موقعیت یابی پراکنده گرهای الکترومغناطیسی با استفاده از الگوریتم های بازسازی خطی و غیرخطی برای کاربردهای تصویربرداری مایکروویو
165 صفحه در قالب word
فهرست مطالب:
1
فصل اول : مقدمه
1
1-1- پیش گفتار ..........................................................................................................
6
1-2- پیشینه پژوهش ....................................................................................................
10
1-3- ساختار رساله ......................................................................................................
12
فصل دوم : تصویربرداری مایکروویو
12
2-1- مقدمه ..................................................................................................................
13
2-2- مقایسه روشهای مختلف تصویربرداری ..................................................................
14
2-2-1- تصویربرداری با اشعه X ........................................................................
16
2-2-2- تصویربرداری به روش MRI ...................................................................
18
2-2-3- تصویربرداری با اشعه مافوق صوت ............................................................
19
2-2-4- تصویربرداری با اشعه مایکروویو ..............................................................
21
2-3- مروری بر روشهای مختلف تصویربرداری مایکروویو ..............................................
24
2-4- چالشهای موجود در تصویربرداری مایکروویو .........................................................
24
2-4-1- مقدمه ..................................................................................................
24
2-4-2- سیگنالهای چند مسیری ......................................................................
26
2-4-3- چالشهای استفاده از محیط با اتلاف .......................................................
26
2-4-3-1- تاثیر القای متقابل .....................................................................
27
2-4-3-2- گستره دینامیکی بخش الکترونیک .............................................
27
2-4-3-3- ایزولاسیون کانال به کانال ...........................................................
28
2-4-3-4- انتخاب آنتن ...............................................................................
29
2-4-3-5- نویز محیط زمینه ......................................................................
29
2-5- مروری بر سیستمهای عملی تصویربرداری مایکروویو ..............................................
29
2-5-1- سیستم تصویربرداری دانشگاه Dartmouth .............................................
31
2-5-2- سیستم تصویربرداری توسعه یافته دانشگاه Dartmouth ...........................
34
2-5-3- سیستم تصویربرداری مایکروویو در دانشگاه Manitoba ............................
36
2-5-4- سیستم تصویربرداری Fresnel ...............................................................
38
2-5-5- سیستم تصویربرداری Barcelona ............................................................
40
2-5-5-1- آرایه استوانهای .........................................................................
41
2-5-5-2- شبکه سوئیچینگ .....................................................................
42
2-5-5-3- دادهبرداری و کالیبراسیون .........................................................
44
فصل سوم : روشهای موقعیتیابی پراکندهگرهای الکترومغناطیسی در تصویربرداری مایکروویو
44
3-1- مقدمه ..............................................................................................................
49
3-2- معادلات مربوط به روش تصویربرداری با MUSIC ..................................................
54
3-2-1- الگوریتم معکوس زمانی MUSIC ...........................................................
56
3-3- بررسی عملکرد الگوریتم MUSIC در موقعیتیابی .................................................
56
3-3-1- تاثیر نویز ................................................................................................
59
3-3-2- تاثیر فاصله بین پراکندهگرها ...................................................................
61
3-3-3- تاثیر ابعاد پراکندهگرها ............................................................................
63
3-3-4- تاثیر تعداد پراکندهگرها ...........................................................................
65
3-4- تخمین تعداد پراکندهگرها ....................................................................................
67
فصل چهارم : یک روش تحلیلی جدید جهت تخمین تعداد پراکندهگرها به کمک الگوریتم MUSIC
67
4-1- مقدمه ...............................................................................................................
68
4-2- مروری بر تئوری تصویربرداری با MUSIC ...........................................................
69
4-3- روشهای تخمین شدت پراکندگی اهداف ..............................................................
72
4-4- روش پیشنهادی ...................................................................................................
73
4-4-1- حالت تقریب Born .................................................................................
79
4-4-2- حالت وجود برهمکنش بین اهداف ...........................................................
80
4-4-3- پیچیدگی محاسباتی روش پیشنهادی ......................................................
81
4-5- شبیهسازیهای عددی ............................................................................................
81
4-5-1- شبیهسازی با آرایه Coincident ..............................................................
87
4-5-2- شبیهسازی با آرایه Non-coincident ......................................................
90
4-6- شبیهسازی با داده عملی .......................................................................................
92
4-7- جمعبندی مطالب .................................................................................................
93
4-8- ضمیمه ...............................................................................................................
97
فصل پنجم : الگوریتم MUSIC توسعه یافته جهت موقعیتیابی پراکندهگرها در سیستمهای عملی تصویربرداری مایکروویو
97
5-1- مقدمه ...............................................................................................................
100
5-2- دادهبرداری در یک سیستم تصویربرداری مایکروویو واقعی .....................................
101
5-3- روش پیشنهادی .................................................................................................
102
5-3-1- مدل ریاضی مساله دادهبرداری .................................................................
105
5-3-2- روشهای تخمین حداقل مربعات .............................................................
108
5-4- شبیهسازی عددی .................................................................................................
109
5-4-1- شبیهسازی با داده تولید شده از مدل Foldy-Lax ....................................
121
5-4-2- شبیهسازی با داده تولید شده توسط روش FDTD ....................................
126
5-5- شبیهسازی با داده عملی ........................................................................................
131
5-6- جمعبندی مطالب .................................................................................................
132
فصل ششم : نتیجه گیری و پیشنهادات
132
6-1- نتیجه گیری .......................................................................................................
135
6-2- پیشنهادات ............................................................................................................
137
مراجع .............................................................................................................................
چکیده:
تصویربرداری مایکروویو توسط بسیاری از محققین مورد توجه قرار گرفته و در طول چند دهه اخیر توسعه داده شده است. تصویربرداری مایکروویو یک مساله پراکندگی معکوس بوده و روشهایی که برای حل مسائل پراکندگی معکوس به کار میروند را میتوان به دو دسته کلی روشهای خطی و غیرخطی تقسیم نمود. روشهای پراکندگی معکوس غیرخطی، قادر به بازسازی کمی اهداف میباشند ولی به علت محاسبات زیاد، کاربرد آنها در سیستمهای عملی با محدودیت روبروست. اخیراً روشهای پراکندگی معکوس خطی مبتنی بر پردازش زیر فضا مانند روش MUSIC جهت حل مشکلات الگوریتمهای غیرخطی پیشنهاد شدهاند. روش MUSIC قادر به موقعیتیابی اهداف از روی نقاط قله طیف شناخته شده میباشد. برای تشکیل این طیف، تعداد اهداف میبایست از قبل معین باشد. حضور نویز باعث بوجود آمدن ابهام جهت تعیین تعداد اهداف میشود.
در این رساله، یک روش تحلیلی جهت تخمین موقعیت و تعداد هدفهای با ابعاد کوچک در مسائل تصویربرداری 2 بعدی ارائه شده است. در این روش در مرحله اول، از الگوریتم MUSIC استفاده شده و تمام موقعیتهای ممکن برای اهداف بدست میآید و در مرحله بعد، با به کار بردن یک فرمول تحلیلی که مانند یک فیلتر مکانی عمل میکند، هدفهای واقعی از هدفهای مجازی جدا میشوند. نتایج شبیه سازیها قابلیت روش پیشنهادی را به اثبات میرساند.
الگوریتم MUSIC بر اساس تجزیه SVD ماتریس MSRکار میکند و این ماتریس در سیستمهای واقعی تصویربرداری مایکروویو کامل نمیباشد. در این رساله، روشی جهت تکمیل دادههای ماتریس MSR اندازهگیری شده از سیستمهای عملی پیشنهاد شده است. در این روش، به کمک روش تخمین حداقل مربعات، دادههای نامعین ماتریس MSR تخمین زده شده و ماتریس کامل MSR (CMSR) شکل میگیرد. دادههای نامعین ماتریس MSR مربوط به سیگنال در گیرندههای غیرفعال به ازای هر فرستنده فعال میباشد. روش پیشنهادی با استفاده از داده عملی موسسه Fresnel مورد آزمایش قرار گرفته و همچنین به ازای دادههای مختلف شبیهسازی شده مشابه داده واقعی، تست و آزمایش شده است.
پیشگفتار
امروزه سرطان سینه یک مشکل جدی برای دنیای مدرن به حساب میآید. طبق آمار سازمان سلامت جهانی، این سرطان معمولترین نوع سرطان در زنان میباشد و بیش از 30 درصد از زنان در طول مدت زندگی به این سرطان مبتلا میشوند ]1[. تشخیص اولیه سرطان کلیدی برای درمان موفق آن میباشد. روشهای تصویربرداری مختلفی جهت تشخیص سرطان سینه استفاده میشود که یکی از این روشها تصویر برداری مایکروویو[1] میباشد. این روش تصویربرداری نسبت به روش تصویربرداری CT[2] و روش MRI[3] دارای مزیتهایی از قبیل قابلیت بالای تشخیص بافت سرطانی به علت کنتراست زیاد بافت سالم و بافت سرطانی در باند مایکروویو، استفاده از تشعشع غیر یونیزه (مضر نبودن) و هزینه نسبتا پایین میباشد ]2[. چالش اصلی برای رقابت روش تصویربرداری مایکروویو با روشهای CT و MRI قدرت تفکیکپذیری پایینتر این روش تصویربرداری نسبت به دیگر روشها میباشد. روش تصویربرداری مایکروویو توسط پژوهشگران ژئوفیزیک برای تستهای غیرمخرب[4] بر روی زمین ]3[، جهت مصارف نظامی از قبیل هالوگرافی دادههای رادار، در پردازش دادههای GPR[5]] 4[ و ]5[ ، بیوپزشکی ]6[، مهندسی عمران و کنترل ساختارهای فلزی عمیق به منظور آشکارسازی عیوب، تغییرات یا شکافهای ایجاد شده در این ساختارها] 9-7[، تشخیص ساختار کریستال، بررسی میکروسکوپی اشعه ایکس منطبق و نوری و پراکندگی معکوس موج الاستیک] 10[ بکار گرفته شده است.
تحقیقات جدی بر روی بکارگیری تصویربرداری مایکروویو در مهندسی پزشکی جهت تشخیص سرطان سینه از دهه 90 آغاز شده و ساخت دستگاههای نمونه MI، پتانسیل بالای کاربردی این روش را نشان داده است ]11[. کاربردهای پزشکی این روش شامل تشخیص سرطان سینه، تصویربرداری از سر انسان، تشخیص سرطان ریه، کبد و شش، تصویر برداری از استخوان و تشخیص کم خونی موضعی در اجزای مختلف انسان میباشد. در کاربرد تشخیص سرطان سینه، بافت سینه در یک محیط زمینه همگن قرار گرفته و توسط تعدادی فرستنده باند مایکروویو تحت تشعشع قرار میگیرد. میدان الکترومغناطیسی پراکنده شده ناشی از بافت سینه و ناهمگنیهای موجود در آن توسط تعدادی گیرنده دریافت میگردد و سپس با پردازش دادههای اندازهگیری شده، امکان بازسازی توزیع گذردهی مختلط[6] (پروفایل) بافت سینه و تشخیص موقعیت، شکل و تعداد پراکندهگرهای موجود در آن (سلولهای سرطانی) فراهم میشود.
بازسازی کامل توزیع CP شیء، یک مساله پراکندگی معکوس میباشد. بطور کلی دو دسته مسائل پراکندگی شامل مسائل پراکندگی مستقیم[7] و معکوس[8] در الکترومغناطیس وجود دارد:
الف) مسائل پراکندگی مستقیم که حل آنها از طریق حل معادلات دیفرانسیل یا حل معادله انتگرالی میدان الکتریکی به ازای توزیع گذردهی معین برای شیء بدست میآید. معادله انتگرالی میدان الکتریکی که در آن میدان داخل شیء بصورت تابعی از خودش ظاهر میشود، یک معادله انتگرالی غیر خطی بوده و در اغلب موارد نمیتوان یک جواب تحلیلی برای آن ارائه کرد. لذا از روشهای عددی حوزه زمان و فرکانس برای حل مساله پراکندگی مستقیم استفاده میشود. در روشهای حوزه زمان معادلات ماکسول در حوزه زمان بطور عددی حل شده و خطای ناشی از غیر ایدهآل بودن شرایط مرزی ، بار محاسباتی بالا و افزایش این دو با بزرگتر شدن اندازه شیء از جمله محدودیتهای این روشها میباشند. این روشها برای کاربردهای باند وسیع مناسب بوده و نمونهای از آنها [9]FDTD ،[10]FVTD و [11]FETD میباشند ]14-12[. در روشهای حوزه فرکانس، معادلات فازوری ماکسول بطور عددی برای یک فرکانس خاص حل شده و لذا برای کاربردهای باند باریک مناسب میباشند. یک نمونه از این روشها، روش[12]MOM است. این روش، معادلۀ انتگرالی ماکسول را جزء جزء کرده و به معادله ماتریسی خطی تبدیل و سپس حل میکند. روش MOM، یک روش دقیق بوده ولی به علت معادلات ماتریسی حجیم حاصل شده، دارای سرعت کم و محدود به اشیاء با اندازه کوچک میشود.
روشی دیگر در حوزه فرکانس، بر اساس بسط میدان پراکندگی به سری Born برای حل معادله انتگرالی ماکسول است. این روش سریعتر از روش MOM میباشد و برای اشیاء با اندازه کوچک که تغییرات ناهمگنی آنها بر حسب مختصات مکانی هموار است مناسب خواهد بود ]15[.
ب) مسائل پراکندگی معکوس که در آنها با اندازهگیری امواج پراکنده شده از محیط مزبور و با معلوم بودن میدان تابیده شده، شکل و یا پارامترهای موانع موجود در محیط را تعیین میکنند. بطور کلی مسائل معکوس در زمینههای زیادی مانند پراکندگی الکترومغناطیس، CT ، سنجش از دور، ژئوفیزیک، هواشناسی و ... بکار میروند. این مسائل اغلب بد وضعیت[13] میباشند. هادامارد[14] در سال 1923 سه شرط برای خوش وضعیت بودن[15] مسائل مطرح کرد. تخطی از هر کدام از شرطها باعث بد تعریف شدن مساله میشود. 1- جواب مساله موجود باشد ، 2- جواب مساله یکتا[16] باشد و 3- جواب مساله بطور پیوسته به داده ورودی وابسته باشد. برای بسیاری از مسائل وجود داشتن جواب موضوع اصلی نبوده و چالش اصلی در حل مسائل معکوس مربوط به دو موضوع یکتایی جواب و پایداری آن میباشد. برای حل مشکل بد تعریف بودن این مسائل از روشهای مختلف رگولاسیون[17] استفاده میشود. یکی از معروفترین روشهای رگولاسیون روش Thikhonov میباشد که در سال 1963 توسط Thikhonov مطرح شده و از یک کتاب ریاضی منشا گرفته است ]16[. در زمینه توسعه روشهای مختلف رگولاسیون برای مسائل معکوس بخصوص مسائل پراکندگی معکوس الکترومغناطیس، تاکنون کارهای زیادی صورت گرفته و در حال انجام میباشد و این زمینه کاری، یک زمینه باز تحقیقاتی میباشد.
چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود، ولی در فایل دانلودی همه چیز مرتب و کامل میباشد.
متن کامل با فرمت word را که قابل ویرایش و کپی کردن می باشد، می توانید در ادامه تهیه و دانلود نمائید.
موقعیت یابی پراکنده گرهای الکترومغناطیسی با استفاده از الگوریتم های بازسازی خطی و غیرخطی