买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津大学

摘要：本发明涉及一种基于卡尔曼滤波的超声层析成像动态图像重建方法，采用超声透射层析成像数据采集系统获取测量数据，将超声层析成像中时变目标动态图像重建问题，视为目标分布状态估计问题，构建时变目标的状态估计问题模型，并利用卡尔曼滤波方法进行状态估计问题的求解，计算状态参数的后验点估计；引入状态参数的空间先验约束以改善动态重建问题的不适定性。

主权项：1.一种基于卡尔曼滤波的超声层析成像动态图像重建方法，采用超声透射层析成像数据采集系统获取测量数据，将超声层析成像中时变目标动态图像重建问题，视为目标分布状态估计问题，构建时变目标的状态估计问题模型，并利用卡尔曼滤波方法进行状态估计问题的求解，计算状态参数的后验点估计；引入状态参数的空间先验约束以改善动态重建问题的不适定性，包括步骤如下：1构建时变目标的状态估计问题模型，将时变声衰减系数的估计转化为状态估计问题，使用一对状态观测方程和状态演化方程建模：yt＝Stμt+etμt＝Ft-1μt-1+ωt-1式中，t表示第t次激励；表示第t次激励时声衰减系数的变化，即时变目标在第t个状态时对应的状态参数；表示第t次激励时得到的测量数据；表示测量噪声；M表示一个完整的循环激励周期内测量数据维度；N表示未知的声衰减系数维度；Le表示探头的总数目；Ft-1表示状态转移矩阵，当Ft-1为单位矩阵时表示采用随机游走模型；ωt-1表示状态噪声；表示超声透射层析成像数据采集系统构建的线性观测矩阵；假定测量噪声和状态噪声模型为高斯分布，则有Γe,t和Γω,t分别表示测量噪声和状态噪声的协方差；2用卡尔曼滤波方法对步骤1所建立的状态估计问题进行求解，获得状态参数的预测估计： 式中和Cμ,t|t-1分别表示μt的先验均值和先验误差协方差；和Cμ,t-1|t-1表示前一时刻的后验均值和后验误差协方差矩阵；是Ft-1的转置，上标T表示转置符号；3在状态参数的后验估计中引入空间先验模型，状态参数的空间先验模型采用高斯分布模型，即μ*和Γμ是状态参数空间先验模型的均值和协方差，加入空间先验的状态参数后验估计为： 式中，π·|·表示条件概率；∝表示正比于符号；4将步骤3中加入空间先验的状态参数后验估计写成增广形式： 其中，分别表示测量数据、线性观测矩阵、测量噪声的增广形式： 5采用最大后验估计法计算步骤4中增广形式的状态参数后验估计，得到状态参数的后验均值和后验误差协方差矩阵Cμ,t|t： 对后验均值进行可视化图像显示，即得到当前时刻时变目标空间分布的图像重建结果。

全文数据：

权利要求：

百度查询： 天津大学 基于卡尔曼滤波的超声层析成像动态图像重建方法