非線性超聲仿真中的關鍵技術問題研究.pdf_第1頁
已閱讀1頁,還剩98頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、超聲成像已成為臨床應用中不可替代的醫(yī)學影像技術之一。目前,超聲基波成像技術已相對成熟,以諧波成像為代表的非線性成像技術成為研究熱點。數(shù)值仿真具有參數(shù)高度可控,經(jīng)濟快速,可重復性強等優(yōu)點,是研究超聲非線性特性的有效手段。數(shù)值仿真涉及組織建模、聲傳播方程、數(shù)值算法、邊界條件、信號提取及分析等關鍵技術。
  本論文主要對仿真中的邊界條件及仿真數(shù)值算法進行研究,為建立有效的非線性仿真平臺打下基礎。主要工作包括以下幾個部分:
  第一

2、,完全匹配層(Perfectly Matched Layer, PML)是目前應用最廣泛最有效的吸收邊界條件之一,然而經(jīng)典的PML只適用于一階方程,不能直接應用于二階方程。雖然已有少數(shù)學者將PML擴展到了二階方程,但已有方法執(zhí)行不便,計算代價較高。本文提出了兩種適用于二階波動方程的非分裂PML?;趶妥鴺松炜s變換(Complex coordinate-stretching),提出了通過微分運算直接得到高階方程的PML頻域方程的方法。利用

3、方程變形及構造輔助微分方程,給出了便于求解時域PML方程的方法。理論分析和FDTD的仿真結果表明,相比于已有的PML方法,本文提出的非分裂方法吸收效果相同,但編程更簡單,可較大地降低存儲量和計算量,同時便于采用高階數(shù)值方法離散。
  第二,卷積完全匹配層(Convolutional PML,C-PML)比PML能更好地消除邊界反射,穩(wěn)定性更佳。然而,目前C-PML主要應用于一階方程,已有的二階方程的C-PML主要適用于有限元的仿真

4、中,執(zhí)行復雜,計算代價很高。本文提出了一種新的二階波動方程的C-PML。通過采用復坐標伸縮變換和構造輔助微分方程,給出了推導二階波動方程的C-PML的一般方法。與已有的方法相比,本文提出的C-PML無需聲壓分裂,在一個坐標方向上只需引入三個一階輔助微分方程,更易執(zhí)行,尤其適合FDTD仿真,且適用高階離散方法。仿真結果表明,本文提出的C-PML能較好地消除邊界反射波,優(yōu)于傳統(tǒng)的PML。
  第三,部分分式分解(Partial Fra

5、ction Expansion,PFE)是本文推導二階方程的PML和C-PML用到的重要數(shù)學方法。PFE也在Laplace變換及有理函數(shù)的微積分求解等領域有廣泛的運用。本文提出了多種直接適用于因式形式(FactorizedForm)及展開形式(Expanded Form)的有理函數(shù)的PFE方法。這些PFE方法只涉及簡單的代數(shù)運算,不涉及微分運算,無需求解線性方程組。處理假有理分式時,無需進行長除運算。與經(jīng)典PFE方法(如微分法,待定系數(shù)

6、法)相比,本文的方法更適于處理含高階極點的大規(guī)模問題,更便于計算機編程和手算。數(shù)值測試結果表明,這些PFE方法即使在處理大型的、含有高階極點及病態(tài)極點(ill-conditioned poles)的有理分式,也能取得較好的分解效果。
  最后,本文將時域偽譜法(Pseudo Spectral Time Domain,PSTD)推廣到了高階方程的數(shù)值求解中。通過本文提出的二階波動方程的PML,解決了PSTD存在的周期混疊問題,從而使

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論