Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng cao chất lượng tạo
Luận án TS nghiên cứu phát triển thuật toán nâng cao hiệu suất. Khám phá phương pháp mới, tối ưu hóa tính toán, ứng dụng thực tiễn.
Năm xuất bản
Số trang
178
Thời gian đọc
27 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
50 Point
Tổng quan nhanh
- Chủ đề:
- Phát triển giải thuật tạo ảnh siêu âm cắt lớp hiệu quả
- Số trang:
- 178 trang
- Trường:
- Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội
- Chuyên ngành:
- Kỹ thuật điện tử
- Tác giả:
- Trần Quang Huy
- Năm:
- 2019
Tóm tắt nội dung luận án
I.Phát triển giải thuật tạo ảnh siêu âm cắt lớp hiệu quả
Nghiên cứu phát triển giải thuật mới là trọng tâm. Chất lượng ảnh siêu âm cắt lớp (UST) rất quan trọng trong y học. Ảnh UST rõ nét hỗ trợ chẩn đoán chính xác bệnh lý. Các thuật toán hiện tại còn hạn chế về độ phân giải và khả năng tái tạo chi tiết. Luận án này tập trung vào phát triển thuật toán tiên tiến. Mục tiêu là nâng cao rõ rệt chất lượng hình ảnh. Điều này giúp các bác sĩ nhìn rõ hơn cấu trúc bên trong cơ thể. Các giải pháp sáng tạo trong thiết kế thuật toán được đề xuất. Luận án đặt nền móng cho các ứng dụng thực tiễn. Khoa học máy tính đóng vai trò thiết yếu trong quá trình này.
1.1. Nền tảng và thách thức trong tạo ảnh siêu âm
Tạo ảnh siêu âm cắt lớp đối mặt nhiều thách thức. Chất lượng ảnh bị ảnh hưởng bởi nhiễu và tán xạ. Độ phân giải thường không đủ cao để phát hiện các tổn thương nhỏ. Các thuật toán truyền thống gặp khó khăn trong môi trường phức tạp. Cần phát triển thuật toán mới để vượt qua giới hạn này. Việc tái tạo ảnh từ dữ liệu tán xạ là bài toán khó. Nâng cao hiệu suất thuật toán là yêu cầu cấp thiết.
1.2. Phương pháp tiếp cận mới trong thiết kế thuật toán
Luận án đề xuất các phương pháp tiếp cận đột phá. Thiết kế thuật toán được thực hiện dựa trên nguyên lý vật lý và toán học. Giải thuật lặp, nội suy và kết hợp tần số là những hướng đi chính. Mục tiêu là cải thiện khả năng thu thập và xử lý tín hiệu. Tối ưu hóa thuật toán để giảm thiểu sai số là trọng tâm. Các mô hình toán học phức tạp được áp dụng. Điều này giúp tạo ra ảnh có độ chính xác cao hơn.
1.3. Khám phá các thuật toán tiên tiến cho siêu âm
Luận án khám phá sâu rộng các thuật toán tiên tiến. Giải thuật Born méo mó lặp (DBIM) là một ví dụ. Kỹ thuật nội suy được tích hợp để tăng kích thước và độ phân giải ảnh. Phương pháp kết hợp đa tần số cũng được nghiên cứu. Các thuật toán này được phát triển để xử lý dữ liệu phức tạp. Mục tiêu là đạt được chất lượng ảnh vượt trội. Điều này mở ra tiềm năng lớn cho siêu âm chẩn đoán.
II.Cải tiến thuật toán nâng cao chất lượng hình ảnh siêu âm
Việc cải tiến thuật toán là then chốt. Luận án tập trung vào nâng cao chất lượng ảnh siêu âm. Các thuật toán mới giúp hình ảnh rõ ràng hơn, giảm nhiễu. Điều này đặc biệt quan trọng trong chẩn đoán sớm. Tối ưu hóa thuật toán là quá trình liên tục. Nó đảm bảo các giải pháp đạt hiệu quả cao nhất. Việc cải tiến thuật toán trực tiếp ảnh hưởng đến độ tin cậy của kết quả. Độ phân giải được tăng cường, chi tiết ảnh được bảo toàn. Các thử nghiệm chứng minh sự vượt trội của các thuật toán được đề xuất.
2.1. Tối ưu hóa thuật toán loại bỏ nhiễu và tăng độ phân giải
Nhiễu là yếu tố gây giảm chất lượng ảnh. Luận án đề xuất các kỹ thuật tối ưu hóa thuật toán để loại bỏ nhiễu. Các giải thuật lọc và làm mịn được tích hợp. Độ phân giải ảnh được tăng cường thông qua nội suy và tái cấu trúc. Mục tiêu là thu được hình ảnh sắc nét. Các chi tiết nhỏ được hiển thị rõ ràng hơn. Điều này hỗ trợ phát hiện các cấu trúc bệnh lý tinh vi.
2.2. Đánh giá cải tiến thuật toán qua các chỉ số chất lượng
Chất lượng ảnh được đánh giá khách quan. Các chỉ số như sai số thặng dư tương đối (RRE) được sử dụng. Tỷ số tín hiệu trên nhiễu (SNR) cũng là một tiêu chí quan trọng. Luận án so sánh hiệu suất thuật toán mới với các phương pháp truyền thống. Các biểu đồ và dữ liệu chứng minh sự cải tiến rõ rệt. Việc đánh giá kỹ lưỡng xác nhận tính hiệu quả của các giải thuật.
2.3. Ứng dụng thuật toán mới trong thực tiễn chẩn đoán
Các thuật toán được phát triển có tiềm năng ứng dụng lớn. Chúng cải thiện khả năng chẩn đoán trong y tế. Hình ảnh chất lượng cao giúp bác sĩ đưa ra quyết định chính xác. Đặc biệt trong các lĩnh vực như phát hiện ung thư. Ứng dụng thuật toán này có thể giảm sai sót. Nó góp phần nâng cao hiệu quả điều trị. Công trình này là bước tiến trong khoa học máy tính y tế.
III.Đánh giá hiệu suất thuật toán trong chẩn đoán siêu âm
Đánh giá hiệu suất thuật toán là bước không thể thiếu. Nó xác định mức độ thành công của các giải pháp. Hiệu suất thuật toán được đo lường qua nhiều tiêu chí. Độ chính xác, tốc độ xử lý và độ phức tạp thuật toán đều quan trọng. Các thử nghiệm trên dữ liệu thực tế cung cấp cái nhìn chân thực. So sánh với các phương pháp hiện có là cần thiết. Điều này chứng minh giá trị khoa học và ứng dụng. Tối ưu hóa thuật toán không chỉ về chất lượng mà còn về tốc độ.
3.1. Phân tích độ phức tạp thuật toán và thời gian xử lý
Độ phức tạp thuật toán được phân tích chi tiết. Thời gian xử lý là yếu tố quan trọng trong ứng dụng thực tế. Luận án đánh giá khả năng tính toán của các giải thuật mới. Mục tiêu là phát triển thuật toán vừa hiệu quả vừa nhanh chóng. Cải thiện thuật toán để giảm gánh nặng tính toán. Điều này đảm bảo hệ thống có thể hoạt động ổn định. Phân tích này là cơ sở cho việc tối ưu hóa thuật toán hơn nữa.
3.2. So sánh hiệu suất thuật toán với các phương pháp hiện hành
Hiệu suất thuật toán mới được so sánh khách quan. Các phương pháp như DBIM truyền thống là điểm tham chiếu. So sánh dựa trên các chỉ số định lượng và định tính. Kết quả cho thấy sự vượt trội của các thuật toán đề xuất. Đặc biệt về độ phân giải và khả năng khôi phục chi tiết. Khoa học máy tính đòi hỏi sự kiểm chứng nghiêm ngặt. Việc này khẳng định tính ưu việt của công trình.
3.3. Thử nghiệm thuật toán trên dữ liệu ảnh siêu âm thực tế
Các thuật toán được thử nghiệm trên dữ liệu thực tế. Điều này đảm bảo tính khả thi trong môi trường lâm sàng. Ảnh chụp siêu âm từ các trường hợp bệnh lý được sử dụng. Kết quả thử nghiệm chứng minh hiệu quả của giải thuật. Ảnh khôi phục có chất lượng cao, rõ ràng. Việc này tạo niềm tin vào tiềm năng ứng dụng. Đây là bước quan trọng để đưa nghiên cứu vào thực tiễn.
IV.Thiết kế giải thuật tối ưu hóa tái tạo ảnh y tế mới
Thiết kế giải thuật đóng vai trò trung tâm. Nó định hình khả năng tái tạo ảnh siêu âm. Luận án tập trung vào việc tạo ra các giải pháp tối ưu. Mục tiêu là đạt được chất lượng ảnh y tế vượt trội. Các thuật toán mới được phát triển dựa trên những nguyên lý khoa học tiên tiến. Tối ưu hóa thuật toán là quá trình liên tục để đạt hiệu quả cao nhất. Điều này đảm bảo độ chính xác trong chẩn đoán. Công trình này là một đóng góp quan trọng cho lĩnh vực thiết kế thuật toán.
4.1. Nguyên lý thiết kế thuật toán cho siêu âm cắt lớp
Nguyên lý thiết kế thuật toán được trình bày rõ ràng. Việc này dựa trên mô hình truyền sóng và tán xạ. Các phương pháp lặp như DBIM được nghiên cứu sâu. Thiết kế thuật toán tập trung vào việc giải quyết bài toán ngược. Các giả định và ràng buộc được xem xét cẩn thận. Mục tiêu là xây dựng nền tảng vững chắc. Điều này giúp phát triển thuật toán có khả năng tái tạo ảnh chính xác.
4.2. Giải pháp tối ưu hóa thuật toán để đạt ảnh chất lượng cao
Luận án đề xuất nhiều giải pháp tối ưu hóa thuật toán. Kỹ thuật nội suy được tích hợp vào quá trình lặp. Việc này giúp cải thiện độ phân giải mà không tăng đáng kể độ phức tạp thuật toán. Sử dụng đa tần số cũng là một chiến lược quan trọng. Tối ưu hóa thuật toán còn bao gồm việc điều chỉnh các tham số. Mục tiêu chung là đạt được ảnh siêu âm với chất lượng tốt nhất.
4.3. Đổi mới trong thuật toán xử lý tín hiệu siêu âm
Đổi mới trong thuật toán xử lý tín hiệu là trọng tâm. Các phương pháp kết hợp tín hiệu từ nhiều nguồn. Cấu hình đo khác nhau (đều, ngẫu nhiên) được nghiên cứu. Điều này nhằm tối ưu hóa việc thu thập dữ liệu. Phát triển thuật toán xử lý để giảm nhiễu và tăng cường chi tiết. Các giải pháp này đóng góp vào sự tiến bộ của khoa học máy tính. Chúng mở ra hướng đi mới cho công nghệ siêu âm.
V.Ứng dụng thuật toán AI và học máy trong tạo ảnh y tế
Lĩnh vực trí tuệ nhân tạo (AI) và học máy (ML) đang phát triển mạnh mẽ. Chúng mang lại tiềm năng lớn cho y học. Đặc biệt là trong việc phát triển thuật toán cho tạo ảnh y tế. Các giải thuật học sâu có thể học hỏi từ dữ liệu khổng lồ. Điều này giúp cải thiện đáng kể khả năng tái tạo và phân tích ảnh. Ứng dụng thuật toán AI có thể tự động hóa nhiều quy trình. Nó cũng nâng cao độ chính xác của chẩn đoán. Khoa học máy tính đang định hình lại tương lai y tế.
5.1. Vai trò của trí tuệ nhân tạo trong phát triển thuật toán
Trí tuệ nhân tạo đóng vai trò quan trọng. AI có thể tối ưu hóa thuật toán hiện có. Nó cũng giúp phát triển các giải thuật hoàn toàn mới. Các mô hình AI có khả năng nhận diện mẫu phức tạp. Điều này vượt xa các phương pháp truyền thống. Việc này đặc biệt hữu ích trong xử lý nhiễu. AI nâng cao hiệu suất thuật toán. Nó đẩy mạnh khả năng phân tích dữ liệu ảnh y tế.
5.2. Học máy cải thiện khả năng tái tạo ảnh siêu âm
Học máy cung cấp công cụ mạnh mẽ. Các thuật toán học máy có thể học từ các cặp ảnh đầu vào-đầu ra. Điều này giúp cải thiện quá trình tái tạo ảnh. Đặc biệt là trong việc khôi phục các chi tiết bị mất. Học máy có thể dự đoán và sửa lỗi trong ảnh. Việc này dẫn đến chất lượng ảnh siêu âm tốt hơn. Nó giảm bớt sự phụ thuộc vào các mô hình vật lý cứng nhắc. Học máy tăng cường khả năng của các thuật toán hiện có.
5.3. Tiềm năng của các thuật toán thông minh trong y học
Các thuật toán thông minh có tiềm năng cách mạng hóa y học. Chúng có thể hỗ trợ chẩn đoán sớm và chính xác. Đặc biệt là trong các bệnh lý khó phát hiện. Tối ưu hóa thuật toán bằng AI có thể giảm thời gian xử lý. Điều này đồng thời nâng cao độ tin cậy. Phát triển thuật toán dựa trên AI là hướng đi tương lai. Nó mở ra nhiều cơ hội cho nghiên cứu và ứng dụng. Trí tuệ nhân tạo hứa hẹn thay đổi cách thức chăm sóc sức khỏe.
VI.Độ phức tạp thuật toán Khám phá các giải pháp mới
Độ phức tạp thuật toán là một yếu tố then chốt. Nó ảnh hưởng trực tiếp đến tính khả thi của các ứng dụng. Các thuật toán tiên tiến thường có độ phức tạp cao. Điều này đòi hỏi tài nguyên tính toán lớn. Luận án tìm kiếm các giải pháp để giảm độ phức tạp thuật toán. Mục tiêu là duy trì hiệu quả mà vẫn tối ưu hóa tài nguyên. Phát triển thuật toán hiệu quả là cần thiết cho ứng dụng thực tế. Việc này đảm bảo hệ thống có thể hoạt động mượt mà. Khoa học máy tính luôn tìm cách cân bằng giữa hiệu suất và tài nguyên.
6.1. Giảm độ phức tạp thuật toán mà vẫn giữ hiệu quả
Việc giảm độ phức tạp thuật toán là một thách thức. Luận án đề xuất các phương pháp tối ưu hóa. Các kỹ thuật như rút gọn mô hình hoặc tối ưu hóa vòng lặp được áp dụng. Mục tiêu là giảm thời gian tính toán. Đồng thời vẫn giữ được chất lượng ảnh. Điều này giúp các thuật toán có thể triển khai trên phần cứng hạn chế. Giảm độ phức tạp cũng tăng tốc độ xử lý. Đây là một bước tiến quan trọng trong phát triển thuật toán.
6.2. Thiết kế thuật toán song song và phân tán
Thiết kế thuật toán song song là một giải pháp hiệu quả. Nó tận dụng sức mạnh của các bộ xử lý đa nhân. Các tác vụ tính toán được chia nhỏ và xử lý đồng thời. Điều này giúp giảm đáng kể thời gian xử lý tổng thể. Thuật toán phân tán cũng được xem xét cho dữ liệu lớn. Các phương pháp này nâng cao hiệu suất thuật toán. Chúng phù hợp với các hệ thống phức tạp và dữ liệu y tế khổng lồ.
6.3. Tối ưu hóa thuật toán để xử lý dữ liệu lớn
Dữ liệu ảnh siêu âm ngày càng lớn. Việc tối ưu hóa thuật toán để xử lý dữ liệu lớn là cần thiết. Các cấu trúc dữ liệu hiệu quả được sử dụng. Các thuật toán được thiết kế để tiêu thụ ít bộ nhớ. Việc này đảm bảo khả năng mở rộng của hệ thống. Tối ưu hóa thuật toán giúp xử lý nhanh chóng các tập dữ liệu khổng lồ. Điều này hỗ trợ nghiên cứu và ứng dụng trong khoa học máy tính y tế.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (178 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ Trần Quang Huy NGHIÊN CỨU PHÁT TRIỂN MỘT SỐ GIẢI THUẬT NÂNG CAO CHẤT LƢỢNG TẠO ẢNH SIÊU ÂM CẮT LỚP Chuyên ngành: Kỹ thuật điện tử Mã số: 62520203 LUẬN ÁN TIẾN SĨ CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG HÀ NỘI - 2019 1 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ Trần Quang Huy NGHIÊN CỨU PHÁT TRIỂN MỘT SỐ GIẢI THUẬT NÂNG CAO CHẤT LƢỢNG TẠO ẢNH SIÊU ÂM CẮT LỚP Chuyên ngành: Kỹ thuật điện tử Mã số: 62520203 Ngƣời hƣớng dẫn: PGS. Trần Đức Tân LUẬN ÁN TIẾN SĨ CÔNG NGHỆ KỸ THUẬT ĐIỆN TỬ, TRUYỀN THÔNG HÀ NỘI - 2019 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LỜI CAM ĐOAN Tôi xin cam đoan các kết quả đƣợc trình bày trong luận án là công trình nghiên cứu của tôi dƣới sự hƣớng dẫn của cán bộ hƣớng dẫn PGS. Trần Đức Tân. Các số liệu, kết quả trong luận án là hoàn toàn trung thực và chƣa đƣợc công bố trong bất kỳ công trình nào trƣớc đây.
Các kết quả đƣợc sử dụng để tham khảo đều đã đƣợc trích dẫn đầy đủ và theo đúng quy định. Hà Nội, ngày 30 tháng 3 năm 2019 Tác giả Trần Quang Huy LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com LỜI CẢM ƠN Trong quá trình học tập và nghiên cứu tại Bộ môn Vi cơ điện tử và Vi hệ thống, Khoa Điện tử Viễn Thông, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội, tôi đã hoàn thành bản luận án này. Trƣớc hết, tôi xin gửi lời cảm ơn sâu sắc tới PGS. Trần Đức Tân, ngƣời thầy đã luôn tận tình hƣớng dẫn, giúp đỡ, tạo mọi điều kiện tốt nhất cho tôi trong suốt thời gian tôi học tập và làm luận án.
Tôi cũng xin đƣợc cảm ơn các thầy, cô, anh, chị, các bạn trong Khoa Điện tử Viễn thông đã tạo điều kiện giúp đỡ, chỉ bảo và cho tôi những lời khuyên vô cùng quý báu. Tôi xin chân thành cảm ơn cơ sở đào tạo là Phòng Đào tạo, Khoa Điện tử Viễn thông, Trƣờng Đại học Công nghệ, Đại học Quốc gia Hà Nội đã tạo điều kiện thuận lợi để tôi có thể hoàn thiện chƣơng trình đào tạo. Tôi cũng xin cảm ơn đơn vị chủ quản là Trƣờng Đại học Sƣ phạm Hà Nội 2 đã tạo điều kiện cho phép tôi đƣợc tham gia học tập và nghiên cứu trong những năm làm nghiên cứu sinh. Cuối cùng, tôi xin bày tỏ lòng cảm ơn đến gia đình, anh em, bạn bè, đồng nghiệp đã động viên và cổ vũ tôi trong suốt thời gian nghiên cứu.
Tôi xin trân trọng cảm ơn! Nghiên cứu sinh Trần Quang Huy LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com DANH MỤC TỪ VIẾT TẮT Từ viết tắt Nghĩa Tiếng Anh Nghĩa Tiếng Việt CT Computed Tomography Chụp cắt lớp điện toán US Ultrasound Siêu âm UST Ultrasound Tomography Siêu âm cắt lớp MRI Magnetic Resonance Imaging Chụp ảnh cộng hƣởng từ Chụp cắt lớp bằng bức xạ PET Positron Emission Tomograpgy positron Single Photon Emission Chụp cắt lớp điện toán bằng SPECT Computed Tomography bức xạ đơn photon Phƣơng pháp lặp vi phân DBIM Distorted Born Iterative Method Born CS Compressed Sensing Lấy mẫu nén DCS Deterministic CS Lấy mẫu nén giả ngẫu nhiên DF Dual Frequency Hai tần số MF Multiple Frequency Đa tần số Computerized Ultrasound Risk Đánh giá nguy hiểm sử dụng CURE Evaluation siêu âm điện toán High-resolution Ultrasonic Siêu âm cắt lớp độ phân giải HUTT Transmission Tomography cao MoM Method of Moment Phƣơng pháp moment Bài toán bình phƣơng tối LSP Least Square Problem thiểu RRE Relative Residual Error Sai số thặng dƣ tƣơng đối RoI Region of Interest Vùng quan tâm LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com DANH MỤC HÌNH VẼ Hình 1. Ảnh chụp u lành khi siêu âm ngực Hình 1. Minh họa cấu hình hệ đo sử dụng hiệu ứng tán xạ. Việc bố trí máy phát/thu sẽ cho dữ liệu gián tiếp về đối tƣợng, áp dụng kỹ thuật tái tạo sẽ thu đƣợc là ảnh thể hiện phân bố tốc độ truyền sóng, từ đó nhận diện đƣợc đối tƣợng Hình 1.
Mặt cắt dọc hàm mục tiêu lý tƣởng (đƣờng nét liền) và hàm khôi phục (đƣờng nét đứt) sử dụng phƣơng pháp xấp xỉ Born bậc 1. Hàm mục tiêu lý tƣởng là hình trụ tròn có bán kính 5λ và các giá trị là (a) 0. Đồ thị so sánh lỗi chuẩn hóa của phƣơng pháp kết hợp BIM- Interpolation-DBIM và phƣơng pháp DBIM truyền thống Hình 1. Mặt cắt dọc hàm mục tiêu lý tƣởng (hình trụ tròn có bán kính 2λ, , đƣờng nét liền) và hàm khôi phục (đƣờng nét đứt) khi giá trị mật độ thay đổi.
Cột 1: , Cột 2: , Cột 3: , Cột 4: Hình 1. Cấu hình đo đều: Các máy phát (hình sao) và máy thu (hình chữ nhật) bố trí cách đều nhau trên hệ đo Hình 1. Cấu hình đo ngẫu nhiên: Các máy phát (hình sao) bố trí cách đều nhau trên hệ đo và các máy thu (hình chữ nhật) bố trí ngẫu nhiên trên hệ đo Hình 1. Kết quả khôi phục sử dụng phƣơng pháp DBIM: (a) ảnh khôi phục kích thƣớc 6×6 sau 1 vòng lặp; ảnh khôi phục kích thƣớc 12×12 sau 1 vòng lặp sử dụng kỹ thuật nội suy từ kết quả ở (a); (c) ảnh khôi phục kích thƣớc 12×12 sau 1 vòng lặp không sử dụng kỹ thuật nội suy; (d) và (e) lần lƣợt là ảnh khôi phục kích thƣớc 12×12 sau 4 vòng lặp không sử dụng và có sử dụng kỹ thuật nội suy Hình 1.
Kết quả khôi phục sử dụng kỹ thuật kết hợp tần số: (a) Hàm mục tiêu lý tƣởng, (b) Ảnh khôi phục sử dụng tần số 2 MHz, (c) Ảnh khôi phục sử dụng tần số 1 MHz, (d) Ảnh khôi phục sử dụng kỹ thuật kết hợp tần số LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Lỗi chuẩn hóa của phƣơng pháp BIM với phép đo đều (uniform) và BIM kết hợp với kỹ thuật lấy mẫu nén (CS) Hình 1. Ảnh khôi phục vú sử dụng kỹ thuật siêu âm cắt lớp Hình 2. Cấu hình đo hệ thống tạo ảnh siêu âm cắt lớp Hình 2.
Mô hình phƣơng pháp lặp vi phân Born (DBIM) Hình 2. Cấu hình hệ đo Hình 2. So sánh dữ liệu mô phỏng và thực nghiệm Hình 2. So sánh dữ liệu mô phỏng và thực nghiệm, sử dụng bộ lọc trung bình Hình 3.
Hàm mục tiêu lý tƣởng (N = 22) Hình 3. Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 1 Hình 3. Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 2 Hình 3. Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 3 Hình 3.
Lỗi chuẩn hóa của giải thuật DF-DBIM qua các vòng lặp tƣơng ứng với các giá trị khác nhau trong kịch bản 4 Hình 3. Kết quả khôi phục của các giải pháp khác nhau ở các vòng lặp từ 1 đến 4 Hình 3. Kết quả khôi phục của các giải pháp khác nhau ở các vòng lặp từ 5 đến 8 Hình 3. Mặt cắt dọc hàm lý tƣởng và hàm khôi phục DF–DBIM và DBIM sau vòng lặp (Kịch bản 3) Hình 3.
So sánh lỗi của DF – DBIM và DBIM sau vòng lặp (Kịch bản 3) Hình 3. So sánh lỗi của DF – DBIM và DBIM sau vòng lặp (Kịch bản 4) Hình 3. Mặt cắt dọc hàm lý tƣởng và hàm khôi phục DF–DBIM và DBIM sau vòng lặp (Kịch bản 4) Hình 3. Sơ đồ đề xuất quy trình giải thuật DF-DBIM LUAN VAN CHAT LUONG download : add luanvanchat@agmail.
Quy trình thực thi của phƣơng pháp truyền thống Hình 4. Quy trình thực thi của phƣơng pháp đề xuất Hình 4. Hàm mục tiêu lý tƣởng (N = 21) Hình 4. Cấu hình đo truyền thống: Vị trí các máy phát và máy thu đƣợc bố trí cách đều nhau (Nt = Nr = 20, = 0.
Biểu đồ vị trí các máy thu bố trí cách đều nhau xung quanh vòng tròn (Nr = 20) Hình 4. Cấu hình đo đề xuất: Vị trí các máy phát đƣợc bố trí cách đều nhau và máy thu đƣợc bố trí kiểu DCS (Nt = Nr = 16, = 0. Biểu đồ vị trí các máy thu bố trí kiểu DCS xung quanh vòng tròn (Nr = 16) Hình 4. So sánh hiệu suất khôi phục thành công của phƣơng pháp truyền thống và phƣơng pháp đề xuất Hình 4.
So sánh lỗi chuẩn hóa của phƣơng pháp truyền thống (484 phép đo) và phƣơng pháp đề xuất (256 phép đo) Hình 4. So sánh lỗi chuẩn hóa của phƣơng pháp truyền thống (900 phép đo) và phƣơng pháp đề xuất (400 phép đo) Hình 4. So sánh lỗi chuẩn hóa của phƣơng pháp CS-DBIM và DCS-DBIM với các tỷ số nén khác nhau Hình 4. Kết quả khôi phục của phƣơng pháp DBIM và DCS-DBIM ở các vòng lặp từ 1 đến 4 trong trƣờng hợp Nt = Nr = 16, r = 0.
Kết quả khôi phục của phƣơng pháp DBIM và DCS-DBIM ở các vòng lặp từ 5 đến 8 trong trƣờng hợp Nt = Nr = 16, r = 0. Biểu đồ quy trình tạo ảnh của phƣơng pháp DCS-DBIM đề xuất LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com DANH MỤC BẢNG Bảng 2. Tốc độ sóng âm trong các cơ quan khác nhau Bảng 3. Tham số mô phỏng của các kịch bản Bảng 3.
Mối liên hệ giữa số phép đo và số biến trong các kịch bản Bảng 3. Lỗi ở các kịch bản tƣơng ứng với mỗi giá trị sau tổng số 8 vòng lặp Bảng 4. Lỗi chuẩn hóa và thời gian tạo ảnh của phƣơng pháp DBIM và DCS- DBIM thông qua các vòng lặp với Nt và Nr khác nhau Bảng 4. Thời gian tạo ảnh của phƣơng pháp DBIM và DCS-DBIM sau 8 vòng lặp với số phép đo khác nhau Bảng 4.
Lỗi chuẩn hóa của phƣơng pháp DBIM và DCS-DBIM sau 8 vòng lặp với số phép đo khác nhau LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com DANH MỤC GIẢI THUẬT Giải thuật 2. Phƣơng pháp lặp vi phân Born – DBIM Giải thuật 3. Phƣơng pháp DF-DBIM đề xuất Giải thuật 3. Khảo sát sự phụ thuộc hiệu suất khôi phục vào Giải thuật 4.
Phƣơng pháp DBIM kết hợp kỹ thuật lấy mẫu nén giả ngẫu nhiên (DCS-DBIM) LUAN VAN CHAT LUONG download : add luanvanchat@agmail.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Trần Quang Huy (2019). Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng [Luận án tiến sĩ, Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/625202
Câu hỏi thường gặp
Luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" nghiên cứu về vấn đề gì?
Luận án TS nghiên cứu phát triển thuật toán nâng cao hiệu suất. Khám phá phương pháp mới, tối ưu hóa tính toán, ứng dụng thực tiễn.
Luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội. Năm bảo vệ: 2019.
Luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" thuộc chuyên ngành gì?
Luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" thuộc chuyên ngành Kỹ thuật điện tử. Danh mục: Công Nghệ Thông Tin.
Luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" có bao nhiêu trang?
Luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" có 178 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Luận án tiến sĩ nghiên cứu phát triển một số giải thuật nâng" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.