非线性自适应迭代重建算法用于相干层析抗噪仿真

为进一步完善非线性自适应迭代重建算法(NAIRT)并将其可靠地应用于实际流场层析诊断,仿真研究了NAIRT的抗噪性能。采用仿真技术,模拟含跳变的复杂空气流场,相干投影,获得Radon变换投影数据。采用RandG函数模拟产生Gauss随机噪声,噪声的相对强度通过信噪比(SNR)标征,设置强度不同的SNR,获得相应的随机噪声。随机噪声与投影数据线性叠加,获得含噪投影。采用NAIRT逆投影重建,重建结果与无噪重建结果比较,并用均方差(MSE)对重建结果定量分析。结果发现,在60dB SNR噪声情况下,NAIRT能够比较精确重建仿真流场,MSE降到1.82×10-5;10dB SNR时,NAIRT仍能重建出仿真场的轮廓,MSE稳定在4.91×10-4;100dB SNR时,NAIRT能够十分精确地重建仿真流场,MSE衰减到1.26×10-6,逼近无噪重建效果。重建图像和误差分析都表明,NAIRT具有十分优越的抗噪性能。

应用非线性自适应迭代重建算法层析热流场

为了提高光学计算层析技术(OCT)对热流场的诊断能力,采用非线性自适应迭代重建算法(NAIRT)重建热流场的截面温度分布。应用准直激光束扫描待测热流场,应用双光栅衍射获得莫尔条纹。为了获得层析投影数据,对莫尔条纹进行了包括傅立叶变换、数字滤波、逆傅立叶变换、相位分析和截面提取,最终获得扫描光线偏折角信息,即层析投影。应用NAIRT对偏折角迭代重建热流场的折射率分布,应用G_D变换进一步转换为温度分布,从而获得热流场的截面温度层析信息。结果表明,NAIRT不仅能精确重建实验热流场的截面温度分布,还可以层析热流场的任意截面。所以,NAIRT能够有效诊断热流场。