵；表示测量噪声；W
t
‑1表示状态噪声；设观测噪声和状态噪声为零均值高斯白噪声，则Γ
E,t
和Γ
W,t
分别表示测量噪声和状态噪声的协方差；(2)将状态参数投影到一个由先验协方差矩阵Γ
X
的主要特征向量张成的子空间中：式中，g
t
表示投影系数；表示当前时刻状态参数的先验估计；G
v
表示投影矩阵，通过先验协方差矩阵Γ
X
的特征值分解构造；Γ
X
表示状态参数X
t
的先验协方差矩阵，通过高斯光滑先验模型构造；(3)预测阶段的状态参数X
t
先验均值和先验误差协方差矩阵由上一时刻投影系数的后验均值和后验误差协方差矩阵预测获得：C
X,t|t
‑1＝(H
t
‑1G
v
)C
g,t
‑
1|t
‑1(H
t
‑1G
v
)
T
+Γ
W,t
‑1式中...

【专利技术属性】
技术研发人员：梁光辉，杜云丹，董峰，
申请(专利权)人：天津大学，
类型：发明
国别省市：