PET几种校正算法

PET几种校正算法
PET几种校正算法

为什么强调计数率

粒子的数目正比于辐射堆积的能量。并作为Z方向上的能量,也就是像素的能量。光子被晶体吸收后,产生的光谱被光电倍增管变为电脉冲。然后进一步放大,在经过脉冲高度分析器,最后以计数的形式记录。

模块式探测器的应用

就是数个光电倍增管对应一系列不完全切割的晶体阵列。问题是:如何区分那块晶体被击中。

采用重心法来识别那块晶体被击中。

灵敏度(应该算是装置的灵敏度)

PET灵敏度的定义是:

The sensitivity of a PET scanner is defined as the number of counts per unit time detected by the device for each unit of activity present in a source.

仪表中的定义是输出变化量对输入变化量的比值。

对于PET,我想应该是检测到的计数的值的变化和源所发射的粒子个数的变化的比值。

影响灵敏度的因素就是所有影响计数率的因素。

如果探测效率低下的话,那么灵敏度一定低,需要采集的时间加长,才能显示图像(也就是要有足够的图像对比度)。

更多的计数的获得

通过:长时间的采集

注射更多的放射性同位素

改善探测器效率

空间分辨率

The spatial Resolution of a PET scanner is a measure of the ability of the device to faithfully reproduce the image of an object, thus clearly depicting the variations in the distribution of radioactivity in the object. It is empirically defined as the minimum distance between two points in an image that can be detected by a scanner.

能识别的最小单位。

轴向分辨率就是沿着轴的方向上的分辨率,主要与环间的间隔有关系,越密分辨率越高。

径向分辨率就是沿着直径方向上的分辨率,主要与晶体的大小有关系,越小分辨率越高。

平行孔准直器的作用

去除散射。但在双探头(成180度)正电子探测中可以不使用准直器,而采用电子准直(也就是同时符合)。

但在SPECT 探测中,即使是双探头(成180度),也需要加准直器。因为不具备正电子湮灭所产生的现象。

数据的存储方式

在双探头的E.CAM中采用(X,Y)坐标的形式存储。而在环形PET 中以正弦图的形式存储,即(r,θ),在专利中有类似的提到正弦图。因为是一个环,所以以正弦图来存储。

康普顿散射

康普顿散射的重要特征就是光子的运动方向改变,能量减少。

衰变校正方法

自然界中存在的核素大多是稳定的,但是它们的一些同位素却不稳

定,会自发地蜕变成其它的核素或改变其能态,并伴随γβα,,辐射,这个过程称为放射性衰变(Radioactive Decay)。放射性衰变的发生是随机的,用单位时间内平均发生衰变的次数夹衡量样品的放射性衰变能力,称做放射性强度, 或放射性活度〔Activity).随着衰变进行,样品中放射性核素逐渐减少,其放射性强度呈负指数规律下降:

t 0P e A A(t)λ?=

P λ为核素的物理衰变常数,放射性强度减弱到一半所需的时间称为

半衰期。常用于正电子发射断层成像的衰变类放射性核素:的半衰

期为20.34分钟;半衰期为9.96分钟;的半衰期为2.05分钟:的

半衰期为110分钟。

2/1T C 116N 13

7O 158F 189除了物理半衰期以外,核医学中还有一个生物半衰期的概念,它是指生物体内的放射性核素由于生物代谢,从体内排出一半所需的时间,用Tb表示。假定生物代谢造成的放射性强度减少也符合指数规律:

t 0b e A A(t)λ?= b λ为核素的物理衰变常数,则生物体内的放射性强度由于放射性衰

变和生物代谢共同造成的衰减:

t 0t t 0e A e e A A(t)P b λλλ???=+=

λ为核素的衰变系数,总衰减速度大于任何单一因素造成的衰减速度,由此不难从,t时刻的药物放射性强度A(t)注射时刻的强度。如果各帧的采集时间比药物的半衰期短得多,可以忽略在每帧采集过程中放射性强度的变化,但对于动态扫描,全身扫描、门控采集和定量研究必须考虑衰变校正,把作为刻度因子乘以该帧各个像素的计数值,就能将图像归一化到药物注射时刻的情况,t用从注射时刻起到这一帧采集的中间时刻来近似。

t 0e A A(t)λ?=t e λ?随机符合校正方法

常用的随机符合校正方法分为软件校正和硬件校正。用软件方法进行随机符合校正,记录各探测单元输出的计数率N,假设一对探测单元的计数分别为和符合窗的宽度为:a N b N τ,则随机符合(Random Event)

计数b a random N N 2N τ=,,为单位时间的计数。从立即符合(Prompt

Event)计数中减去随机符合计数,就可以得到真实符合

(True Event)计数。

a N

b N prompt N random N 软件校正在正弦图采集完成后进行,是非实时的,并且要额外记录

每个探测单元的计数,为数据获取增加了难度。

硬件校正的方法是在原有的符合电路旁边再设计一个延迟符合电路,与它连接的两个探测单元之一的输出信号被延迟,只要延迟时间大于两倍的符合电路时间窗宽度,就能保证延迟符合电路的输出中没有真的湮灭符合事件,但有随机符合事件。从原有符合电路输出的计数中减掉延迟符合电路的计数,就能得到真正的湮灭符合计数。如图所示:

在实际PET系统电路设计中,立即符合电路的输出经分拣),(r θ变换后,在正弦图相应存储单元累加1,相反每一个延迟符合电路输出经分拣),r (θ的变换后则在相应的存储单元减1,若正弦图某点的数值小于零,则归为零。

这种校正是实时、在线进行的,简明有效,实现速度快,电路设计易于完成,常用于商业PET中。

衰减校正方法

在人体内部强度为,向相反方向传播的Y射线穿出人体以后,探测

器测得的值分别为:

0I

∫=?a 0udl

01e I I ∫=?b

0udl 02e I I

1I 与符合后的强度为:

2I ∫=×=b

a udl

20

21e I I I I u为衰减系数,l为传播路径,其等效衰减路径是人体在人体在符合线上的总厚度ab。软组织对511KeV的Y射线的衰减系数是0.095cmi/g(不明白,应该是每厘米的衰减量吧),半衰减厚度约为7.2cm。对直径大约20cm的头部显像,超过85%的Y光子被衰减,宽40cm的躯千可将95%以上的Y光子吸收掉。所以为了获得高质量均匀的PET图像以及要从PET图像得到定量的诊断信息,必须对人体的衰减进行校正。 ∫=×=b a udl

20

21e I I I I 公式表明,在同一条符合线上,衰减量与源点的位置无关,

或者说只要沿同一路径传播,不论发生湮灭事件的位置在哪里,测得的符合强度1都相等。

PET中的衰减校正常用的方法是:首先做没有病人的空扫(Blank

Scan),得到了。然后利用和人体轴线平行的棒源绕人体旋转若千周完

成透射扫描(Transmission Scan),得到人体沿所有符合线的衰减结果,透射扫描除以空扫,得到衰减量 ,用它作除数因子就可以对相应投影值进行衰减校正。棒源一般采用长半衰期的正电子类放射性核素,如半衰期为275天的68Ge,放射性强度通常为10mcie由于不必求解人体衰减系数的分布,PET的衰减校正比较简单。衰减量的测量精度取决于透射扫描的计数密度,它的统计噪声会进入校正后的发射图像,因此透4射图像的计数一般要比被校正的发射图像的计数高十倍。对透射数据进行平滑能够减少统计噪声,也能改善衰减校正的质量。除了统计涨落会造成衰减系数不准确以外,在透射扫描中Y射线被散射的情况与发射扫描中并不一样,也会引起衰减系数的误差。

0I ∫b a udl

e 有的PET中采用先确定断层内主要组织(如肺、软组织、胸骨)的范围

和边界,然后根据它们的性质赋予不同的衰减系数u值,这种方法可以降低透射扫描时对系统条件的要求。 死时间校正方法

PET系统处理每个事件所需的时间称为死时间(Dead Time)。如果在后一个湮灭事件发生之前来不及处理完前一个事件,该事件就会丢失,这就是死时间损失。系统的死时间取决于探测器、电子学和数据处理器的速度,以及缓存器的性能等诸多因素,每台机器都不尽相同。

PET出厂前都要进行死时间损失测量:在其视野中放置不同放射性强度的药物,根据测量结果画出计数率一一药物强度曲线,在强度低的时候,计数率随着药物强度正比增加,呈直线上升,死时间损失很小:药物强度增加到某一限度以后,计数率增长变缓,曲线逐渐弯曲,它与直线的距离就是丢失的计数率,可以据此进行校正,保证在测量时间内的药物强度与计数率保持线性关系。

我的理解:

如果所注射的核素的强度,在计数率与药物强度曲线呈直线关系时就不用补偿了。如果在呈现曲线关系的时候,可计算出这种强度下的真正计数率,可以此计算出丢失的百分数,以此来进行补偿。

探测器灵敏度归一化(Normalization)

PET中有上千个探测单元,有的探测效率高,有的则差一些,做不到完全一致,这样在成像中会存在贯穿图像的热线( Hot Line)或冷线(Cold Line),即或亮或暗的线状伪像。

用均匀分布的放射源,或者人体衰减校止所用的旋转扫描线源,测量每个探测单元的计数响应D,i=1,...M M 是PET的探测单元数,算出归一化因子。

Di

M D

NORM M 1i i ∑=

数据采集时将该探测单元的计数值乘以;,实现归一化校正。 i NORM 散射校正

能量在50-500KeV的Y射线,与人体的作用主要是康普顿散射,一对Y 光子被同时散射掉,或者一个被散射,令一个仍按原有轨迹打在探测器上,由于探测器的能量分辨率有限,这些散射事件被错误地按照真符合事件记录下来,造成混淆和假记数,使图像分辨率下降,定量关系被破坏对比度下降。同随机符合事件一样,散射事件在空间分布上比较均匀,表现为叠加在真实图像上的缓变本底,抬高了本底记数,降低了图像的对比度,原本高反差的细节变得模糊不清,令医生难以从本底中辨认病灶。

散射符合事件与人体内的放射性分布,PET的设计以及周围环境有关系,难以精确测量和估计。常用的散射校正方法有反卷积法和双能量窗法,反卷积法往往在增强对比度的同时也增加了图像的噪声,而双能窗法需要相应的硬件支持和电路设计。

反卷积法

假设实际得到的投影图可表示为:

P=T(1一Y)+ S

其中P为实际得到的投影图,T为真符合事件,S为散射符合事件,Y 为散射系数。散射符合事件是真符合事件T和散射核函数h的卷积结果,即:S=T**h

**表示卷积。则:

P=T(1一Y)十T**h= T**[(1-)γ]h +δ 令h ~=[(1-)γ]h +δ,将上式进行傅立叶变换: F(P) = F(T)*F(h ~);

所以: T=( F(P)/ F(1F ?h ~))

F()和F-1()分别表示傅立叶变换和傅立叶反变换。(这个是没有看明白)。

双能量窗法

散射符合事件主要来自于Y光子与人体作用的康普顿效应,散射射线能量随角度变化: )

cos 1(1E E scatt θα?+= 511E =α 散射光子能量随角度变化不大,并且小角度散射的几率比较大,典型的能量分辨率为25%,例如511KeV的光子被散射20度,光子能量为482KeV,仍在能量窗内。

双能量窗法进行散射校正,使用两个可调节的能量窗(如低能窗300KeV-450KeV,高能量窗450KeV-65OKeV),散射的或未散射的Y光子在高能窗都可形成符合,而在低能窗中只有散射的Y光子可形成符合。用低能窗获得的正弦图估计出高能窗内散射符合事件的数量,从高能窗内总符合的正弦图中去除低能窗中的散射符合事件,就可以得到去除了散射符合事件的正弦图。双能量窗法比较简单有效,但是需要相应的硬件支持和附加的电路设计。

HYPER high-yield pile-up eventrecovery

几何校正中控制点的选取

几何校正中控制点的选取 1.控制点的布设 控制点的布设的原则一般要把握两点:一是要尽可能地均匀,一般规则遥感影像的前4~9个控制点要将整个影像控制在一个规则的坐标范围内,概括地把校正控制点范围确定好,以方便后续控制点的采集。这样,控制点的点位中误差往往会控制到最小,每个控制点的几何残差也容易校正,我们称这种控制点布设方法为“边廓点”,即四边形点位布设。 当影像不是一个很规则的几何图形时,要尽可能地将它用控制点分成几个规则的几何图形,然后分块进行控制点的采集。但这并不是说把每块独立起来,还要保证整体点位均匀。在不规则影像的边缘,尽量的布放控制点,从而控制住影像的边缘,来更好的控制整体。 总之在选取控制点的时候,要把握整体,整体把握住后再对局部均匀地选择控制点。 2.点位布设顺序 进行选取控制点的时候要注意点和点之间的排放顺序。在局部选取控制点的时候千万不要盲从,看到拐角、交叉等地形就放点,这样的结果只能是局部校正得比较好,但从整体来看就不理想。点密而不均、量多而无序起不到好的效果。 所谓有序布点,就是让控制点按照一定的顺序排列,当然这种顺序不是唯一的,可以是从左到右、从上到下,从中心到四周,从左上到右下等等,要根据影像的图面要素特征来选取适合的控制点布放顺序。不同的顺序最后的校正的结果是有所不同的。如:对于平原来说,可以在选好边廓点后按照从左到右、从上到下的顺序来选取控制点。 选点时要选择没有变化的相同区域,如明显的道路交叉路口、建筑物或构筑物的边角等等。因为遥感影像与航片有时相差异,成像时的太阳高度角、方位角、大气等条件也不尽相同,因此同样的建筑物或其它具有明显高程差的地物上不宜放置控制点,以避免像差带来的几何误差,保证点位的精准度。一般来说,采用多项式数学模型时,控制点个数与多项式阶项n及地形情况有密切关系。控制点个数最少应2倍于(n+1)(n+2)/2。当阶项n=2或更高时,通常要求每景控制点在25个以上,困难地区应适量增加控制点,保证在30~50个左右。在复杂地形条件下,对整景影像要进行分区选点和校正并保证相邻分区有影像重叠区和公共控制点,在公共区域有意的均匀增加控制点,来保证两个相邻的公共区域校正效果一致,从而方便将相邻两幅图镶嵌起来。 控制点布设方式,是在图面均匀布点的基础上,根据不同的地段采用不同的方式,如不规则的河流采用四边形和三角网方式。平原采用四边形和六边形的方式。控制点残差一般不超过下表的规定: 控制点残差(米)平原≤0.5,山区≤1.25 当遇到大面积的山地时可以提高多项式的项阶来校正,更好的办法还是用非线性算法,以非均匀变换的方法对其进行校正。顾名思义,这种方法没有很严谨的算法,它忽略了影像成像时高程差带来的影响,将被校正目标当作一个平面去处理,在有高程形成误差的地方把控制区域强行拉伸到控制点指定的地方,从而实现对难以控制地区的几何位置校正。 但要注意的是,采用这种方法一定要把被校正区域的边廓点选好,更要布点均匀、有序。使用非线性算法进行控制位加密布设控制点时,其周围一定要有相应的控制点来平衡它,不然该区域会发生几何扭曲、变形。为了避免这种情况的发生要注意两点: ①在选取边廓点的时候尽量选取影像的边缘部位、把握住边缘,因为边缘地区最容易发生形变; ②在控制点比较密的地区一定要在四周放点控制,对于没把握的点位不要轻易去放,以

龙格库塔方法的Miline-Hamming预测-校正算法实验报告

2011-2012学年第2学期实验报告 实验名称:微分方程数值解实验学院:****** 专业:**************班级:********** 班内序号:** 学号:******** 姓名:****** 任课教师:****** 北京邮电大学 时间:****年**月**日

实验目标 用多环节Miline-Hamming预测-校正算法求下列方程的解 y‘=y?2x , y0=1, 0≤x≤4 其中解析解为 y x=1+2x 实验原理 计算龙格库塔显示公式计算预测值,然后用隐式公式进行校正。Miline-Hamming预测-校正公式为 p n+1=u n?3+4 h(2f n?f n?1+f n?2) m n+1=p n+1+112 121 (c n?p n) c n+1=1 9u n?u n?2+ 3 h[f t n+1,m n+1+2f n?f n?1] u n+1=c n+1? 9 (c n+1?p n+1) 其对应的算法流程为 1)输入a,b,f(t,u),N,u0 2)置h=(b-a)/N,t0=a,n=1 3)计算f n-1=f(t n-1,u n-1) K1=hf n-1 K2=hf(t n-1+h/2, u n-1+K1/2) K3=hf(t n-1+h/2, u n-1+K2/2) K4=hf(t n-1+h, u n-1+K3) u n= u n-1+1/6(K1 +2K2 +2K3 +K4) t n=a+nh 4)输出(t n ,u n) 5)若n<3,置n+1→n,返回3; 否则,置n+1→n,0→p0,0→c0,转6. 6)计算 f3=f(t3,u3) t= t3+h p=u0+4/3(2 f3–f2 +2f1) m=p+112/121(c0-p0) c=1/8(9u3- u1)+3/8h[f(t,m)+ 2 f3–f2] u=c-9/121(c-p)

龙格库塔方法的Miline-Hamming预测-校正算法实验报告知识讲解

龙格库塔方法的 M i l i n e-H a m m i n g预测-校正算法实验报告

2011-2012学年第2学期实验报告 实验名称:微分方程数值解实验学院:****** 专业:************** 班级:********** 班内序号:** 学号:******** 姓名:****** 任课教师:****** 北京邮电大学 时间:****年**月**日

实验目标 用多环节Miline-Hamming 预测-校正算法求下列方程的解 {y‘=y ?2x y ,y (0)=1, 0≤x ≤4 其中解析解为 y (x )=√1+2x 实验原理 计算龙格库塔显示公式计算预测值,然后用隐式公式进行校正。Miline-Hamming 预测-校正公式为 { p n+1=u n?3+4 3 h(2f n ?f n?1+f n?2) m n+1=p n+1+112 121(c n ?p n ) c n+1=18 (9u n ?u n?2)+38h[f (t n+1,m n+1)+2f n ?f n?1] u n+1=c n+1?9(c n+1 ?p n+1) 其对应的算法流程为 1) 输入a ,b ,f(t,u),N ,u 0 2) 置h=(b-a)/N ,t 0=a ,n=1 3) 计算f n-1=f(t n-1,u n-1) K 1=hf n-1 K 2=hf(t n-1+h/2, u n-1+K 1/2) K 3=hf(t n-1+h/2, u n-1+K 2/2) K 4=hf(t n-1+h, u n-1+K 3) u n = u n-1+1/6(K 1 +2K 2 +2K 3 +K 4) t n =a+nh 4) 输出(t n ,u n ) 5) 若n<3,置n+1→n ,返回3; 否则,置n+1→n ,0→p 0,0→c 0,转6. 6) 计算 f 3=f(t 3,u 3) t= t 3+h p=u 0+4/3(2 f 3 –f 2 +2f 1) m=p+112/121(c 0-p 0) c=1/8(9u 3- u 1)+3/8h[f(t,m)+ 2 f 3 –f 2] u=c-9/121(c-p)

计算方法 用欧拉预估-校正法求初值问题

《计算方法》实验指导书 实验1 方程求根 一、实验目的 1.通过对二分法、牛顿法、割线法作编程练习,进一步体会它们各自不同的特点; 2.了解二分法,切线法,割线法。 3.能熟练运用二分法,牛顿法进行方程求根 4.通过上机调试运行,对方程求根的几种方法程序进行改进。 二、实验要求 1.上机前作好充分准备,包括复习编程所需要的语言工具。 2.上机时要遵守实验室的规章制度,爱护实验设备。 3.记录调试过程及结果,记录并比较与手工运算结果的异同。 4.程序调试完后,须由实验辅导教师在机器上检查运行结果。 5.给出本章实验单元的实验报告。 三、实验环境、设备 1.硬件设备:IBM PC以上计算 机,有硬盘和一个软驱、单机 和网络环境均可。 2.软件环境:C语言运行环境。 四、实验原理、方法 二分算法计算步骤: (1)输入有根区间的端点a、b及预 先给定的精度ε; (2)计算中点x=(a+b)/2; (3)若f(x)f(b)<0,则a=x,转向下一 步;否则b=x,转向下一步; (4)若b-a<ε,则输出方程满足精度 要求的根x,结束;否则转向步骤(2)。 迭代法:

牛顿法: 牛顿迭代法是一种逐步线性化方法,即将非线性方程f(x)=0的求根问题归结为计算一系列线性方程的根。 设x k 是方程f(x)=0的一个近似根,将f(x)在x k 处作一阶泰勒展开,即 f(x)≈f(x k )+f′(x k )(x- x k ) 于是得到如下的近似方程 f(x k )+f′(x k )(x- x k )=0 (2.7) 设f′(x k )≠0,则式(2.7)的解为 ) () (' k k k x f x f x x - = 取x 作为原方程的新的近似根x k+1,即令 ) () ('1k k k k x f x f x x - =+ k=0,1,2, … (2.8) 则称式(2.8)为牛顿迭代公式。用牛顿迭代公式(2.8)求方程近似根的方法称为牛顿迭代法,简称牛顿法,又称切线法。 五、实验内容 1. 以方程:x 3 -0.2x 2 -0.2x-1.2=0为例,编写程序求方程的根 图2 牛顿法框图 图 2.3 迭代法框图

Adams预测-校正系统

2012-2013(1)专业课程实践论文 Adams 预测-校正系统 高强强,0818180212,R数学08-2班 王岳,0818180108,R数学08-1班

一、算法理论 显示格式和隐式格式都具有四阶精度,两种格式可匹配成下列Adams 预测-校正系统: Adams 预测 - 校正 预测 ()3-2-1-n 19-3759f -5524 n n n n n f f f h y y ++=+, ()111,+++=n n n y x f f ; 校正 ( ) 2-1-1 15-19924 n n n n n n f f f f h y y +++ =++ ; ()111,+++=n n n y x f f . Adams 内插外插公式联合使用称作 Adams 预测 - 校正系统,用外插公式计算预测,用内插公式进行校正。计算时需要注意以下两点: 1 、外插公式为显式,内插公式为隐式。故用内插公式计算需要进行迭代。 2 、这种预测 - 校正法是四步法,计算1+n y 时,不但用到前一步的信息n x ,n y ,而且要用到更前三步的信息 1-n f ,2-n f ,3-n f ,因此它不是自开始的,实际计算时必须借助于某种单步法,用Runge-Kutta 格式为它提供开始值 1y ,2y ,3y 。 依据局部截断误差公式得 ()() ()n n n x y h y x y 551 1720 251-≈ ++, ()() ()n n n x y h y x y 5511720 19-≈ ++. 进一步将Adams 预测-校正系统加工成下列方案: 预测 ()3-2-1-19-3759-5524n n n n n n f f f f h y p ++=+, 改进 ()n n n n p c p m -720 251 11+=++, 计算 ()111,+++=n n n m x f m , 校正 ()2-1-115-19924n n n n n n f f f m h y c ++'+=++, 改进 ()1111-720 19 -++++=n n n n p c c y , 计算 ()111,+++='n n n y x f y ; 运用上述方案计算1+n y 时,要用到先一步的信息n y ,n y ',n n c p -和更前一步的

模型预测控制快速求解算法

模型预测控制快速求解算法 模型预测控制(Model Predictive Control,MPC)是一种基于在线计算的控制优化算法,能够统一处理带约束的多参数优化控制问题。当被控对象结构和环境相对复杂时,模型预测控制需选择较大的预测时域和控制时域,因此大大增加了在线求解的计算时间,同时降低了控制效果。从现有的算法来看,模型预测控制通常只适用于采样时间较大、动态过程变化较慢的系统中。因此,研究快速模型预测控制算法具有一定的理论意义和应用价值。 虽然MPC方法为适应当今复杂的工业环境已经发展出各种智能预测控制方法,在工业领域中也得到了一定应用,但是算法的理论分析和实际应用之间仍然存在着一定差距,尤其在多输入多输出系统、非线性特性及参数时变的系统和结果不确定的系统中。预测控制方法发展至今,仍然存在一些问题,具体如下: ①模型难以建立。模型是预测控制方法的基础,因此建立的模型越精确,预测控制效果越好。尽管模型辨识技术已经在预测控制方法的建模过程中得以应用,但是仍无法建立非常精确的系统模型。 ②在线计算过程不够优化。预测控制方法的一大特征是在线优化,即根据系统当前状态、性能指标和约束条件进行在线计算得到当前状态的控制律。在在线优化过程中,当前的优化算法主要有线性规划、二次规划和非线性规划等。在线性系统中,预测控制的在线计算过程大多数采用二次规划方法进行求解,但若被控对象的输入输出个数较多或预测时域较大时,该优化方法的在线计算效率也会无法满足系统快速性需求。而在非线性系统中,在线优化过程通常采用序列二次优化算法,但该方法的在线计算成本相对较高且不能完全保证系统稳定,因此也需要不断改进。 ③误差问题。由于系统建模往往不够精确,且被控系统中往往存在各种干扰,预测控制方法的预测值和实际值之间一定会产生误差。虽然建模误差可以通过补偿进行校正,干扰误差可以通过反馈进行校正,但是当系统更复杂时,上述两种校正结合起来也无法将误差控制在一定范围内。 模型预测控制区别于其它算法的最大特征是处理多变量多约束线性系统的能力,但随着被控对象的输入输出个数的增多,预测控制方法为保证控制输出的精确性,往往会选取较大的预测步长和控制步长,但这样会大大增加在线优化过程的计算量,从而需要更多的计算时间。因此,预测控制方法只能适用于采样周

预测控制主要算法

动态矩阵控制 从1974年起,动态矩阵控制(DMC)就作为一种有约束的多变量优化控制算法应用在美国壳牌石油公司的生产装置上。1979年,Cutler等在美国化工年会上首次介绍了这一算法。二十多年来,它已在石油、化工等部门的过程控制中获得了成功的应用。 DMC算法是一种基于对象阶跃响应模型的预测控制算法,它适用于渐近稳定的线性对象。对于弱非线性对象,可在工作点处首先线性化;对于不稳定对象,可先用常规PID控制使其稳定,然后再使用DMC算法。

1. 模型预测 DMC 中的预测模型是用被控对象的单位阶跃响应来描述的。当在系统的输入端加上一控制增量后,在各采样时刻T t =、T 2、…、NT 分别可在系统的输出端测得一系列采样值,它们可用动态系数a 、a 、…、a 来表示,这种用动态系数和输入量来特性,就是被控

N 是阶跃响应的截断点,称为模型长度,N 的选择应使过程响应值已接近其稳态值,一般选N=20~60。因此,对象的阶跃响应就可以用集合{}N a a a ,...,,2 1 来描述。这样,根据线性系统的比例和叠加性质,利用这一模型,在给定的输入控制增量 T M k u k u k u k U )]1(),...,1(),([)(-+D +D D =D 作用下,系统未来时刻的输出预测值: )1()1()()()(?)1()()2()2(?)()1()1(?11012010-+D +++D +D ++=++D +D ++=+D ++=++--M k u a k u a k u a P k y P k y k u a k u a k y k y k u a k y k y M P P P L M 其中,y 0(k+j)是j 时刻无控制增量作用时的模型输出初值,将上式写成矩阵形式为: )()1()1(?0k U A k Y k Y D ++=+ (2-20)

PET几种校正算法

为什么强调计数率 粒子的数目正比于辐射堆积的能量。并作为Z方向上的能量,也就是像素的能量。光子被晶体吸收后,产生的光谱被光电倍增管变为电脉冲。然后进一步放大,在经过脉冲高度分析器,最后以计数的形式记录。 模块式探测器的应用 就是数个光电倍增管对应一系列不完全切割的晶体阵列。问题是:如何区分那块晶体被击中。 采用重心法来识别那块晶体被击中。 灵敏度(应该算是装置的灵敏度) PET灵敏度的定义是: The sensitivity of a PET scanner is defined as the number of counts per unit time detected by the device for each unit of activity present in a source. 仪表中的定义是输出变化量对输入变化量的比值。 对于PET,我想应该是检测到的计数的值的变化和源所发射的粒子个数的变化的比值。 影响灵敏度的因素就是所有影响计数率的因素。 如果探测效率低下的话,那么灵敏度一定低,需要采集的时间加长,才能显示图像(也就是要有足够的图像对比度)。 更多的计数的获得 通过:长时间的采集 注射更多的放射性同位素 改善探测器效率

空间分辨率 The spatial Resolution of a PET scanner is a measure of the ability of the device to faithfully reproduce the image of an object, thus clearly depicting the variations in the distribution of radioactivity in the object. It is empirically defined as the minimum distance between two points in an image that can be detected by a scanner. 能识别的最小单位。 轴向分辨率就是沿着轴的方向上的分辨率,主要与环间的间隔有关系,越密分辨率越高。 径向分辨率就是沿着直径方向上的分辨率,主要与晶体的大小有关系,越小分辨率越高。 平行孔准直器的作用 去除散射。但在双探头(成180度)正电子探测中可以不使用准直器,而采用电子准直(也就是同时符合)。 但在SPECT 探测中,即使是双探头(成180度),也需要加准直器。因为不具备正电子湮灭所产生的现象。 数据的存储方式 在双探头的E.CAM中采用(X,Y)坐标的形式存储。而在环形PET 中以正弦图的形式存储,即(r,θ),在专利中有类似的提到正弦图。因为是一个环,所以以正弦图来存储。 康普顿散射 康普顿散射的重要特征就是光子的运动方向改变,能量减少。 衰变校正方法 自然界中存在的核素大多是稳定的,但是它们的一些同位素却不稳

相关文档
最新文档