基于优化匹配追踪稀疏分解的微弱超声回波提取

为提高低信噪比环境中微弱超声回波信号的提取性能,提出优化的匹配追踪(Matching Pursuit,MP)稀疏分解的超声回波提取算法。该算法将具有连续空间搜索能力的粒子群优化(Particle Swarm Optimization,PSO)算法引入到MP稀疏分解中,以缓解原子集的遍历有限性需求与超完备性之间的矛盾,通过改进粒子群算法的参数自适应设置及MP算法的目标函数和重构函数,实现自适应的PSO-MP稀疏分解算法,并建立了连续伽柏(Gabor)原子集,提高了最优原子与不同参数超声回波信号的匹配程度,最后由最优原子集通过重构函数对回波信号进行重构,实现对回波的降噪和准确提取。实验结果表明,该算法显著降低了计算量,效果优于已有小波阈值等算法且具有较好鲁棒性。     

模拟电路噪声分析方法的研究

本文主要介绍半导体器件缺陷与噪声的关系。根据噪声电子学的知识和低频噪声检测半导体器件缺陷理论及其在实际中的应用,从原理上分析器件缺陷所引发的电路故障与噪声特性参数关系,通过对输出噪声特性参数的分析和处理达到诊断电路故障。     

阿尔茨海默病大脑皮层的磁共振影像分析

阿尔茨海默病是一种进行性神经退化痴呆症,其特征是大脑皮层厚度萎缩和认知功能逐步下降。通过分析阿尔茨海默病患者及其早期症状轻度认知障碍患者的大脑皮层厚度变化,我们可以了解该疾病的发生发展机理,为临床早期诊断和预防提供帮助。核磁共振成像技术的出现为我们对该疾病大脑皮层变化模式的研究提供了很好的手段。本文工作是从图像处理的角度分析了阿尔茨海默病和轻度认知障碍患者大脑皮层磁共振影像结构。