基于粒子群算法二维介质重构.docVIP

基于粒子群算法二维介质重构 　　摘 要:基于粒子群算法,在环状构型下通过矩量法数值分析了二维均匀、各向同性连续介电常数实部,在无噪声、有先验约束情况下的重构。重构结果表明,该重构方法有较好的重构结果。该研究对基于电磁场理论的医学临床诊断乃至于对遥感、地球勘探、无伤探测等做了理论上的准备,也为生物体电磁波成像的实际应用提供了理论指导。 　　关键词:粒子群算法; 逆散射; 重构; 适应值函数 　　中图分类号:TP274 文献标识码:A 　　文章编号:1004-373X(2010)12-0081-04 　　 　　2-D Medium Reconstruction Based on Particle Swarm Algorithm 　　ZHANG Xiao-di, WU Ji-xia, ZHANG Hui 　　(College of Physics and Electronic Engineering, Xianyang Normal University, Xianyang 712000, China) 　　Abstract:Based on the particle swarm optimization algorithm, the real parts of the 2-D homogeneous and the isotropic medium was numerically analyzed by the method of moment in the circle configuration, and the reconstruction was performed in the cases of no-noise and the prior constraint. The reconstruction results show the reconstruction method has a good effect. The study can provide the theoretical preparation, such as clinical diagnosis, remote sensing, nondestructive testing, and the theoretical guidance for the practical application of the electromagnetic imaging based on the electromagnetic wave theory. 　　Keywords: particle swarm algorithm; inverse scattering; reconstruction; fitting value function 　　 　　0 引 言 　　生物体电磁波成像有电阻抗成像、电磁参数重构等方法。电磁参数重构,其本质是电磁逆散射,它是一种以电磁波作为信息载体,通过在电磁波作用下,测量生物体周围的电磁波分布,反演生物组织内电磁参数的方法。由于生物体电磁参数分布可以反映生物体的温度分布、血液容量、血氧含量等许多生理信息[1-2],不同组织的电磁参数不同,正常组织与病变组织的电磁参数也不同。所以,生物体的电磁参数分布可以作为医学临床分析依据。 　　生物体电磁波成像的研究主要表现在对成像算法和成像技术的研究。对于算法研究,由于目标体的维数、不连续性、各向异性以及测量数据相对于求解目标的有限性等,造成求解问题的非线性、病态性[3],使得对于成像算法的研究一直是生物电磁学乃至计算电磁学研究的热点问题。在算法的研究中,有第一代基于衍射成像的逆散射算法,研究高对比度介质成像的确定性算法[4-7],如Born方法、变形的Born方法、N-K(newton-kantorovitch)方法、L-M(levenberg-marquardt)迭代方法等。这些确定性方法的局限表现在要获得准确和合理的结果,要求初始试探解足够接近实际值。将研究问题转化为一个全局搜索寻优过程的遗传算法可以避开这些问题。然而,应用遗传算法,要求确定遗传算子(选择算子、交叉算子和变异算子)、运行参数(群体大小、交叉概率、变异概率等)等影响求解结果和效率的?┒喔霆?参数。 　　为了克服遗传算法的缺陷,Kennedy and Eberhart 1995年首次提出解决此类问题的智能优化算法――粒子群算法[8](particle swamp optimization,PSO)。PSO算法也是基于群体迭代,但没有交叉和变异算子,群体在解空间中追随最优粒子进行搜索。该算法收敛速度快,设置参数少(如遗传算法要考虑3个遗传算子,而粒子群算法仅考虑速度修正因子),简单易实现,又因为该