共形频控多输入多输出(Frequency diverse array multiple input and multiple output,FDA-MIMO)系统的波束图由俯仰角、方位角、距离三维信息控制,能够进一步提高系统的自由度。随着人们对高分辨目标探测性能以及高空气动力学性能的需...
详细信息
共形频控多输入多输出(Frequency diverse array multiple input and multiple output,FDA-MIMO)系统的波束图由俯仰角、方位角、距离三维信息控制,能够进一步提高系统的自由度。随着人们对高分辨目标探测性能以及高空气动力学性能的需求增加,研究共形FDA-MIMO阵列波束图综合方法很有意义。本文详细推导了共形FDAMIMO系统的信号建模和波束图分析的数学过程,并提出一种基于参数迭代的发射接收联合权向量优化算法以得到高分辨率的波束图。该算法首先建立一个二阶锥规划(Second-order cone programming,SOCP)模型,并利用交替方向乘子法(Alternating direction method of multipliers,ADMM)实现参数分离,原问题分为两个子问题。最后分别对各个子问题进行优化。数值仿真表明所提算法相比于传统算法性能更有优势,同时其收敛性得到验证。此外,为进一步分析系统特性,本文讨论了不同系统参数,如发射阵列阵元数、接收阵列阵元数、频控阵频偏大小以及不同频偏方式对本文所提算法下的波束图影响。
CT辐射剂量与活体新陈代谢异常乃至癌症等疾病的诱发密切相关,现阶段,如何在降低CT扫描辐射剂量的条件下,保证图像重建质量是CT图像重建技术面临的一个巨大挑战。在各种低剂量CT方法中,稀疏角度CT是最近提出的一种通过减少投影角度来降低辐射剂量的方法,其因降低辐射剂量、减少扫描工作量、动态成像和拥有更快的重建速度而受到广泛关注。然而,由于稀疏角度CT中噪声水平提高和投影数据不完备性,稀疏角度CT重建问题是一个严重的不适定问题,这导致解析重建算法的重建结果出现严重的条纹伪影,进而降低图像质量。相比而言,基于稀疏先验正则化的迭代重建算法则表现出了明显优势,可引入稀疏先验约束信息来改善问题的不适定性,从而显著提高传统迭代算法的成像质量。因此,本文的研究目标是针对稀疏角度CT重建的不适定问题,建立基于正则化的稀疏先验重建模型来稳定稀疏角度重建过程,并开发相应的迭代优化算法来求解稀疏角度CT模型,以提高稀疏角度CT的图像重建质量。本文的主要研究工作包括如下:(1)针对经典的基于全变分(Total Variation,TV)的算法对图像的方向不敏感的问题,引入方向梯度信息,建立了一种自适应方向性TV模型的稀疏角度CT图像重建模型—BDTV(Block Directional Total Variation)模型,旨在更好的保留图像边缘和提高图像重建质量。针对BDTV模型的求解,采用了一种有效梯度下降的算法,该算法在每一步迭代时都能有效地更新图像的方向性。通过实验证明了该算法能较好地保留图像边缘,纹理细节更加清晰。(2)基于小波的稀疏先验信息和TV保护图像锐边的优点,建立了一种新的混合小波与TV两个正则化的稀疏角度CT重建模型,旨在更好地保留边缘、抑制伪影和去除噪声,提高重建图像的质量。采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)算法求解最小化模型。仿真实验和真实数据实验结果表明该方法在保留边缘、抑制伪影和去噪方面具有较强的竞争力。(3)针对Mumford-Sha-TV模型中的不良阶梯效应,本文结合Mumford-Shah函数和TGV函数,建立了一种用于稀疏角度CT图像重建的Mumford-Shah-TGV模型,旨在能够更好地抑制阶梯伪影。使用Ambrosio-Tortiroilli在Gamma收敛条件下的椭圆函数逼近模型,开发了一种基于ADMM迭代的算法。数值和真实实验表明,采用本文方法可以抑制阶梯伪影,重建高质量图像。
暂无评论