基于超声聚焦扰动信息构建灵敏度矩阵法
【技术领域】
[0001]本发明属于过程成像技术领域，尤其涉及基于超声聚焦扰动信息构建灵敏度矩阵法。
【背景技术】
[0002]电学层析成像(ElectricalTomography，ET)技术是20世纪80年代发展起来的一种过程成像技术，具有无辐射、结构简单、响应速度快、非侵入、可视化以及成本低廉等优点，其在医学临床监护和工业多相流测量等领域具有广阔的应用前景。但是，由于ET具有软场特性，其图像重建过程是一个非线性逆问题的求解过程。
[0003]灵敏度矩阵往往用于ET的逆问题求解过程，灵敏度矩阵的引入可以使该非线性逆问题线性化，进而简化求解过程。灵敏度矩阵的准确度直接影响ET图像重建的精度。灵敏度矩阵反映了单元参数的扰动对边界检测值的影响，或者说边界检测点的值对单元参数变化“感知”的灵敏度。灵敏度矩阵本身没有解析表达式，通常有两种计算方法:(I)试验扰动法，即根据定义直接通过试验获得；(2)仿真计算法，包括根据定义通过仿真计算求取，以及利用电磁场的互易性质求解，其阻抗灵敏度的表达式最早由Geselowitz在1971年给出(Geselowitz D B, An applicat1n of electrocard1graphic lead theory toimpedance plethysmography, IEEE Trans.B1med.Eng., 1971, 18(1):38-41)，并由 Lehr给出了简化形式(LehrJ, A vector derivat1n useful in impedance plethysmographicfield calculat1ns, IEEE Trans.B1med.Eng., 1972, 19(2):156-157)。
[0004]对于试验扰动法而言，如2013年刘泽发表于《仪器仪表学报》(Chinese Journalof Scientific Instrument)第34卷，第1982-1988页，题为《电磁层析成像灵敏度矩阵实验测试方法》(Experimental measurementmethod of sensitivity matrix forelectromagnetic tomography)的文章，首先获得一组空场(即没有内含物)的边界测量数据，然后依次将测试试样放置在传感器内的每个剖分单元位置，获得测试试样扰动后的边界测量数据，该数据再与空场数据对比，根据灵敏度矩阵定义即获得灵敏度矩阵。但是，由于测试试样是对空场产生的扰动，该种方法计算的是空场的灵敏度矩阵，而不是测量物场的灵敏度矩阵。对于仿真计算法而言，如2014年赵佳发表于《测量科学与技术》(Measurement Science and Technology)第 25 卷，文献号为 085401，题为《一种快速的电学层析成像稀疏重建算法》(A fast sparse reconstruct1n algorithm for electricaltomography)的文章所用，是通过仿真计算灵敏度矩阵的分布，由于仿真过程设置的理想化的正问题模型和实际系统往往很难一致，导致计算出的灵敏度矩阵不能准确反映实际系统中介质的微小扰动对边界测量值的影响。而且，由于介质的真实分布为待求的未知量，通过仿真计算的也是空场的灵敏度矩阵，而不是测量物场的灵敏度矩阵。在目前的ET图像重建算法研宄过程中，通常假定场域内的介质分布变化不大，通过试验或者仿真计算出空场的灵敏度矩阵，然后再利用该灵敏度矩阵求解ET的图像重建逆问题。
[0005]但是，需要注意的是，灵敏度矩阵是局部线性近似的结果，随电导率分布的变化而变化，理论上我们需要求解测量物场的灵敏度矩阵。在目前的图像重建过程中，假设灵敏度矩阵不变，使用空场的灵敏度矩阵，这势必给图像重建结果带来较大误差。为了缓解这一问题，如W Q Yang等人在2002年发表于《测量科学与技术》(MeasurementScience & Technology)第14卷，第R1-R13页，题为《电容层析成像图像重建算法》(Imagereconstruct1n algorithms for electrical capacitance tomography)的综述文章中提到，基于灵敏度矩阵更新的图像重建算法利用中间过程得到的重建图像对灵敏度矩阵进行更新计算，再用更新后的灵敏度矩阵进行图像重建，以提高重建图像的质量。但是，灵敏度矩阵更新过程需要进行正问题求解，比较耗时。更重要的是中间过程得到的重建图像与真实介质分布有偏差，因此，相较于测量物场的灵敏度矩阵，该方法计算的灵敏度矩阵仍然有误差。
【发明内容】
[0006]针对上述问题，本发明的目的是提供一种构件电学层析成像的灵敏度矩阵的方法。该方法通过聚焦超声波对测量物场的扫描扰动，利用扰动信息，根据扰动法近似计算测量物场的灵敏度矩阵。从而缓解目前采用空场的灵敏度矩阵或者灵敏度矩阵更新方法进行图像重建工作带来的误差，提高图像重建质量。为实现上述目的，本发明采取以下技术方案:
[0007]一种基于超声聚焦扰动信息构建灵敏度矩阵法，该方法通过聚焦超声波对测量物场的扫描扰动，利用聚焦超声波扰动前后测量的边界测量电压向量，计算测量物场的灵敏度矩阵，包括下列的步骤:
[0008]I)测量聚焦超声换能器的焦斑尺寸
[0009]使传声器对准聚焦超声换能器，并使传声器的感应单元处于聚焦超声换能器的焦斑处，调节传声器的位置，测量聚焦超声换能器的焦斑尺寸；
[0010]2)将测量物场划分为I个扰动区域，确定各个扰动区域的位置信息，以及聚焦超声波拟对各个扰动区域的扫描顺序
[0011]根据测量物场尺寸以及步骤I中测量得到的焦斑尺寸，将测量物场划分为I个扰动区域，划分原则为:聚焦超声换能器可以完成对整个测量物场的扫描，并且各扰动区域不重叠，扰动区域即为焦斑所覆盖区域；记录各个扰动区域的位置信息，并确定聚焦超声波拟对各个扰动区域的扫描顺序，从I至I;
[0012]3)在无超声聚焦情况下，对测量物场实施电学层析成像的激励、测量，获得边界测量电压向量Φ
[0013]通过在激励电极上施加电流激励或者电压激励，实现对测量物场施加电学激励，采集循环激励循环测量模式下的各个测量电极上的边界电压，构成边界测量电压向量Φ，完成一次激励测量过程；
[0014]4)在超声聚焦情况下，聚焦超声波扰动每个扰动区域i，同时再次对测量物场实施电学层析成像的激励、测量，获得边界测量电压向量Φ?
[0015]将聚焦超声换能器垂直于测量物场，对每个扰动区域i，I < i < I，在聚焦超声波扰动的同时，均完成一次步骤3)中电极阵列的激励测量过程，获得聚焦超声波扰动该扰动区域时测量物场的边界测量电压向量
[0016]5)利用步骤3)和步骤4)分别测量得到的边界电压信号Φ和(J)i，通过如下公式计算每个扰动区域i位置的灵敏度值，记为Ai,
[0017]Ai= Φ -Φ
[0018]Ai即为测量物场每个扰动区域i位置的灵敏度值；
[0019]6)获得整个测量物场的灵敏度分布A
[0020]由各个扰动区域位置的灵敏度值，结合步骤I)中的各个扰动区域的位置信息，得到整个测量物场的灵敏度分布A。
[0021]本发明由于采取以上技术方案，其具有以下优点:
[0022](I)本发明根据扰动法近似计算得到测量物场的灵敏度矩阵，而不是空场的灵敏度矩阵。
[0023](2)本发明是通过试验获得灵敏度矩阵，相较于仿真计算方法，本方法与实际系统具有更好的一致性。
[0024](3)本发明在计算测量物场的灵敏度矩阵过程中，利用聚焦超声波对测量物场聚焦域介质产生扰动，通过测量边界电压值，进而计算聚焦域的灵敏度值。因为聚焦域的大小由聚焦换能器参数决定，一般是毫米数量级，所以该方法可以获得较高精度的灵敏度矩阵分布O
【附图说明】
[0025]以下附图描述了本发明所选择的实施例，均为示例性附图而非穷举或限制性，其中:
[0026]图1为二维物场的电信号激励测量模式示意图；
[0027]图2 (a)为设置的测量物场模型；
[0028]图2 (b)为图2 (a)测量物场模型所对应的空场模型；
[0029]图3为不同灵敏度矩阵计算方法计算的不同电极对间的灵敏度矩阵结果。
【具体实施方式】
[0030]下面结合附图和实施例对本发明的进行详细的描述。
[0031]下面结合附图以及实施例对本发明的基于超声聚焦扰动信息构建灵敏度矩阵法加以说明，旨在作为本发明的实施例描述，并非是可被制造或利用的唯一形式，对其他可实现相同功能的实施例也应包括在本发明的范围内。
[0032]本发明基于超声聚焦扰动信息构建灵敏度矩阵法大概可以分为以下七个步骤:
[0033](I)测量聚焦超声换能器的聚焦域的焦斑尺寸。<