| 【中文题名】 | 遗传算法在介电成像中的应用研究 |
| 【英文题名】 | The Application of Genetic Algorithm in the Dielectric Imaging |
| 【学科专业】 | 无线电物理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-10-6 |
| 【中关键词】 | 遗传算法,有限元,静电场,介电常数,小波变换,混合编程 |
| 【英关键词】 | Genetic Algorithm,Finite Element Method,Static Electric Field,Permitivity,Wavelet Translation,Mixed-Language Programming, |
| 【分类导航】 | 数理科学和化学>物理学>电磁学、电动力学>电磁学>> |
| 【论文摘要】 |
介电成像是电磁成像技术中的一种，其原理是通过测量电磁辐射下目标周围的场分布，对目标介电特性进行重构达到成像目的。本文研究了利用静电场激励待成像区域，根据周围某些点的电位测量值应用遗传算法重构物体介电特性、尺寸的方法。
本文首先建立了介电成像的数学模型，采用有限元方法求解正问题，有限元方法的优点在于能方便地处理非均匀介质、具有良好的收敛性、可以压缩系数矩阵而节省计算时间，这有利于应用遗传算法进行优化。
在测量信号的处理中采用小波变换域滤波方法。文中提出了基于ad hoc算法的模极大值漂移抑制方法，数值结果表明这是一种寻找小波变换对数模极大线的有效算法。
在介电常数重构的逆问题研究中本文采用LGA遗传算法，并着重探索了选择、变异算子的改进。即在设计选择算子时，当最优个体适应度值大于设定阈值时则被保留；设计变异算子时，当个体的适应度差别不大的情况下采用较大的变异概率。这些措施能够控制种群趋于一致的进程，目的在于改善搜索过程中的过早收敛问题。数值结果表明这些改进取得了明显效果，从而提高了介电成像的准确性。
为了使用方便，本文开发了仿真计算程序的WINDO... |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
Abstract |
3-6 |
|
1 前言 |
6-13 |
|
1.1 介电成像研究的意义 |
6 |
|
1.2 介电成像的历史及现状 |
6-7 |
|
1.3 介电成像中的几种优化重构算法简介 |
7-11 |
|
1.3.1 最小二乘法 |
8-9 |
|
1.3.2 阻尼最小二乘法 |
9-10 |
|
1.3.3 模拟退火法 |
10 |
|
1.3.4 遗传算法 |
10-11 |
|
1.4 本文的研究任务 |
11-13 |
|
2 正问题的计算-有限元方法 |
13-18 |
|
2.1 介电成像的数学模型 |
13-14 |
|
2.2 正问题的有限元计算 |
14-18 |
|
2.2.1 场域的剖分、节点编码 |
15 |
|
2.2.2 有限元方程系数矩阵的形成 |
15-16 |
|
2.2.3 求解有限元方程 |
16-18 |
|
3 小波变换域滤波 |
18-26 |
|
3.1 小波变换原理 |
18-21 |
|
3.1.1 小波分解算法 |
19-20 |
|
3.1.2 小波重构算法 |
20-21 |
|
3.2 小波变换域滤波原理 |
21-22 |
|
3.3 小波变换、Lipschitz指数与信号滤波 |
22 |
|
3.4 基于ad hoc算法的对数模极大线搜索算法 |
22-24 |
|
3.5 数值滤波结果及分析 |
24-26 |
|
4 基于遗传算法的介电常数重构成像 |
26-40 |
|
4.1 遗传算法 |
26-28 |
|
4.1.1 遗传算法原理 |
26-28 |
|
4.1.2 模式定理 |
28 |
|
4.2 参数编码 |
28-30 |
|
4.3 群体规模确定 |
30 |
|
4.4 选择适应度函数 |
30-32 |
|
4.5 设计遗传算子 |
32-36 |
|
4.6 设计控制参数 |
36-40 |
|
5 数值实验结果及分析 |
40-49 |
|
5.1 FEM计算结果 |
40-42 |
|
5.2 优化结果及分析 |
42-49 |
|
6 混合编程程序设计 |
49-53 |
|
6.1 动态连接库(Dynamic-Link Library，DLL)实现混合编程 |
49-50 |
|
6.2 Visual Basic和Fortran混合编程中的数据访问 |
50-53 |
|
7 结束语 |
53-57 |
|
致谢 |
57-58 |
|
参考文献 |
58-63 |
|
| 【DOI】 | LunWen.ID:2.2008.23972 |
