基于FDTD的微波腦中風(fēng)檢測算法研究

基于FDTD的微波腦中風(fēng)檢測算法研究RESEARCHOFMICROWAVESTROKEDETECTIONALGORITHMBASEDONFDTD摘要近年來，腦中風(fēng)的發(fā)病率和死亡率逐年攀升，統(tǒng)計(jì)表明，我國每年死于腦血管病的患者約130萬，腦中風(fēng)已經(jīng)成為我國居民的第一位死亡原因。嚴(yán)重危害人們的生命健康。醫(yī)學(xué)研究證明，腦中風(fēng)的及時(shí)檢測和發(fā)現(xiàn)能極大的增加其治愈機(jī)率，減少中風(fēng)對腦部的損傷。腦中風(fēng)微波檢測就是利用微波技術(shù)對腦部中風(fēng)進(jìn)行檢測的一種檢測手段，微波檢測相對于常規(guī)的腦中風(fēng)檢測手段，具有安全性好，實(shí)時(shí)性好，成本低等特點(diǎn)，越來越受到研究者的關(guān)注。在進(jìn)行腦部介電結(jié)構(gòu)和微波檢測相關(guān)原理的研究基礎(chǔ)上，本論文首先進(jìn)行了腦中風(fēng)微波檢測系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)，檢測系統(tǒng)主要包括微波信號源，天線和微波信號的發(fā)射接收和微波信號分析處理等模塊，仿真系統(tǒng)利用核磁(MRI)腦部圖像建立腦部模型，部署環(huán)繞腦部的天線陣列，并利用調(diào)制高斯信號產(chǎn)生激勵(lì)信號。接著進(jìn)行了中風(fēng)檢測算法的模型設(shè)計(jì)，該模型由前向計(jì)算和逆向重建計(jì)算組成。前向計(jì)算利用完全匹配層(PML)吸收邊界的時(shí)域有限差分法(FDTD)對腦部區(qū)域進(jìn)行電磁場模擬和數(shù)值計(jì)算。針對人腦中風(fēng)微波散射體不規(guī)則，結(jié)構(gòu)復(fù)雜，介電性質(zhì)差異小等特性所帶來的挑戰(zhàn)，逆向重建我們首先設(shè)計(jì)了一個(gè)基于信號相似度的檢測算法，采用二分查找迭代法對腦部血塊進(jìn)行檢測，可以初步的判斷腦部血塊的存在性和大致區(qū)域，然后以一種改進(jìn)型智能粒子群算法，在信號相似算法的基礎(chǔ)上實(shí)現(xiàn)對腦部的中風(fēng)的檢測，最終可以對腦部中風(fēng)血塊的大小、位置進(jìn)行判斷。并且，在中風(fēng)檢測算法中采用可累積的中風(fēng)模板數(shù)據(jù)庫，有效地降低了重建算法的耗時(shí)。仿真系統(tǒng)利用核磁(MRI)腦部圖像建立腦部模型，部署環(huán)繞腦部的天線陣列，并利用調(diào)制高斯信號產(chǎn)生激勵(lì)信號。結(jié)果證明，研究結(jié)果證明，基于FDTD的信號相似度檢測算法，能有效地對中風(fēng)血塊的進(jìn)行檢測；在此基礎(chǔ)上設(shè)計(jì)的基于粒子群的腦中風(fēng)檢測算法，能夠?qū)崿F(xiàn)對腦中風(fēng)血塊的位置和大小信息進(jìn)行有效、準(zhǔn)確的檢測。此外，我們對粒子群定位檢測系統(tǒng)進(jìn)行優(yōu)化，增加模板信號庫和粒子迭代終止條件，檢測效率有了明顯的提升，統(tǒng)計(jì)數(shù)據(jù)顯示，檢測時(shí)間減少了85%以上。關(guān)鍵字：腦中風(fēng)；微波檢測；時(shí)域有限差分法；信號相似度；粒子群；RESEARCHOFMICROWAVESTROKEDETECTIONALGORITHMBASEDONFDTDABSTRACTRecently,theincidenceandmortalityofstrokeisincreasingyearbyyear.Itispresentedthatthestrokehasbecomethefirstcauseofdeathofresidentsinourcountrybythestatistic,whichcauseseriousdamagetopeople'slifeandhealth.Medicalstudieshavedemonstratedthatstrokecanbetimelydetectedcouldgreatlyincreasethechancetocureandreducedamageofthebrain.Strokemicrowavedetectionisakindofexaminationmethodwhichistodetectbrainstrokebyusingmicrowavetechnology.Comparedtotheconventionaldetectionmeans,Microwavedetectionhaslotsofpotentialadvantageswithsecurity,excellentinstantaneityandlowcost,Soitgetsmoreandmoreattentionoftheresearchers.Basedontheresearchoftheprincipleofmicrowavedetectionandbraindielectricstructure,thispaperfirstlydesignedoverallstructureofthestrokeofmicrowavedetectionsystem,whichmainlyincludesthemicrowavesignalsource,thelaunchingandreceivingofantennas,microwavesignalandmicrowavesignalanalysisprocessingmodule.ThensimulationsystemestablishthebrainmodelsbyusingtheMRIbrainimages,deployofantennaarrayaroundthebrain,andgeneratetheexcitationsignalusingthemodulatingGaussiansignal.Thenthestrokedetectionalgorithmmodelisdesigned,whichiscomposedofforwardalgorithmandinversereconstructionalgorithm.TheforwardalgorithmuseFinite-DifferenceTime-Domainmethod(FDTD)withperfectlymatchedlayer(PML)absorbingboundarytosimulateandcalculatethebrainregionelectromagneticfield.Aimedatthechallenges,suchastheirregularity,complicatedstructure(TheforwardalgorithmdosomeelectromagneticsimulationandcalculationforthebrainregionusingFinite-DifferenceTime-Domainmethod(FDTD)byabsorbingboundarywithperfectlymatchedlayer(PML)).Atthesametime,aimingatthechallenges,smallfeatureswithdielectricpropertiesdifferencesandcomplexconstruction,reversereconstructiondesignedadetectionalgorithmbasedonsignalsimilarityusingbinarysearchiterativemethod,whichcandetecttheclotinthebrainandjudgepreliminarytheexistenceandthedirection.Itisamodifiedparticleswarmalgorithm,candetectingtheaccurateinformationofthebrainstrokeclots’sizeandlocation.Moreover,becauseoftheaccumulatingstroketemplatedatabase,thealgorithmreducedthetimeofthereconstructionalgorithmeffectively.ThebrainmodelinsimulationsystemisbuiltbytheMRIbrainimagewhichisaroundwiththeantennaarray,andtheexcitationsignalismodulatedbyGauss.ResearchresultsshowthatthesignalsimilarityalgorithmbasedonFDTDcaneffectivelydetectthestrokeclot;andthestrokedetectionalgorithmbasedontheparticleswarmcangettheaccurateinformationoftheclots’sizeandlocation.Finally,weoptimizethePSOlocationdetectionsystembyaddingthetemplatesignaldatabaseandaniterationterminationcondition,theefficiencyisimprovedobviously.Andthestatisticsshowthatthetesttimegetmorethan85%reducing.YuyanZhou(InformationandCommunicationEngineering)SupervisedbyYizhiWUKEYWORDS：stroke;microwavedetector;FDTD;signalsimilarity;ParticleSwarmOptimization目錄摘要 IABSTRACT III第一章緒論 11.1研究背景和意義 11.2常見的腦中風(fēng)檢測手法 21.3國內(nèi)外研究現(xiàn)狀 61.4論文章節(jié)安排 8第二章腦中風(fēng)微波檢測基礎(chǔ) 102.1腦部的復(fù)雜結(jié)構(gòu) 102.2微波檢測基本原理 142.3時(shí)域有限差分法理論基礎(chǔ) 162.4粒子群優(yōu)化算法 222.5小結(jié) 26第三章基于微波的腦中風(fēng)檢測系統(tǒng)設(shè)計(jì) 283.1微波腦中風(fēng)檢測系統(tǒng)設(shè)計(jì) 283.2微波腦中風(fēng)檢測系統(tǒng)算法設(shè)計(jì) 353.3小結(jié) 39第四章基于信號相似度的腦中風(fēng)檢測算法 404.1基于信號相似度算法評估 404.2基于信號相似度算法的腦中風(fēng)檢測框架 404.3相關(guān)參數(shù)的設(shè)置 424.4檢測結(jié)果分析 434.5小結(jié) 46第五章基于粒子群的腦中風(fēng)定位檢測算法 475.1粒子群微波腦中風(fēng)檢測評估 475.2基于粒子群的腦中風(fēng)定位檢測算法框架 485.3相關(guān)參數(shù)設(shè)置 495.4檢測結(jié)果分析 505.5小結(jié) 54第六章總結(jié)與展望 55參考文獻(xiàn) 57附錄1攻讀碩士學(xué)位期間撰寫的論文 61附錄2攻讀碩士學(xué)位期間參加的科研項(xiàng)目 62致謝 63第一章緒論本章簡要的介紹了腦中風(fēng)的研究背景和意義，同時(shí)介紹了腦中風(fēng)領(lǐng)域的國內(nèi)發(fā)展歷程，重點(diǎn)闡述了腦中風(fēng)的一些國內(nèi)外研究現(xiàn)狀等，提出了微波無損檢測技術(shù)在腦中風(fēng)領(lǐng)域的優(yōu)勢和巨大的潛力。最后概述了全文的內(nèi)容安排。1.1研究背景和意義腦中風(fēng)是一組以腦部缺血及出血性損傷癥狀為主要臨床表現(xiàn)的疾病，又稱腦卒中或腦血管意外，具有極高的病死率和致殘率，主要分為出血性腦中風(fēng)(腦出血或蛛網(wǎng)膜下腔出血)和缺血性腦中風(fēng)(腦梗塞、腦血栓形成)兩大類。腦中風(fēng)發(fā)病急，病死率高，是世界上最重要的致死性疾病之一。數(shù)據(jù)顯示，近年來，腦中風(fēng)的發(fā)病率和死亡率逐年攀升，統(tǒng)計(jì)表明，我國每年死于腦血管病的患者約130萬，腦中風(fēng)已經(jīng)成為我國居民的第一位死亡原因[1]。在我國城市居民中，腦卒中的危害性遠(yuǎn)大于惡性腫瘤和心臟病等其他重型疾病，但受到的重視程度遠(yuǎn)遠(yuǎn)低于惡性腫瘤和心臟病。目前我國的腦卒中發(fā)病率是120-180/10萬人口，每年因中風(fēng)死亡人的數(shù)超過150萬，存活的腦卒中患者達(dá)700萬人，相當(dāng)于一個(gè)大城市的常住人口。數(shù)據(jù)顯示，中國每年新發(fā)中風(fēng)病人超過200萬。中風(fēng)病人若及早搶救，大多能救回一命，可存活下來的人有3/4會留下偏癱、失語等不同程度的功能障礙，嚴(yán)重人們的影響生活質(zhì)量。我國是腦中風(fēng)高發(fā)國家，據(jù)統(tǒng)計(jì)，全國每年有200萬―250萬新發(fā)中風(fēng)患者，其中11％是中青年，年齡最小的甚至只有十幾歲，而且還有繼續(xù)年輕化的趨勢。我國每年用于中風(fēng)的社會經(jīng)濟(jì)負(fù)擔(dān)（醫(yī)院、醫(yī)師、康復(fù)、藥劑、間接消費(fèi)等）高達(dá)幾百億元。隨著人口的老齡化進(jìn)程，腦中風(fēng)已成為嚴(yán)重威脅人們生命健康的疾病之一。中風(fēng)的死亡率也有隨年齡增長而上升的趨勢，有研究證明，如果能夠使用早期的有效檢測，中風(fēng)數(shù)可以減少三分二[3]。腦是高級神經(jīng)中樞，對血液供應(yīng)的高度依賴，對缺血缺氧的高度敏感，對缺氧缺血的耐受時(shí)間的極度短暫，一旦造成組織損傷與功能的損害，則難于再恢復(fù)，治療時(shí)間上的緊迫，給臨床治療帶來了極大的難度。盡管近些年來，現(xiàn)代醫(yī)學(xué)對中風(fēng)的研究不斷深入，取得了大量成果，藥物的劑型和品種在不斷增加，治療手段也在不斷的完善，但對于中風(fēng)的急性期救治，仍然是一個(gè)薄弱的環(huán)節(jié)，仍缺少有效及時(shí)的檢測手段?，F(xiàn)有的治療手段大多是在中風(fēng)病發(fā)后康復(fù)訓(xùn)練階段，對中風(fēng)產(chǎn)生的后遺癥則無可奈何?，F(xiàn)代醫(yī)學(xué)的大量研究及案例證明，腦中風(fēng)有一段及其重要的時(shí)間段，就是中風(fēng)后的三小時(shí)，稱為“黃金三小時(shí)”。如果能夠在這個(gè)時(shí)間內(nèi)確定是中風(fēng)，及時(shí)到達(dá)醫(yī)院，就可能因及時(shí)治療保存更多功能，最大程度的減少中風(fēng)對身體產(chǎn)生的危害，如果效果及時(shí)，中風(fēng)甚至是可以治愈的。中風(fēng)雖來勢急驟，但在發(fā)病之前，也是有一個(gè)病理演變過程的[4]，其中有一個(gè)腦循環(huán)輕度失調(diào)，但又可以恢復(fù)的階段，臨床上表現(xiàn)為各種先兆癥狀，常在中風(fēng)發(fā)生前數(shù)分鐘至數(shù)天內(nèi)出現(xiàn)，如果能及時(shí)發(fā)現(xiàn)，并進(jìn)行及時(shí)準(zhǔn)確的檢測，對腦中風(fēng)患者無疑是一大福音。因此，準(zhǔn)確、有效的檢測中風(fēng)是目前治療避免中風(fēng)的最有效的方法。1.2常見的腦中風(fēng)檢測手法現(xiàn)有的腦中風(fēng)檢測手段有X射線攝影技術(shù)、核磁共振（MRI）、正電子發(fā)射型計(jì)算機(jī)斷層顯像（PET）等。1.2.1X射線攝影技術(shù)X射線攝影技術(shù)自上個(gè)世紀(jì)七十年代開始迅速發(fā)展，至今已相對成熟。該技術(shù)利用的是X射線的穿透性和熒光性。由X射線儀向機(jī)體發(fā)射X射線，X射線穿過機(jī)體的不同部位時(shí)，因?yàn)榻M織之間密度的差異導(dǎo)致對X射線的吸收量不同，從而在熒光屏上顯示出深淺，黑白不同的圖像，進(jìn)而檢測到病灶的存在。因?yàn)閭鹘y(tǒng)的X射線成像是將具有三維立體解剖結(jié)構(gòu)攝影成二維平面圖像，所以影像容易重疊，密度分辨率不高。在此基礎(chǔ)上人們又發(fā)展了計(jì)算機(jī)斷層攝影術(shù)，即CT成像技術(shù)。CT成像同樣利用的是組織密度不同對X射線的吸收不同的原理進(jìn)行成像。但是CT成像是將X射線儀設(shè)置在一個(gè)圓形軌道上，對患者進(jìn)行連續(xù)的照射，利用接收到的信號重構(gòu)人體組織的三維圖像。因此CT技術(shù)能更加直觀且準(zhǔn)確的診斷病灶[5]。該技術(shù)對異常組織能準(zhǔn)確定位并可以判定血塊性質(zhì)。尤其是在引入數(shù)字化技術(shù)后，其質(zhì)量及可靠性得到了進(jìn)一步提高。但是人們已經(jīng)逐漸認(rèn)識到這種技術(shù)的固有局限性，最重要的是，X射線對早期血塊的檢出率低，這說明密度對其靈敏度與特異性有明顯影響，對于一些人并不適合，且此技術(shù)存在輻射并會使受檢者的健康受到一定程度的損害。圖1.1計(jì)算機(jī)X射線斷層攝像機(jī)（CT機(jī)）1.2.2核磁共振磁共振成像是斷層成像的一種，它是利用磁共振現(xiàn)象從被檢測對象（人體）中獲得的電磁信號，重建出被檢測對象的信息。斯坦福大學(xué)的FlelixBloch和哈佛大學(xué)的EdwardPurcell1946年各自獨(dú)立的發(fā)現(xiàn)了核磁共振現(xiàn)象，而磁共振成像技術(shù)正是基于這一物理現(xiàn)象。1972年，PaulLauterbur提出了一套對核磁共振信號進(jìn)行空間編碼的方法，利用這種方法，讓重建出人體圖像稱為了可能。核磁共振成像技術(shù)與現(xiàn)有的一些斷層成像技術(shù)（比如CT）有一些相同點(diǎn)：它們都可以顯示某種物理量（如密度）在空間中的分布；同時(shí)也有它自身的特色，磁共振成像可以得到任何方向的斷層圖像，三維體圖像，甚至可以得到空間－波譜分布的四維圖像[6]。磁共振成像的圖像與CT圖像非常相似，二者都是“數(shù)字圖像”，并以不同灰度顯示不同結(jié)構(gòu)的解剖和病理的斷面圖像。同CT一樣，磁共振技術(shù)也幾乎適用于全身各系統(tǒng)的不同疾病，例如腫瘤、炎癥、創(chuàng)傷、退行性病變，以及各種先天性疾病等的檢查。磁共振成像無骨性偽影，可隨意作多方向（橫斷、冠狀等）切層，對顱腦、脊柱和脊髓等的解剖和病變的顯示，尤優(yōu)于CT，磁共振成象借其“流空效應(yīng)”，可不用血管造影劑，顯示血管結(jié)構(gòu)，故在“無損傷”地顯示血管（微小血管除外），以及對腫塊、淋巴結(jié)和血管結(jié)構(gòu)之間的相互鑒別方面，有獨(dú)到之處。磁共振成像的分辨能力高于CT，它能敏感地檢出組織成分中水含量的變化，故常可比CT更有效和早期地發(fā)現(xiàn)病變[7]。由于磁共振血流成像技術(shù)的研究不斷發(fā)展，在活體上測定血流量和血液的流速已經(jīng)稱為現(xiàn)實(shí)，心電門控的使用，使磁共振成像能清楚地、全面地顯示心肌、心臟、心包以及心血管內(nèi)的其他細(xì)小結(jié)構(gòu)，為無損地檢查和診斷各種心血管疾病以及心臟功能的檢查，提供了可靠的方法。最新出現(xiàn)的一些技術(shù)還實(shí)現(xiàn)了磁共振成像和局部頻譜學(xué)的結(jié)合（即MRI與MRS的結(jié)合），以及除氫質(zhì)子以外的其他原子核如氟、鈉、磷等的磁共振成像，這些成就將能更有效地提高磁共振成像診斷的特異性。MRI也存在不足之處。它的空間分辨率不及CT，帶有心臟起搏器的患者或有某些金屬異物的部位不能作MRI的檢查，另外價(jià)格比較昂貴、掃描時(shí)間相對較長，偽影也較CT多。圖1.2核磁共振儀1.2.3正電子發(fā)射型計(jì)算機(jī)斷層顯像正電子發(fā)射型計(jì)算機(jī)斷層顯像（PositronEmissionComputedTomography），是核醫(yī)學(xué)領(lǐng)域比較先進(jìn)的臨床檢查影像技術(shù)[8]。其檢測原理是，將某種物質(zhì)，一般是生物生命代謝中必須的物質(zhì)，如：葡萄糖、蛋白質(zhì)、核酸、脂肪酸，標(biāo)記上短壽命的放射性核素（如18F，11C等），注入人體后，通過對于該物質(zhì)在代謝中的聚集，來反映生命代謝活動(dòng)的情況，從而達(dá)到診斷的目的。最近各醫(yī)院主要使用的物質(zhì)是氟代脫氧葡萄糖，簡稱FDG。其機(jī)制是，人體不同組織的代謝狀態(tài)不同，在高代謝的惡性腫瘤組織中葡萄糖代謝旺盛，聚集較多，這些特點(diǎn)能通過圖像反映出來，從而可對病變進(jìn)行診斷和分析。PET檢查儀的原理:一些短壽命的物質(zhì)，在衰變過程中釋放出正電子，一個(gè)正電子在行進(jìn)十分之幾毫米到幾毫米后遇到一個(gè)電子后發(fā)生湮滅，從而產(chǎn)生方向相反（180度）的一對能量為511KeV的光子（basedonpairproduction）。這對光子，通過高度靈敏的照相機(jī)捕捉，并經(jīng)計(jì)算機(jī)進(jìn)行散射和隨機(jī)信息的校正[9]。經(jīng)過對不同的正電子進(jìn)行相同的分析處理，我們可以得到在生物體內(nèi)聚集情況的三維圖像。PET是目前惟一可在活體上顯示生物分子代謝、受體及神經(jīng)介質(zhì)活動(dòng)的新型影像技術(shù)，現(xiàn)已廣泛用于多種疾病的診斷與鑒別診斷、病情判斷、療效評價(jià)、臟器功能研究和新藥開發(fā)等方面。具有靈敏度高、特異性高、全身顯像、安全性好等特點(diǎn)，比較適用于腫瘤病人，心血管疾病患者和神經(jīng)系統(tǒng)疾病和精神病患者。由于現(xiàn)代核醫(yī)學(xué)技術(shù)的一些特點(diǎn)，PET在精度方面有一定的限制，在定位方面有一定的限制，主要表現(xiàn)在：（1）對腫瘤的病理性質(zhì)的診斷仍有一定局限性，如，對于炎癥、血塊的特異性不好。（2）檢查者需要有較豐富的經(jīng)驗(yàn)，尤其對是對不同體形的患者和不同檢查部位需要采用不同的檢查體位，對病患者需要注射多少核素等一些問題需要積累經(jīng)驗(yàn)，另外需要臨床醫(yī)生必須同時(shí)兼具放射科和核醫(yī)學(xué)科的知識。（3）檢查費(fèi)用昂貴，目前做一次全身PET檢查需花費(fèi)通常在數(shù)萬元左右，推廣難度大。圖1.3正電子發(fā)射型計(jì)算機(jī)顯像系統(tǒng)（PET-CT)以上簡要的介紹了臨床上常見的兩種具有代表性的腦中風(fēng)檢測方法，每一種都有它的好處和壞處，有的是成本昂貴，有的則易產(chǎn)生輻射二次傷害等等，但是他們都在使用的便捷性、檢測的安全性、費(fèi)用等問題上存在明顯的不足，難以滿足現(xiàn)代人們社會生活的要求，達(dá)不到人們?nèi)粘Ｉ钪袑χ酗L(fēng)檢測的目的。因此。人們迫切的希望一直安全、便捷、準(zhǔn)確性高的方法，滿足人們的需求。微波無損檢測提供了一種安全，有效，便捷且成本低的方案去檢測中風(fēng)，以其無創(chuàng)、便捷、高效等特性收到越來越多的研究人員的關(guān)注。1.3國內(nèi)外研究現(xiàn)狀微波檢測，始于20世紀(jì)50年代，隨著計(jì)算機(jī)技術(shù)和實(shí)驗(yàn)技術(shù)的迅速發(fā)展，加上實(shí)際應(yīng)用需求的推動(dòng)，20世紀(jì)80年代開始，電磁逆散射的研究朝著高維化、實(shí)用化的方向進(jìn)行，著重強(qiáng)調(diào)其實(shí)用價(jià)值，同時(shí)加強(qiáng)相關(guān)的基礎(chǔ)理論研究[10]?，F(xiàn)在已經(jīng)得到應(yīng)用的電磁檢測技術(shù)主要在醫(yī)學(xué)計(jì)算機(jī)層析成像、地表和淺地下目標(biāo)探地雷達(dá)系統(tǒng)、微波遙感系統(tǒng)。1.3.1微波檢測技術(shù)的發(fā)展1984年德國學(xué)者在微波層析成像(MicrowaveComputerizedTomography，簡稱MCT)研究方面，曾經(jīng)介紹過微波CT的開拓性工作，提出傳輸穿透法CT的物理模型，對于低反差介質(zhì)成像是適宜的，從重建圖像中可以清楚辨認(rèn)目標(biāo)的位置[15]。1994年，美國政府計(jì)劃將錐形微波成像儀/探測器應(yīng)用于氣象衛(wèi)星，以獲得云、洋面風(fēng)、颶風(fēng)和降水的信息。20世紀(jì)90年代中期，英國ERA工程部己經(jīng)完成了對地下管道及電纜定位的表面穿透雷達(dá)系統(tǒng)的研究[16]。2000年，白俄羅斯的明斯克科學(xué)院應(yīng)用物理研究室曾使用2-4GHz的步頻微波雷達(dá)對一個(gè)里面含有鋼筋和空隙的500mm*350mm*15Omm的混凝土試塊進(jìn)行了檢測，從成像的結(jié)果中可以看到Φ20mm鋼筋和Φ50mm空隙的位置[17]。在2004年3月，英國諾森伯蘭大學(xué)工程技術(shù)學(xué)院的大衛(wèi)史密斯博士開發(fā)了一種新型微波成像系統(tǒng)，通過測量物體兩維的“密度模式”，進(jìn)而生成物體的三維圖像，也就是人們所熟知的“全息圖像”[18]。利用該技術(shù)，醫(yī)務(wù)工作者能夠以更低的成本，更快地獲得檢測結(jié)果；日本在1999年到2006年內(nèi)發(fā)表了一些關(guān)于利用微波進(jìn)行濕度測量和風(fēng)速測量方面的論文。近年來，隨著科技的發(fā)展，微波的無損檢測技術(shù)在航空航天領(lǐng)域也有所建樹。利用微波技術(shù)對航空設(shè)備或燃料的基本參數(shù)進(jìn)行測量，通過觀察微波物體性能的改變，和待測設(shè)備介電常數(shù)損耗與其正切角關(guān)系與改變，進(jìn)而判斷設(shè)備或者燃料是否異常[19]。2011年AndrewMcClanahan等人利用微波無損檢測技術(shù)對金屬表面裂紋的深度進(jìn)行了評估，并且進(jìn)行了理論和實(shí)驗(yàn)的驗(yàn)證[20]。SergeyKharkovsky等人采用相同的方法，實(shí)現(xiàn)了對最小深度為0.05mm的金屬表面凹形缺陷深度的檢測[21]。2012年B.Lutz等人利用頻率為24GHz的微波信號，搭建了針對復(fù)合材料絕緣體內(nèi)部缺陷檢測的微波檢測系統(tǒng)，通過比較軸向移動(dòng)時(shí)的電壓輸出信號的變化，可以對復(fù)合材料的各類缺陷進(jìn)行準(zhǔn)確的定位[22]。2013年，馬耀做了混合液體組分的微波檢測技術(shù)研究。利用微波的性質(zhì)，微波的傳輸特性以及微波與物質(zhì)的相互作用機(jī)理，對混合液體組分的檢測進(jìn)行了實(shí)驗(yàn)方案的設(shè)計(jì)和系統(tǒng)實(shí)驗(yàn)平臺的搭建，通過對測量的對數(shù)幅度變化，實(shí)現(xiàn)了對混合液體的成分檢測[23]。1.3.2微波生物醫(yī)學(xué)檢測的發(fā)展現(xiàn)有的微波檢測研究主要集中于乳腺癌的微波檢測，只有少數(shù)關(guān)于腦部中風(fēng)介質(zhì)的檢測和研究。1998年，由美國Wisconsin-Madison大學(xué)的Hagness等人提出了針對乳腺癌的共焦成像算法。該技術(shù)并借鑒了在軍事領(lǐng)域中使用的脈沖探地雷達(dá)技術(shù)，由天線發(fā)射超寬帶脈沖，多個(gè)接收天線接收信號，基于目標(biāo)的電磁參數(shù)與周圍環(huán)境的電磁參數(shù)的明顯不同，區(qū)分出強(qiáng)散射區(qū)域，從而判斷目標(biāo)的位置，屬于合成孔徑雷達(dá)技術(shù)[6]。2007年，BelkebirK.博士等人開始對實(shí)測數(shù)據(jù)展開微波成像技術(shù)的研究，并發(fā)表了關(guān)于研究成果的論文。2010年，第五屆國際微波及天線技術(shù)交流展覽會在中國上海舉行。2011年，GolnabiA.H.等人運(yùn)用微波成像方法在醫(yī)學(xué)乳腺癌檢測方面的研究取得了突破性的進(jìn)展[24]。2007年，王湘崳做了一個(gè)基于介電特性腦血腫檢測的研究，是基于腦部的介電特性的研究，采用腦電容測量方法，利用三層模型建立腦部模型，對腦中風(fēng)進(jìn)行了初步的檢測[35]。2008年，SergueiY.Semenov和DouglasR.Corfield研究了微波斷層（MWT）成像對腦部中風(fēng)成像可行性的研究，證明了多頻段微波斷層成像的可行性，驗(yàn)證了微波檢測系統(tǒng)采用寬帶天線的可行性和有效性[13]。2011年，澳大利亞的昆士蘭大學(xué)利用一個(gè)仿真的頭部模型和時(shí)域有限差分法去估計(jì)腦部的散射信號，然后采用共焦算法，去實(shí)現(xiàn)腦部圖像的重構(gòu)，然而由于腦部介電常數(shù)的復(fù)雜性，共焦算法的局限性，并不能準(zhǔn)確高效的實(shí)現(xiàn)腦部中風(fēng)血塊的定位，然而其采用時(shí)域有限差分法（FDTD）去估計(jì)腦部散射信號，是我們一個(gè)很好的借鑒[25]。2012年，Mohammed，B.J.Abbosh，A.M.Ireland，D.設(shè)計(jì)了一個(gè)環(huán)形貼片天線陣列，使用陣列天線采集腦部的散射信號S11的試驗(yàn)系統(tǒng)，利用共焦算法實(shí)現(xiàn)腦部中風(fēng)的檢測，但是他們并沒有采用實(shí)際的腦部介電常數(shù)模型，并不是準(zhǔn)確完整的腦部模型[26]。2013年，DavidIreland，KonstantyBialkowski，AminAbbosh采用伯恩近似迭代法對腦部中風(fēng)進(jìn)行了檢測成像，腦部模型的建立采用數(shù)值計(jì)算法進(jìn)行計(jì)算，逆散射采用伯恩近似法迭代進(jìn)行計(jì)算。在850MHz的頻率下，產(chǎn)生了一個(gè)較高對比度的腦部電導(dǎo)率分布圖[27]。綜上所述，現(xiàn)有的一些腦部檢測技術(shù)，大多沒有完整的腦部模型，又或者在檢測效果不太理想，精確度不高等等，并不能對完整的腦部模型進(jìn)行準(zhǔn)確高效的檢測，本文基于FDTD算法，在MRI的基礎(chǔ)上建立完整的腦部模型，實(shí)現(xiàn)了對腦部中風(fēng)的有效、準(zhǔn)確的檢測。1.4論文章節(jié)安排全文具體內(nèi)容，安排如下：緒論。主要介紹了腦中風(fēng)的研究背景和一些常規(guī)的檢測方法，提出了黃金三小時(shí)的改進(jìn)，論述了腦中風(fēng)早期檢測意義。接著，對腦中風(fēng)檢測的一些國內(nèi)外研究進(jìn)行了簡單的闡述。腦中風(fēng)的微波檢測基礎(chǔ)。這一章主要介紹了腦中風(fēng)檢測的一些基礎(chǔ)知識，包括腦部的物體結(jié)構(gòu)，介電結(jié)構(gòu)和電磁仿真軟件（時(shí)域有限差分法）的理論知識和推導(dǎo)過程，接著介紹了，本文的重點(diǎn)算法——粒子群算法的介紹、原理和基本流程等?；谖⒉ǖ哪X中風(fēng)檢測系統(tǒng)設(shè)計(jì)。這一章主要是介紹微波腦中風(fēng)檢測系統(tǒng)設(shè)計(jì)和微波腦中風(fēng)檢測的算法模型?；谛盘栂嗨贫鹊哪X中風(fēng)檢測算法。這章主要是利用信號相似度算法對信號進(jìn)展數(shù)據(jù)分析，推導(dǎo)和驗(yàn)證腦部中風(fēng)血塊的存在性和大致的方位。基于粒子群的腦中風(fēng)定位檢測算法。本章在信號相似度的基礎(chǔ)上，提出了粒子群算法檢測腦中風(fēng)法概念，利用天線陣列的相似度和粒子群尋優(yōu)算法，巧妙的實(shí)現(xiàn)了對腦部中風(fēng)的準(zhǔn)確判斷，實(shí)驗(yàn)結(jié)果驗(yàn)證數(shù)據(jù)的精確性和高效性?？偨Y(jié)與展望。本章系統(tǒng)的總結(jié)了全文的研究內(nèi)容和研究成果，并提出了現(xiàn)在研究中存在的缺陷和不足，以及下一步的研究方向。第二章腦中風(fēng)微波檢測基礎(chǔ)微波檢測依賴于腦部各個(gè)組織介電常數(shù)、電導(dǎo)率的差異而造成微波散射信號的差異，因此，我們需要介紹一下腦部的八種主要組織器官的結(jié)構(gòu)和分布。微波技術(shù)應(yīng)用于腦中風(fēng)檢測的挑戰(zhàn)主要在兩個(gè)方面：1）擁有8種不同的介電常數(shù)的的腦部組織，復(fù)雜的物理結(jié)構(gòu)，形成了一個(gè)復(fù)雜的分散介質(zhì)模型；2）與正常腦組織相比，腦部的介電常數(shù)對比度不夠高，這使得從血液中的散射信號太微弱。所有這些方面，對于之前微波檢測的方法，特別是基于微波層析成像技術(shù)，很難應(yīng)用于腦卒中檢測。2.1腦部的復(fù)雜結(jié)構(gòu)人腦它是中樞神經(jīng)系統(tǒng)的最高級部分，主要包含在頭骨內(nèi)部，腦占頭蓋內(nèi)腔的大部分。約占成年人體重的2%即1.2～1.6公斤。腦的重量男性比女性稍大，并與體重?zé)o關(guān)。腦含有約140億個(gè)神經(jīng)細(xì)胞約占腦細(xì)胞十分之一，剩余的九成稱為膠質(zhì)細(xì)胞。膠質(zhì)細(xì)胞有為神經(jīng)細(xì)胞提供營養(yǎng)，形成髓鞘增進(jìn)傳導(dǎo)速度，等多種功能。2.1.1腦的物理結(jié)構(gòu)大腦（brain）包括端腦和間腦，端腦包括左右大腦半球。端腦是脊椎動(dòng)物腦的高級神經(jīng)系統(tǒng)的主要部分，由左右兩半球組成，在人類為腦的最大部分，是控制運(yùn)動(dòng)、產(chǎn)生感覺及實(shí)現(xiàn)高級腦功能的高級神經(jīng)中樞。圖2.1腦的結(jié)構(gòu)組成端腦由約140億個(gè)細(xì)胞構(gòu)成，重約1400克，大腦皮層厚度約為2-3毫米，總面積約為2200平方厘米，據(jù)估計(jì)腦細(xì)胞每天要死亡約10萬個(gè)（越不用腦，腦細(xì)胞死亡越多）。人腦中的主要成分是血液，血液占到80%，大腦雖只占人體體重的2%，但耗氧量達(dá)全身耗氧量的25%，血流量占心臟輸出血量的15%，一天內(nèi)流經(jīng)腦的血液為2000升。因?yàn)橛?0%是水，所以它就有些像豆腐。但是它不是方的，而是圓的；也不是白的而是淡粉色的。左右大腦半球有各自的稱為側(cè)腦室的腔隙。側(cè)腦室與間腦的第三腦室，以及小腦和延腦及腦橋之間的第四腦室之間有孔道連通。腦室中的脈絡(luò)叢產(chǎn)生腦的液體稱為腦脊液。腦脊液在各腦室與蛛網(wǎng)膜下腔之間循環(huán)，如果腦室的通道阻塞，腦室中的腦脊液積多，將形成腦積水。大腦的斷面分為白質(zhì)與灰白質(zhì)。端腦的灰白質(zhì)是指表層的數(shù)厘米厚的稱為大腦皮質(zhì)的一層，大腦皮質(zhì)是神經(jīng)細(xì)胞聚集的部分，具有六層的構(gòu)造，含有復(fù)雜的回路是思考等活動(dòng)的中樞。相對大腦皮質(zhì)白質(zhì)又稱為大腦髓質(zhì)。間腦由丘腦與下丘腦構(gòu)成。丘腦與大腦皮質(zhì)，腦干，小腦，脊髓等聯(lián)絡(luò)，負(fù)責(zé)感覺的中繼，控制運(yùn)動(dòng)等。下丘腦與保持身體恒常性，控制自律神經(jīng)系統(tǒng)，感情等相關(guān)。2.1.2腦的介電結(jié)構(gòu)介電特性是指在外加電場的作用下束縛電荷的響應(yīng)能力，電磁場與腦部組織發(fā)生相互作用，本質(zhì)上是腦部的半導(dǎo)電媒質(zhì)的介電屬性與電磁場發(fā)生相互作用，腦部的介電特性對決定微波信號在腦內(nèi)部的傳播、吸收有著重要的作用，在微波檢測中，組織和器官的介電特性是微波無損檢測的理論基礎(chǔ)。這里我們從腦部的介電特性出發(fā)，分析腦部的介電特性分布。腦部的介電常數(shù)分布根據(jù)腦部的結(jié)構(gòu)，人體的頭部結(jié)構(gòu)是由很多層組成的，主要包含皮膚（腦皮層），顱骨，灰質(zhì)，白質(zhì)，腦脊液，硬腦（脊）膜，脂肪，血液八種物質(zhì)組成。各層組織結(jié)構(gòu)復(fù)雜，分布不規(guī)則，不連續(xù)，在外界電磁場的激勵(lì)下，腦組織的介電特性隨著電磁場的頻率變化而變化，表2.1反應(yīng)了大腦在1GHz的介電常數(shù)情況[15]。表2.1腦部組織在1GHz下的介電常數(shù)組織介電常數(shù)電導(dǎo)率皮膚410.89977頭骨120.15566腦脊液682.4552灰質(zhì)520.98541白質(zhì)460.82431脂肪50.053502硬腦（脊）膜440.9血液611.5829出血性中風(fēng)611.5829由表2.1可知，出血性中風(fēng)介質(zhì)的無論在介電常數(shù)和電導(dǎo)率上明顯高于腦部的其他介質(zhì)的介電特性，在進(jìn)行微波無損檢測時(shí)充分考慮腦部血液的分布情況，若檢測出腦部的其他部分存在介電常數(shù)接近或者高于血液的情況，在一定條件下就可以檢測出腦中風(fēng)，因此在合適的頻率條件下，盡量選擇差異最大的介電特性的頻段，足以準(zhǔn)確檢測中風(fēng)。極化特性外加電磁場與生物體相互作用的結(jié)果，使生物體內(nèi)帶電粒子和極性分子在外加電磁場作用下產(chǎn)生運(yùn)動(dòng)，這種運(yùn)動(dòng)我們稱為極化。對于生物分子、細(xì)胞乃至生物組織，都具有電極性。在正常情況下，只有生物分子、細(xì)胞可以產(chǎn)生顯現(xiàn)出這種極化特性，而一般生物組織在正常情況下，它的正負(fù)電極性是處于動(dòng)態(tài)平衡中，只有當(dāng)組織在外部電磁場的作用下（或者外力），或者處于某種損傷以及某種病理的狀態(tài)下，電的正負(fù)極性才會失去平衡并顯現(xiàn)出明顯的電極性變化。當(dāng)生物組織接受某種機(jī)械或電磁作用時(shí)，則機(jī)體組織產(chǎn)生的觸發(fā)應(yīng)力與激勵(lì)的生物電位幾乎同時(shí)發(fā)生，并且對引發(fā)的化學(xué)反應(yīng)也幾乎同時(shí)作出相應(yīng)的貢獻(xiàn)。一般說機(jī)械信號的傳遞速度遠(yuǎn)低于電信號的速度，但是，對于有極化特性和壓電特性的生物組織而言，其傳播速度是一致的，只是有相位的差異而已。描述這樣差異或者變化狀態(tài)的就是我們后面即將描述的麥克斯韋的電磁場理論——麥克斯韋方程。從宏觀上表征介質(zhì)在外部電磁場作用下的極化程度，一般使用電極化強(qiáng)度P的概念[35]。電極化強(qiáng)度P定義為單位體積介質(zhì)內(nèi)所有分子電偶極矩的總和，即：P=ipi?V 其中：ipi表示介質(zhì)內(nèi)所有分子電偶極矩的總和；其中?V介質(zhì)的電極化強(qiáng)度P與電通量密度D和外場強(qiáng)度E有下列關(guān)系：D=ε0E+P 式中，ε0=8.854187817×而D和E又有以下關(guān)系：D=ε0E=ε0εr所以，極化強(qiáng)度P和外加電場有下列簡單的關(guān)系：P=ε0εr-1E=式中，x=(ε生物組織介電模型由于生物組織中束縛電荷對外加電磁場的“響應(yīng)”是一個(gè)從非平衡態(tài)逐漸恢復(fù)到平衡態(tài)的過程，稱為弛豫過程。人體組織是具有復(fù)介電常以公式：ε=ε0(1+ωp2ω其中：ωs V—束縛覅和運(yùn)動(dòng)時(shí)域其他分子、原子碰撞頻率； ωp兩個(gè)式（2.5）的極端情況：εr0=ε0或εr∞=1 將式（2.6）帶入式（2.5），我們得到生物組織材料相對介電常數(shù)隨頻率變化的德拜（Debye）方程：ε=εr∞+εr0式中：τ=v/ωs2稱為豫馳時(shí)間，由于生物組織是具有高度復(fù)雜結(jié)構(gòu)和成分的有機(jī)體，細(xì)胞內(nèi)細(xì)胞外不僅包含了水，還有與蛋白質(zhì)、脂肪、葡萄糖等成分的幾何水分子。信號在生物體內(nèi)傳輸，與生物體的結(jié)構(gòu)、電磁特性、探測信號有關(guān)，而且生物組織電磁特性對微波信號產(chǎn)生的影響比較大。當(dāng)生物組織在外加磁場中時(shí)，由于生物組織的磁導(dǎo)性幾乎為零，所以其導(dǎo)磁率通常與在自由空間中的一樣；當(dāng)在處于外加電場的環(huán)境中時(shí)，則電場的特性會因?yàn)樯锝M織電導(dǎo)率和介電常數(shù)產(chǎn)生變化。所以在一般情況下，對生物組織的電磁特性的討論也主要是就其電特性而言。電特性確定了組織與外加輻射場相互作用的程度和性質(zhì)，并且和電磁波的頻率有關(guān)。圖2.2表示的是生物組織的介電特性隨著電磁波信號變化的曲線圖2.2生物組織的介電常數(shù)隨頻率變化的曲線由圖2.2可以看出，生物組織的介電常數(shù)，隨著電磁場頻率的增加明顯減小。2.2微波檢測基本原理微波檢測原理的實(shí)質(zhì)上就是研究微波與被檢測物質(zhì)之間的相互作用，通過改變微波的物理特性（如反射、透射、散射、衍射等）以及被檢測物質(zhì)的電磁特性，測量微波基本參數(shù)的變化，實(shí)現(xiàn)對缺陷、故障及非電量的檢測[55]。微波檢測算法和其他檢測算法一樣，微波檢測成像算法也是通過測量物體得到物體介質(zhì)的“投影”信息，逆推和反演目標(biāo)幾何、介質(zhì)特征。微波檢測的主要任務(wù)是模擬電磁場在進(jìn)入和通過介質(zhì)的散射和衍射問題，通過測量收集被測量物體介質(zhì)外部的電磁場散射數(shù)據(jù)，通過智能算法重建被測物體介質(zhì)內(nèi)部的介電和幾何特征。收集的被測物體介質(zhì)的外部散射場內(nèi)部包含了大量有關(guān)物體介質(zhì)本身的信息，利用關(guān)于散射目標(biāo)的先驗(yàn)知識，經(jīng)過適當(dāng)?shù)臄?shù)學(xué)處理之后可以提出散射體外部測量得到的散射場推斷散射體的特性，從而不必破壞散射體本身即可得到我們所感興趣的有關(guān)信息，因而，在無損檢測領(lǐng)域，極具有實(shí)用價(jià)值。如圖2.3所示，微波信號進(jìn)入人體介質(zhì)內(nèi)部后，穿越人體介質(zhì)的時(shí)候，在由小的介電參數(shù)遇到大的介電參數(shù)介質(zhì)后，一部分的信息會發(fā)生散射。圖2.3a就是在正?；蛘卟町愝^小的介質(zhì)中傳播的情況和圖2.3b反映了微波信號再一種介質(zhì)進(jìn)入另一種介質(zhì)的時(shí)候，發(fā)生的散射情況。當(dāng)然由于腦部結(jié)構(gòu)的復(fù)雜性，信號的散射反射情況比下圖復(fù)雜的多。圖2.3a單一介質(zhì)的入射和反射圖圖2.3b不同介質(zhì)的入射和反射在腦中風(fēng)檢測中，主要是空間波法[55]?？臻g波法是微波進(jìn)過同軸線或者波導(dǎo)傳送至天線的發(fā)射端，天線的發(fā)射信號穿過被測物體后，經(jīng)天線接收在傳入同軸線或波導(dǎo)。在這個(gè)過程中，根據(jù)接收天線的不同又分為空間透射法和空間反射法兩種，空間透射法是發(fā)射天線和接收天線不同，由發(fā)送天線發(fā)射信號，接受天線接收信號，空間反射法就是由原天線的接收端返回至同軸線或波導(dǎo)?？臻g波法的突出優(yōu)點(diǎn)是被檢測的物質(zhì)可以不與裝置接觸，可以實(shí)現(xiàn)真正意義上的無損檢測。因此，常用于要求被檢測物質(zhì)不與檢測裝置接觸的場合，空間波法的兩種類型如圖2.4a和2.4b所示，圖中以喇叭的形式表示接收和發(fā)射天線。圖2.4a透射法圖2.4b反射法圖2.4a所示的是空間透射波法[59]。在自由空間中，或者在線性、各向同性的均勻的理想介質(zhì)中傳播時(shí)，電磁波應(yīng)該是一個(gè)平面波，但是在實(shí)際的情況中，電磁波并不是理想的平面波，主要是被檢測的物質(zhì)是不均勻、各向異性的，當(dāng)微波進(jìn)入被測物質(zhì)時(shí)，就有可能出現(xiàn)反射和繞射的現(xiàn)象，這將導(dǎo)致檢測結(jié)果的不確定性和數(shù)據(jù)的丟失。因此，在實(shí)際應(yīng)用時(shí)，要求被測物質(zhì)足夠大，距離發(fā)送和接收的天線裝置盡可能近些，或者在被測物質(zhì)的周圍放些吸收的物質(zhì)，以減少微波繞射和反射引起的誤差，保證只有穿過被測物質(zhì)后的微波能量才能進(jìn)入天線的接收端。圖2.4b是空間反射波法[59]。如圖所示，只有一個(gè)天線，該天線既作發(fā)射，又作接收作用，接收的是微波碰到被測物質(zhì)后反射回來的反射波。這種裝置的優(yōu)點(diǎn)是簡單、易于安裝，但其分辨率不高。適用于相對介電常數(shù)較低的物質(zhì)的檢測，但為了提高檢測的靈敏度，需要調(diào)節(jié)檢測物質(zhì)在空間的位置，如采用空間陣列的方法。2.3時(shí)域有限差分法理論基礎(chǔ)本章主要介紹時(shí)域有限差分法（FDTD）的基本理論，時(shí)域有限差分法可以用來模擬電磁波的輻射，是模擬電磁波反演問題正過程的主要工具，也是必不可少的，具有非常強(qiáng)大的適用性和實(shí)時(shí)性。與此同時(shí)，我們利用腦部的MRI圖像建立了二維的腦部成像模型，具有主流的八種腦部介電模型，在此模型的基礎(chǔ)上，我們完成了天線信號的選擇，和一些主要參數(shù)的設(shè)計(jì)。2.3.1時(shí)域有限差分法算法基礎(chǔ)FDTD法由有限差分法發(fā)展而來，是一種對電磁場直接模擬的研究方法[38]。1966年首次提出了時(shí)域有限差分法的基本思想，時(shí)域有限差分法最突出的優(yōu)點(diǎn)是節(jié)省計(jì)算機(jī)的存儲空間和CPU時(shí)間。對電磁場E、H分量在空間和時(shí)間上采取交替抽樣的離散方式，每一個(gè)E或H分量周圍有四個(gè)H或E分量環(huán)繞維情況下，應(yīng)用這種離散方式，因而時(shí)域有限差分方程具有“顯式”格式，按照“蛙躍”方式隨時(shí)間步推進(jìn)，在模擬區(qū)域內(nèi)模擬電磁波傳播及與結(jié)構(gòu)的相互作用過程。FDTD方法是把Maxwell方程式在時(shí)間和空間領(lǐng)域上進(jìn)行差分化。利用蛙跳式(Leapfrogalgorithm)計(jì)算方法實(shí)現(xiàn)在空間領(lǐng)域內(nèi)的電場和磁場進(jìn)行交替計(jì)算，通過在時(shí)間領(lǐng)域上的更新，來模擬電磁場的變化，從而達(dá)到對模擬介質(zhì)的數(shù)值計(jì)算目的。該算法能夠直接模擬電磁場的分布，精度比較高，它在解決復(fù)雜外形、非均勻介質(zhì)、時(shí)域、寬帶散射和輻射系統(tǒng)的電磁問題時(shí)具有獨(dú)特的優(yōu)越性，是目前使用比較多的數(shù)值模擬的方法之一。時(shí)域有限差分法由Maxwell方程組演化而來，從Maxwell方程組，可以推論出電磁波在真空中以光速傳播，對電磁線性介質(zhì)中Maxwell旋度方程為：?×E=-?B?t-Jm ?×H=-?D?t+J B=μH （2.10）D=εE （2.11）J=σE （2.12）式中，B為磁通量密度（單位Wb/m2），D為電通量密度（單位C/m2），電流密度J（單位A/m2），磁流密度（單位V/在直角坐標(biāo)系中，把Maxwell方程式在時(shí)間和空間領(lǐng)域上進(jìn)行差分化，利用蛙跳式(Leapfrogalgorithm)--空間領(lǐng)域內(nèi)的電場和磁場進(jìn)行交替計(jì)算，這就是Yee元胞。Yee元胞是計(jì)算中的最小單元，其單元網(wǎng)格與場方向如圖2.5所示，相鄰電、磁場分量空間間距為半個(gè)步長，并在時(shí)間上以半步為間隔交替取值。因此，時(shí)域有限差分法可以把電磁場在時(shí)域上的疊加，推演為各個(gè)時(shí)刻空間場強(qiáng)分布。在直角坐標(biāo)系中，以TE波為例，利用上述本構(gòu)關(guān)系（式2.8~2.12）寫為：?EX?t=1ε?Hx?Ey?t=1ε(?H?Hz?t=1μ(?H圖2.5Yee元胞假設(shè)獨(dú)立變量x有很小的增量，并等間隔離散，有?x=?y=?z。 對空間離散： （2.16）對時(shí)間離散： （2.17）利用一階導(dǎo)數(shù)的二階中心差分近似，式2.13可以表示為：E（2.18） 采用中心差分近似，令：E（2.19） 將式2.19代入2.18可得到：E（2.20）其中系數(shù)ca（2.21）cb（2.22）同理，可知電磁場的迭代公式：H（2.23）其中da（2.24）db（2.25）由式2.20和2.23知，只要給定了所有空間點(diǎn)上電磁場的初值，就可以一步一步地求出任意時(shí)刻所有空間點(diǎn)上的電磁場值。數(shù)值穩(wěn)定性要求由于FDTD在推導(dǎo)的過程中，采用了二階差分近似，因此，計(jì)算中每一步都是有誤差的，隨著時(shí)間步進(jìn)，誤差會不斷積累。如果誤差的積累不會造成總誤差的增加，就成FDTD法是穩(wěn)定的，否則成為不穩(wěn)定的。數(shù)值不穩(wěn)定性會造成計(jì)算結(jié)果隨時(shí)間步進(jìn)無限增加。如果時(shí)間步長設(shè)置的不合理（一般過大），就會出現(xiàn)數(shù)值穩(wěn)定性問題，或者可以說時(shí)間步長設(shè)置沒有遵循電磁傳播關(guān)系，會造成數(shù)值解與解析解的差達(dá)不到有界的條件[39][40]。數(shù)值解是否穩(wěn)定主要取決于時(shí)間步長?t與空間步長(?x,?y,?z)間的關(guān)系，首先考察場隨時(shí)間變化時(shí)離散對時(shí)間間隔?t的要求。麥克斯韋方程?f?t=jωf （其穩(wěn)態(tài)解fx,y,z,t=f0?exp(jωt) 用差分近似代替上式2.26左端的一階導(dǎo)數(shù)fx,y,z,當(dāng)?t足夠小時(shí)，定義數(shù)值增長因子qq=fx,y,z,n+12?tfx,y,z,n?t 代入式2.28q=jω?t2±(1-(ω 根據(jù)數(shù)值穩(wěn)定性要求，當(dāng)n接近無窮大且?t接近于零時(shí)，要求|p|≤1，由上述公式2.30可知ω?t2≤1 （即?t≤ 另外一方面，考慮Courant穩(wěn)定性要求，以三維情況為例，可得c（2.32）當(dāng)?x=?y=?z=δ時(shí)，有c?t≤δ3 即時(shí)間步長應(yīng)小于等于電磁波通過Yee元胞1/3對角線長度所需的時(shí)間。 而且，即使介質(zhì)本身沒有發(fā)生色散現(xiàn)象，但是對于電磁波的波動(dòng)方程采用中心差分近似的做法也會引入電磁波的色散，這種現(xiàn)象叫做數(shù)值色散，在采用FDTD進(jìn)行計(jì)算的時(shí)候，會發(fā)現(xiàn)波的傳播速度與傳播方向相關(guān)，也是由數(shù)值離散引起的，稱為各向異性，離散化平面波的傳播速度可以得到 （2.34） 式中，只有當(dāng)k?x2→0時(shí)，函數(shù)才能回到線性關(guān)系。三角函數(shù)定理中，只有當(dāng)角度小于150時(shí)，可以近似sin （2.35） 可將色散減到很小。上式中是無色散介質(zhì)中波長。同理，對于時(shí)間間隔只要滿足 （2.36）完美匹配層吸收邊界的設(shè)置理想情況下，電磁輻射模擬需要在無限大的自由空間中進(jìn)行，但是由于實(shí)際的計(jì)算量和存儲空間的限制，計(jì)算只能在有限的區(qū)域進(jìn)行。FDTD模擬的是一個(gè)開域過程，為防止電磁波到達(dá)邊界發(fā)生反射，設(shè)置一個(gè)吸收邊界條件是非常有必要的，使電磁波在截?cái)噙吔缣幈煌耆?，消除反射波。為了能夠完整的模擬電磁傳播過程，在計(jì)算電磁波的區(qū)域的邊界處必須給定邊界吸收條件。如果對FDTD吸收邊界條件設(shè)置精度過高,則影響FDTD的計(jì)算效率，過低則影響數(shù)值計(jì)算結(jié)果的精確度。因此，必須選擇一個(gè)合適的邊界條件。完全匹配(PML)是較常用的吸收邊界，通過在區(qū)域截?cái)噙吔缣幵O(shè)置一種特殊的介質(zhì)層，該層介質(zhì)的波阻伉與相鄰介質(zhì)波阻抗完全匹配，因而入射波將無反射地穿過分界面而進(jìn)入PML層。計(jì)算已經(jīng)證明，對入射波有很好的吸收效果[41]這里以TE波為例，無電場z方向的分量和磁場的x，y方向分量，這時(shí)PML介質(zhì)與真空阻抗完全匹配的條件為 （2.37）在PML邊界，將麥克斯韋方程中的分解為x，y兩個(gè)方向，分解后方程組如下所示 （2.38） （2.39） （2.40） （2.41）假設(shè)方向的和都等于0，則PML只能吸收方向的電磁波。在網(wǎng)格Yee元胞的劃分方式上，PML與常規(guī)的FDTD還是有區(qū)別的，區(qū)別主要是PML介質(zhì)的Yee網(wǎng)格差分形式為指數(shù)差分，主要是因?yàn)樵赑ML介質(zhì)中電磁波衰減很大，常規(guī)的差分格式不使用。以為例，可以表示為 （2.42）2.4粒子群優(yōu)化算法本章主要介紹粒子群優(yōu)化算法（PSO），粒子群優(yōu)化算法是目前廣泛使用的一種優(yōu)化方法，在微波檢測中也有所應(yīng)用。對粒子群優(yōu)化算法的起源、基本原理、和算法流程都有所介紹，最后將粒子群優(yōu)化算法應(yīng)用到我們的頭部中風(fēng)檢測模型中，對腦中風(fēng)進(jìn)行檢測。2.4.1粒子群算法介紹粒子群算法，也粒子群優(yōu)化算法（ParticleSwarmOptimization），是近年來發(fā)展起來的一種新的進(jìn)化算法(EvolutionaryAlgorithm-EA)。1995年由Eberhart博士和kennedy博士提出，源于對鳥群捕食的行為研究。該算法受到飛鳥集群活動(dòng)的規(guī)律性啟發(fā)，利用群體智能建立的一個(gè)簡化模型。粒子群算法在對鳥群活動(dòng)行為觀察基礎(chǔ)上，利用群體中的個(gè)體對信息的共享使整個(gè)群體的運(yùn)動(dòng)在問題求解空間中產(chǎn)生從無序到有序的演化過程，從而獲得最優(yōu)解。同遺傳算法一樣，粒子群算法也是基于群體的智能優(yōu)化算法，首先生成一組初始解，然后通過迭代來搜尋待優(yōu)化問題的最優(yōu)值，粒子在迭代過程中追蹤個(gè)體極值和群體極值。與遺傳算法的不同之處在于粒子群優(yōu)化算法沒有遺傳算法的交叉和變異操作，這種算法以其實(shí)現(xiàn)容易、精度高、收斂快等優(yōu)點(diǎn)引起了學(xué)術(shù)界的重視，并且在解決實(shí)際問題中展示了其優(yōu)越性。粒子群算法是一種并行算法。作為一種分布式的優(yōu)化算法，粒子群優(yōu)化算法的搜索過程通過模擬群體的仿生運(yùn)動(dòng)，個(gè)體按照設(shè)定的規(guī)則進(jìn)行運(yùn)動(dòng)，個(gè)體行為的涌現(xiàn)表現(xiàn)為群體行為。為提高粒子群優(yōu)化算法的性能，種群中的個(gè)體之間需要采用一定的信息交流和信息共享機(jī)制，Boyd和Richerson提出的個(gè)體學(xué)習(xí)和文化傳遞的概念來源于人類決策過程的研究[44]，其研究結(jié)果表明人類的決策是根據(jù)自身的經(jīng)驗(yàn)和他人的經(jīng)驗(yàn)來進(jìn)行的，說明在人類決策過程中有兩種信息來源，一種是來自自身的經(jīng)驗(yàn)，另一種是他人的經(jīng)驗(yàn)。粒子群優(yōu)化算法中的個(gè)體就是通過比較個(gè)體極值和全局極值進(jìn)行迭代，在整體上使種群不斷地接近最優(yōu)解從而實(shí)現(xiàn)最優(yōu)化的目標(biāo)。2.4.2粒子群算法原理PSO模擬鳥群的捕食行為。設(shè)想這樣一個(gè)場景：一群鳥在隨機(jī)搜索食物。在這個(gè)區(qū)域里只有一塊食物。所有的鳥都不知道食物在那里。但是他們知道當(dāng)前的位置離食物還有多遠(yuǎn)。那么找到食物的最優(yōu)策略是什么呢。最簡單有效的就是搜尋目前離食物最近的鳥的周圍區(qū)域。PSO從這種模型中得到啟示并用于解決優(yōu)化問題。PSO中，每個(gè)優(yōu)化問題的解都是搜索空間中的一只鳥。我們稱之為“粒子”。所有的粒子都有一個(gè)由被優(yōu)化的函數(shù)決定的適應(yīng)值(fitnessvalue)，每個(gè)粒子還有一個(gè)速度決定他們飛翔的方向和距離。然后粒子們就追隨當(dāng)前的最優(yōu)粒子在解空間中搜索。PSO初始化為一群隨機(jī)粒子(隨機(jī)解)。然后通過迭代找到最優(yōu)解。在每一次迭代中，粒子通過跟蹤兩個(gè)"極值"來更新自己。第一個(gè)就是粒子本身所找到的最優(yōu)解，這個(gè)解叫做個(gè)體極值pBest。另一個(gè)極值是整個(gè)種群目前找到的最優(yōu)解，這個(gè)極值是全局極值gBest。另外也可以不用整個(gè)種群而只是用其中一部分作為粒子的鄰居，那么在所有鄰居中的極值就是局部極值。在基本粒子群算法中,粒子群由n個(gè)粒子組成,每個(gè)粒子的位置代表優(yōu)化問題在N維搜索空間中潛在的解。粒子在搜索空間中以一定的速度飛行,這個(gè)速度根據(jù)它本身的飛行經(jīng)驗(yàn)和同伴的飛行經(jīng)驗(yàn)來動(dòng)態(tài)調(diào)整下一步飛行方向和距離。所有的粒子都有一個(gè)被目標(biāo)函數(shù)決定的適應(yīng)值,并且知道自己到目前為止發(fā)現(xiàn)的最好位置(個(gè)體極值)和當(dāng)前的位置()。除此之外,每個(gè)粒子還知道到目前為止整個(gè)群體中所有粒子發(fā)現(xiàn)的最好位置(全局極值)。粒子群算法的數(shù)學(xué)描述如下:每個(gè)粒子i包含為一個(gè)N維的位置向量和速度向量,粒子i搜索解空間時(shí),保存其搜索到的最優(yōu)經(jīng)歷位置。在每次迭代開始時(shí),粒子根據(jù)自身慣性和經(jīng)驗(yàn)及群體最優(yōu)經(jīng)歷位置來調(diào)整自己的速度向量以調(diào)整自身位置。是正常數(shù),稱之為加速因子；為[0,1]中均勻分布的隨機(jī)數(shù),d為N維中的維數(shù)；是慣性權(quán)重因子。其中,每個(gè)粒子的位置和速度更新按下式 (2.43) (2.44)式(2.43)由三部分組成，第一部分是粒子原來的速度，其值越大，越利于全局搜索，其值小則利于局部搜索能力，具有平衡全局和局部搜索的能力；第二部分是粒子本身的思考，表明粒子自身經(jīng)驗(yàn)對當(dāng)前搜索傾向的吸引程度，受到的隨機(jī)調(diào)整，是對粒子所積累經(jīng)驗(yàn)的利用，使粒子有了足夠強(qiáng)的全局搜索能力，避免局部極小；第三部分是粒子學(xué)習(xí)其他粒子經(jīng)驗(yàn)的過程，表明粒子間信息的共享和社會協(xié)作，受到的隨機(jī)調(diào)整，并與的位置和種群的領(lǐng)域拓?fù)浣Y(jié)構(gòu)直接相關(guān)。在這三部分的共同作用下，粒子根據(jù)自己的經(jīng)驗(yàn)并利用信息共享機(jī)制不斷調(diào)整自己的速度與位置，從而有效地到達(dá)最好位置[60]。粒子位置在每一代的上述更新方式可用圖2.6來描述圖2.6粒子群更新流程由于粒子群算法具有高效的搜索能力，有利于得到多目標(biāo)意義下的最優(yōu)解;通過代表整個(gè)解集種群，按并行方式同時(shí)搜索多個(gè)非劣解，也即搜索到多個(gè)Pareto最優(yōu)解；同時(shí)，粒子群算法的通用性比較好，適合處理多種類型的目標(biāo)函數(shù)和約束，并且容易與傳統(tǒng)的優(yōu)化方法結(jié)合，從而改進(jìn)自身的局限性，更高效地解決問題。因此，將粒子群算法應(yīng)用于解決多目標(biāo)優(yōu)化問題上具有很大的優(yōu)勢。2.4.3算法流程粒子群算法思想描述如下：初始化種群后，種群的大小記為N?；谶m應(yīng)度支配的思想，將種群劃分成兩個(gè)子群，一個(gè)稱為非支配子集A，另一個(gè)稱為支配子集B，兩個(gè)子集的基數(shù)分別為n1、n2，滿足兩個(gè)子群基數(shù)之和為N。外部精英集用來存放每代產(chǎn)生的非劣解子集A，每次迭代過程只對B中的粒子進(jìn)行速度和位置的更新，并對更新后的B中的粒子基于適應(yīng)度支配思想與A中的粒子進(jìn)行比較，若，任意，使得支配，則刪除，使加入A更新外部精英集；且精英集的規(guī)模要利用一些技術(shù)維持在一個(gè)上限范圍內(nèi)，如密度評估技術(shù)、分散度技術(shù)等。最后，算法終止的準(zhǔn)則可以是最大迭代次數(shù)、計(jì)算精度或最優(yōu)解的最大凝滯步數(shù)等。具體步驟如圖2.7所示：圖2.7粒子群迭代流程圖中，t是迭代的代數(shù)，是第i個(gè)粒子的位置坐標(biāo)，是第i個(gè)粒子的速度，是粒子的個(gè)體極值，是粒子群的全局極值。粒子群算法是一種新興起的優(yōu)化算法，其每個(gè)粒子根據(jù)自身的最優(yōu)位置和群體全局的最優(yōu)位置更新自己的速度和位置，各粒子由于群體全局的最優(yōu)位置的影響，很快收斂到全局最優(yōu)位置附近，這已顯示出它的快速性、有效性和魯棒性等多種優(yōu)點(diǎn)。2.5小結(jié)首先，概述了腦部的復(fù)雜結(jié)構(gòu)，包括腦部的物理結(jié)構(gòu)和腦部介電結(jié)構(gòu)，并對于腦部物理結(jié)構(gòu)和介電結(jié)構(gòu)進(jìn)行詳細(xì)的描述，描述了腦部的各個(gè)組織器官在腦部的物理分布，然后詳細(xì)描述了腦部各個(gè)組織的介電常數(shù)情況和各個(gè)組織的極化特性。其次，我們扼要的介紹了微波檢測的基本原理，描述了微波信號進(jìn)入不同生物組織結(jié)構(gòu)的衍射情況。然后，根據(jù)微波演變情況，我們重點(diǎn)研究了微波信號的時(shí)域有限差分法，對時(shí)域有限差分法的基本原理，數(shù)值穩(wěn)定性和邊界設(shè)置條件進(jìn)行了推導(dǎo)演進(jìn)。最后，我們對粒子群優(yōu)化算法的背景，原理和整個(gè)算法流程進(jìn)行了介紹。第三章基于微波的腦中風(fēng)檢測系統(tǒng)設(shè)計(jì)電磁波測量方法是當(dāng)前無損檢測的熱門領(lǐng)域，微波檢測相對于其他常規(guī)檢測具有安全性好，分辨率高等優(yōu)點(diǎn)，其中微波相對于高頻電磁波具有更高的穩(wěn)定性[56]。本章主要介紹微波腦中風(fēng)檢測系統(tǒng)的整體設(shè)計(jì)以及算法框架，系統(tǒng)設(shè)計(jì)基于完整的腦部模型，和介電分布。3.1微波腦中風(fēng)檢測系統(tǒng)設(shè)計(jì)微波檢測技術(shù)的應(yīng)用范圍十分廣泛，由于檢測對象的不同，要求也各不相同。因此在設(shè)計(jì)微波檢測系統(tǒng)時(shí)都必須適合微波檢測的特點(diǎn)和被測對象的特性，能把檢測到的微波信號與所測的數(shù)據(jù)相互關(guān)聯(lián)起來。常規(guī)的微波檢測系統(tǒng)一般包括是三個(gè)主要組成部分：微波信號源，微波天線和數(shù)據(jù)采集處理系統(tǒng)。本文主要是為了實(shí)現(xiàn)頭部中風(fēng)的準(zhǔn)確檢測，同時(shí)要體現(xiàn)其非接觸，無損高效的性能。在通過比較現(xiàn)有的一些方法理論，結(jié)合腦部特性，本文的系統(tǒng)設(shè)計(jì)如圖3.1所示。本文的微波檢測系統(tǒng)包含了四個(gè)基本部分：可穿戴微波天線陣列、微波信號源、微波信號采集電路和微波信號處理分析模塊?？纱┐魑⒉ㄌ炀€陣列主要是利用具有可穿戴性的天線設(shè)計(jì)的微波天線組成一個(gè)微波天線陣列，作為腦部信號的發(fā)射和采集系統(tǒng)；微波信號源主要是為腦中風(fēng)檢測選擇合適的微波信號；微波信號采集主要腦部微波信號設(shè)計(jì)發(fā)射和接收系統(tǒng)，保證信號的高效發(fā)射和接收；微波信號處理模塊主要針對腦中風(fēng)微波信號的算法處理和識別。圖3.1微波檢測系統(tǒng)框圖3.1.1可穿戴微波天線陣列微波信號的發(fā)射和接收天線一般采用兩種方式，即單發(fā)射-單接收或單發(fā)射多接收。如果是單天線情況，一根單一的反式接收天線被用來發(fā)送脈沖和接收反向散射信號，而在單發(fā)射多接收方式下，需使用一對天線（一個(gè)發(fā)送一個(gè)接受）或者一個(gè)天線發(fā)射多個(gè)天線接收信號。在這種情況下，運(yùn)用一個(gè)具有單發(fā)多收的天線陣列，其中每根發(fā)射天線輪流發(fā)射脈沖信號，所有接收天線則接受反向散射信號。天線陣列采用的耦合媒質(zhì)可以提高檢測對象的匹配度，從而提高信號檢測的分辨率[56]。在二維情況下，微波天線放置在腦部周圍，均勻環(huán)繞著N個(gè)超寬帶天線，如圖3.2所示。我們通過部署在腦部周圍的天線陣列掃描頭部，得到綜合完整的微波掃描信號，天線工作在單發(fā)射單接收方式，發(fā)射天線輪流發(fā)射脈沖信號，并接收反向散射信號。腦中風(fēng)部位所引起的改變的微波信息，通過記錄沿不同路徑穿越腦部的多條微波散射信號獲得。圖3.2微波天線陣列微波腦中風(fēng)檢測要求天線具有的阻抗匹配度和低耦合，且具有良好的可穿戴性，論文采用的超寬帶微帶天線，因其具有平面結(jié)構(gòu)，可以做的很?。ㄗ畋】蛇_(dá)0.4mm），很容易制作成共形天線，成本很低，且非常適于組合，容易制作成天線陣列。本文采用的超寬帶微帶天線結(jié)構(gòu)如圖3.3。該天線設(shè)計(jì)分為三層結(jié)構(gòu)，包括上下兩層輻射片，中間為介質(zhì)層。所用的介質(zhì)基板為FR4，相對介電常數(shù)為4.4，介電損耗為0.002。天線結(jié)構(gòu)的幾何參數(shù)為：40*40*0.6mm，采用的饋電方式是微帶饋電，饋線長為20.39mm，寬為0.51mm；其中接地板由二分之一圓和樓梯形多邊形構(gòu)成，上面的貼片由二分之一圓構(gòu)成，半圓上開矩形槽。圖3.3微帶天線仿真及實(shí)測的性能結(jié)果圖3.4所示：圖3.4微帶天線的回波損耗從圖3.4中可以看出，天線的工作頻段是0.8-5GHZ，（一般情況，S11值小于-10dB，近場下S11可以小于-7dB），所以該天線的有效帶寬達(dá)到4GHZ以上。3.1.2頭部模型為了仿真驗(yàn)證腦中風(fēng)檢測算法，在參考了腦部物理結(jié)構(gòu)和介電結(jié)構(gòu)（見第二章）的基礎(chǔ)上，我們利用MRI掃描圖像，確定了腦部介電參數(shù)分布，建立完整的腦部模型[25]。該腦部模型包含八種主要的腦部介質(zhì)都包含在里面，皮膚、頭骨、脂肪、血液、腦脊液、硬腦（脊）膜、灰質(zhì)、白質(zhì)。這個(gè)頭部模型參考了腦部的內(nèi)部結(jié)構(gòu)（見第2.2節(jié)），對腦部的介質(zhì)進(jìn)行看統(tǒng)一的劃分，把在腦部占有比例較低的介質(zhì)如基地神經(jīng)節(jié)，下丘腦等進(jìn)行了分類，這個(gè)分類主要哪種組織的介電特性劃分（見第2.2節(jié)），把相鄰相近的介質(zhì)同一話，這樣既保證了模型的準(zhǔn)確性和可靠性，又對模型進(jìn)行了簡化分類。腦部的介電常數(shù)和導(dǎo)電率屬性見表2.1。圖3.5顯示了一個(gè)包含32個(gè)天線陣列的正常腦部仿真模型，有完整的腦部介電分布。圖3.6是一個(gè)中風(fēng)的腦部模型。圖3.5正常腦部的介電模型圖3.6中風(fēng)腦部的介電模型3.1.3微波信號源模塊微波信號源是微波檢測系統(tǒng)中的重要組成部分，其性質(zhì)與被檢測對象有密切的關(guān)系。頻率選擇，采用一個(gè)頻段在1GHz到4GHz的超寬帶天線保證微波信號對腦部有足夠散射深度[25]，同時(shí)也保證了對信號的接收。信號源的波形選取，應(yīng)該將所有感興趣的頻譜包含在內(nèi)，并且保證波形在時(shí)域中，開始與結(jié)束應(yīng)足夠的平滑，這樣才能保證式無用的高頻分量盡可能小，減小其頻譜干擾。高斯信號屬于多頻信號，其時(shí)域脈沖集中分布在感興趣的頻段，能極大減小其他頻段的干擾，提高檢測的分辨率，而且可以根據(jù)仿真模型設(shè)置相應(yīng)的頻段（最高頻率）。本文采用余弦調(diào)制高斯信號，其高斯波形的頻率分量是以零頻為中心對稱分布，且合成簡單，只需要將頻率為的余弦函數(shù)乘以所在頻段的高斯波形即可，如式3.1所示 （3.1）傅里葉變換為 （3.2）式中，如果要構(gòu)造一個(gè)頻帶寬度為、中心頻率為的余弦調(diào)制高斯波形，則 （3.3）中心頻率為2GHz，相對帶寬為0.6的余弦高斯調(diào)制信號如圖3.7所示。圖3.7高斯信號源圖中為電磁波經(jīng)過0.5mm距離所用的時(shí)間。3.1.4微波信號采集電路微波信號采集電路模型如圖3.8所示。圖3.8微波信號采集電路微波信號源提供各個(gè)頻段微波信號，微波信號在進(jìn)入波導(dǎo)系統(tǒng)后，會經(jīng)過一系列的處理（如混頻，檢波，濾波等），由發(fā)射天線發(fā)出。電磁波的發(fā)射能力由天線的性能確定[57]。由于接收天線接收的信號一般比較微弱，而檢波器往往需要比較大的輸入才可以正常工作，因此需要有足夠大的高頻增益把輸入信號放大。超外差式接收機(jī)就是采用固定頻率的中頻信號將信號放大，其工作原理如下：假設(shè)微波信號源1產(chǎn)生微波信號，其頻率為，系統(tǒng)將信號劃分為兩部分和，給發(fā)射天線發(fā)射到檢測空間，將和中頻信號一起進(jìn)入混頻器，其中中頻信號的頻率為，則混頻器輸出信號為： （3.1）式中和是和的振幅。輸出信號包含了高頻和低頻兩個(gè)頻段的信號，通過一個(gè)帶通濾波器將高頻部分濾掉，輸出低頻段的信號，稱為本機(jī)振蕩信號。 (3.2)由發(fā)射天線發(fā)送的微波信號，經(jīng)過檢測區(qū)域（腦部）由接收天線接收，通過檢波器得到接收信號，由于在傳輸過程中信號會產(chǎn)生相位和振幅的變化，因襲可以表示為 （3.3）式中和分布表示信號的振幅和相位。接收信號和本機(jī)振蕩信號經(jīng)過混頻器 (3.4)其中 (3.5)就是接收信號。3.1.5微波信號的處理分析模塊數(shù)據(jù)處理和分析是系統(tǒng)的核心部分，將從微波信號采集電路中采集的信號，進(jìn)行數(shù)據(jù)分析，算法處理。本文的使用了兩個(gè)算法對接收信號進(jìn)行處理：第一個(gè)算法是利用信號相似度算法結(jié)合二分查找算法分析腦部的微波信號中是否包含了異物，中風(fēng)血塊所在位置和大小范圍信息（具體步驟詳見第四章），算法可以快速有效的即腦中風(fēng)存在性進(jìn)行判斷，但是不能對腦部中風(fēng)中風(fēng)血塊進(jìn)行準(zhǔn)確的判斷，只能獲取中風(fēng)血塊的大致范圍；第二個(gè)算法是在信號相似度算法的基礎(chǔ)上采用了粒子群群優(yōu)化算法，對接收信號進(jìn)行處理，通過相似度算法可以直接獲取中風(fēng)血塊的存在下信息和中風(fēng)血塊所在的大致范圍，可以大大減小粒子群搜索的時(shí)間和范圍，通過尋優(yōu)算法可以確定中風(fēng)血塊的大小、位置（具體步驟詳見第四章）。對數(shù)據(jù)處理的結(jié)果，進(jìn)行性能評估，結(jié)果驗(yàn)證，并給定結(jié)論。性能評估主要在以下幾個(gè)方面：首先，對結(jié)果進(jìn)行分析判斷是否準(zhǔn)確，檢測結(jié)果誤差判決；其次，在結(jié)果大致準(zhǔn)確的情況下，對正確的結(jié)果進(jìn)行統(tǒng)計(jì)分析，給定其結(jié)果誤差的最大范圍。最后，主要是對算法的結(jié)構(gòu)和運(yùn)行時(shí)間進(jìn)行統(tǒng)計(jì)分析，給定算法的檢測時(shí)間。這三個(gè)方面也是后面算法的優(yōu)化方向。3.2微波腦中風(fēng)檢測系統(tǒng)算法設(shè)計(jì)3.2.1算法模型微波成像技術(shù)一般包含兩部分[58]：一部分是前向數(shù)值計(jì)算，即通過數(shù)值計(jì)算給定模型的電磁場分布，可以采用各種數(shù)值方法進(jìn)行求解；另一部分是逆向計(jì)算，即根基給定的電磁場測量值重構(gòu)電磁場分布。其中，前向計(jì)算是解決逆向計(jì)算的基礎(chǔ)。微波檢測算法的總體流程如圖3.9所示。圖3.9算法流程其算法流程如下：初始化測量介質(zhì)從電場分布；通過前向計(jì)算獲取給定場的信號輸出；計(jì)算模擬場和實(shí)際場的信號誤差；判斷誤差是否滿足終止條件，若滿足輸出結(jié)果，如不滿足，更新場分布，進(jìn)入步驟2；前向計(jì)算的主要任務(wù)是在給定激勵(lì)和己知各種電參數(shù)的情況下分析和計(jì)算包含散射體的散射場。常見的有矩量法(MOM)、時(shí)域有限差分法(FDTD)、有限元法(finiteelementmethod)及混合算法(hybridalgorithm)等。矩量法的基本思想是將待求得積分方程問題轉(zhuǎn)化為一個(gè)矩陣方程問題，借助于計(jì)算機(jī)，求得其數(shù)值解，從而在所得激勵(lì)源分布的數(shù)值解基礎(chǔ)上，即可算出輻射場的分布及其波阻抗的特性參數(shù)。對開放式電磁問題時(shí)，不需考慮截?cái)噙吔纾恍柙O(shè)置吸收邊界條件，能夠較精確的計(jì)算空問任意區(qū)域內(nèi)的電磁場強(qiáng)度值，常被用于低頻問題的研究，缺點(diǎn)是，精度低，計(jì)算復(fù)雜度高，且需要耗用大量的計(jì)算機(jī)內(nèi)存資源。有限元法是以條件變分問題為對象來求解電磁場問題。在求解過程中，將場的求解區(qū)域剖分成有限個(gè)單元，因此在單元中構(gòu)造出插值函數(shù)，將插值函數(shù)代入能量泛函的積分式，再把泛函離散化成多元函數(shù)。通過多元函數(shù)求極值方法得到一個(gè)代數(shù)方程組，最后由此方程組求解得到數(shù)值解。原理簡單、實(shí)現(xiàn)方便，缺點(diǎn)是對于復(fù)雜的多介質(zhì)問題，精度較低。時(shí)域有限差分法直接從Maxwell方程出發(fā)，不需要任何導(dǎo)出方程避免了使用更多的數(shù)學(xué)工具，近年來在處理吸收邊界條件構(gòu)建非均勻網(wǎng)格和不規(guī)則網(wǎng)格等方面的研究成果使得這一方法能夠適應(yīng)復(fù)雜的邊界條件并便于實(shí)施。FDTD由于通用性和瞬態(tài)性以及它在計(jì)算非均勻介質(zhì)目標(biāo)時(shí)，具有矩量法無法比擬的優(yōu)點(diǎn)。物理概念清晰，結(jié)果直觀，網(wǎng)格剖分簡單。很容易實(shí)現(xiàn)對非均勻介質(zhì)場的建模分析，適用于各種形狀和結(jié)構(gòu)都很復(fù)雜的系統(tǒng)。經(jīng)過對比，最終選取原理簡單、計(jì)算精度高、適用領(lǐng)域廣泛的時(shí)域有限差分算法對腦部進(jìn)行前向的數(shù)值計(jì)算。3.2.1基于FDTD前向算法模型己知媒質(zhì)的電磁參數(shù)和散射體對電磁波的響應(yīng)，求解電磁的時(shí)空分布，稱為正散射問題。數(shù)值算法是目前分析和求解電磁散射問題的主要方法。。時(shí)域有限差分法直接從Maxwell方程出發(fā)，不需要任何導(dǎo)出方程避免了使用更多的數(shù)學(xué)工具，近年來在處理吸收邊界條件構(gòu)建非均勻網(wǎng)格和不規(guī)則網(wǎng)格等方面的研究成果使得這一方法能夠適應(yīng)復(fù)雜的邊界條件并便于實(shí)施。FDTD由于通用性和瞬態(tài)性以及它在計(jì)算非均勻介質(zhì)目標(biāo)時(shí)，具有矩量法無法比擬的優(yōu)點(diǎn)，物理概念清晰，結(jié)果直觀，網(wǎng)格剖分簡單。很容易實(shí)現(xiàn)對非均勻介質(zhì)場的建模分析，適用于各種形狀和結(jié)構(gòu)都很復(fù)雜的系統(tǒng)，且能夠直接模擬場的分布，精度比較高，它在解決復(fù)雜外形、非均勻介質(zhì)、時(shí)域、寬帶散射和輻射系統(tǒng)的電磁問題時(shí)具有獨(dú)特的優(yōu)越性由于腦部介質(zhì)的分布和介電常數(shù)高度復(fù)雜和對算法精確度的要求，在時(shí)間復(fù)雜度、模型建立的基礎(chǔ)上綜合分析，建立了一個(gè)基于FDTD的腦部模型的前向算法網(wǎng)格模型。FDTD利用蛙跳式計(jì)算算法，對空間領(lǐng)域內(nèi)的電場和磁場進(jìn)行交替計(jì)算，通過時(shí)間領(lǐng)域上更新來模仿電磁場在腦部模型中的變化，達(dá)到數(shù)值計(jì)算的目的。該算法的基本流程如下：圖3.4FDTD仿真流程圖3.2.2逆向算法模型在微波檢測中，己知(實(shí)測或者仿真獲得)散射體外部的散射場的時(shí)空分布，求解(也叫重建或重構(gòu)或反演)被測目標(biāo)、媒質(zhì)的電參數(shù)的空間分布，則稱為逆散射問題。解決逆散射問題的逆向重建算法一般遵循兩個(gè)基本思路：一是通過反演，計(jì)算所在的域（空間）的電磁分布情況，如共軛梯度算法、N-K(Newton-Kantorovitch)算法，但是在反演計(jì)算中，描述電磁散射的算子方程不僅是一個(gè)復(fù)雜的非線性方程，求解困難，而且屬于病態(tài)方程，求解是不穩(wěn)定的，微小的誤差就會造成計(jì)算結(jié)果的巨大偏差。另一種是通過迭代計(jì)算，在迭代過程中是否需要調(diào)用正向算法，無須反演計(jì)算，亦無須人為地選擇正則化參數(shù)，反演過程穩(wěn)定，但是時(shí)間復(fù)雜度相對較高。人腦中風(fēng)微波檢測應(yīng)用，腦部散射體不規(guī)則，結(jié)構(gòu)復(fù)雜，介電性質(zhì)差異小，散射場與散射體之間呈非線性關(guān)系，電磁逆散射問題的解具有非唯一性和不穩(wěn)定性等特征，，存在算法復(fù)雜，易受干擾等缺點(diǎn)，很難得到電磁逆散射問題的解析解，基于反演的逆向重建算法難以用于腦部中風(fēng)的檢測?；谖⒉ㄐ盘柕奈矬w內(nèi)部異常檢測方法，常采用共焦微波成像方法，但對于腦中風(fēng)檢測這種復(fù)雜結(jié)構(gòu)尤其是中風(fēng)區(qū)域的信號反射無法清晰獲取的情況下，難以獲得有效的檢測效果。本文首先采用基于信號相似度的二分定位迭代搜索法，進(jìn)行中風(fēng)血塊的檢測和定位，算法簡單容易實(shí)現(xiàn)，但算法的可靠性不高。近年來出現(xiàn)了很多全局優(yōu)化迭代計(jì)算，如遺傳算法，蟻群算法等，具有較高的可靠性。粒子群尋優(yōu)是目前廣泛使用的一種優(yōu)化方法，在微波檢測中也有所應(yīng)用。粒子群算法同遺傳算法類似，也是一種基于群體的迭代優(yōu)化算法。系統(tǒng)通過初始化一組隨機(jī)解，在迭代的過程中搜索最優(yōu)值。粒子群算法同遺傳算法等其他進(jìn)化算法不同之處在于，它不是通過采用群體解的競爭機(jī)制來迭代產(chǎn)生最優(yōu)解,而是采用群體解的合作機(jī)制來迭代產(chǎn)生最優(yōu)解。此外，粒子群算法概念簡單、容易實(shí)現(xiàn)，需要調(diào)節(jié)的參數(shù)偏少。因此，粒子群算法越來越受到人們的關(guān)注，其研究成為國內(nèi)外的熱點(diǎn)，尤其應(yīng)用粒子群算法對工程技術(shù)問題的優(yōu)化文獻(xiàn)呈指數(shù)增加。本論文采用粒子群算法優(yōu)化重建被測區(qū)域的介電常數(shù)