针对声学CT对温度场重建的不适定性，该文提出了一种基于PCA降维和迭代正则化的重建算法。通过径向基函数逼近声慢度分布建立声学CT正问题模型；用PCA降维改善逆问题的病态性；用迭代正则化法求解逆问题；利用声慢度与温度的关系得到温度分布。仿真和实际温度场重建实验表明，与常用的最小二乘法和基于奇异值分解的直接正则化法相比，所提算法的重建图像更接近真实分布，重建误差最高可降低86.62%和29.1%。因此基于PCA降维和迭代正则化的重建算法能够提供更高质量的重建温度场。
科研之友
微信
新浪微博
Facebook
分享链接
