本文關(guān)鍵詞：測定混濁介質(zhì)參數(shù)用MC仿真與逆運算加速算法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：光與材料的相互作用主要可分為吸收與散射兩類。自然界中的許多材料為混濁介質(zhì)即其與光的相互作用中散射遠(yuǎn)大于吸收，如陶瓷，牛奶，細(xì)胞懸浮液體，人體組織等。許多領(lǐng)域中均需要測量樣品介質(zhì)的光學(xué)參數(shù)，因此對光與混濁介質(zhì)間的相互作用研究是研發(fā)新型相關(guān)測量技術(shù)以及許多新型儀器的基礎(chǔ)，近數(shù)十年來受到極大重視。 用于測定均勻混濁介質(zhì)樣品多個光學(xué)參數(shù)的Monte Carlo仿真加速算法的研究分為以下幾個部分： 1、已有的基于積分球設(shè)計的多參數(shù)光譜測量結(jié)構(gòu)較為復(fù)雜，而基于散射信號空間分布設(shè)計的新型多參數(shù)光譜測量結(jié)構(gòu)簡單，易于實現(xiàn)，但需要可以準(zhǔn)確快速計算不同空間位置和角度范圍的傳感器所接收到的混濁介質(zhì)光信號的仿真模型。本論文研究的散射光空間分布信號由漫反射率和漫透射率兩個信號代表，其對應(yīng)的空間角分布范圍與積分球測量相比一般要小3個數(shù)量級。因此如何以迭代方式快速準(zhǔn)確與反復(fù)計算在空間角分布范圍很小時測得的光信號，從而高效率地求解逆問題既具有很強的理論挑戰(zhàn)性，也極具應(yīng)用性。 2、盡管Monte Carlo統(tǒng)計仿真模型具有算法簡單，可求解各種邊界值問題以及易于編程的突出優(yōu)點，運算速率是限制其應(yīng)用和準(zhǔn)確度的主要因素，已有的Monte Carlo混濁介質(zhì)仿真用算法在模擬很小空間角范圍內(nèi)測量光信號時的光子收集率極低，導(dǎo)致模擬運算時間冗長，所以提高M(jìn)onte Carlo算法是本論文研究的所需要解決的第一個問題，為此我們采用了以GPU(Graphic Processing Unit)并行計算方法為基礎(chǔ)的Monte Carlo加速算法。 3、為進(jìn)一步提高逆運算速度，本論文研究在吸取了White Monte Carlo、Forced Detection Monte Carlo、Perturbation Monte Carlo等快速算法的基礎(chǔ)之上提出了一種新的微擾算法，可根據(jù)測量信號對輻射傳輸理論所定義的全部3個光學(xué)參數(shù)通過微擾迭代的方式求解，從而形成了在輻射傳輸理論框架下的iMC逆運算加速解決方案。與現(xiàn)有方法相比，iMC逆運算加速方法可提高光學(xué)信號計算與多參數(shù)求解速度300倍以上。 本文最后總結(jié)了iMC逆運算加速算法，并與已有的經(jīng)典Monte Carlo算法運算速度做了比較，根據(jù)實驗測量獲得了intralipid樣品光學(xué)參數(shù)，完成了iMC逆運算加速算法的驗證并提出未來的研究方向。
【關(guān)鍵詞】：MonteCarlo算法 空間角模型GPU iMonteCarlo 快速算法
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：O436.2;R318.51
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-14
• 1.1 生物組織光學(xué)的研究背景9-10
• 1.2 混濁介質(zhì)光學(xué)的研究現(xiàn)狀10-12
• 1.3 本論文的主要任務(wù)12-14
• 第二章 理論框架14-23
• 2.1 混濁介質(zhì)光學(xué)參數(shù)14-15
• 2.2 輻射傳輸理論15-16
• 2.3 混濁介質(zhì)中的 Monte Carlo 模擬16-21
• 2.3.1 光子在介質(zhì)中的傳輸過程17-20
• 2.3.2 Monte Carlo 模擬的校驗20-21
• 2.4 本章小結(jié)21-23
• 第三章 基于散射信號空間分布光譜測量模型23-37
• 3.1 積分球光譜測量結(jié)構(gòu)23-26
• 3.2 新型散射信號空間分布光譜測量結(jié)構(gòu)26-30
• 3.3 逆運算混濁介質(zhì)光學(xué)參數(shù)的原理30-35
• 3.3.1 模擬介質(zhì)的折射率30-32
• 3.3.2 模擬介質(zhì)的衰減系數(shù)32-34
• 3.3.3 逆運算混濁介質(zhì)光學(xué)參數(shù)34-35
• 3.5 本章小結(jié)35-37
• 第四章 Monte Carlo 加速算法37-56
• 4.1 GPU 并行計算加速解決方案37-43
• 4.1.1 GPU 簡介37-39
• 4.1.2 GPU 并行計算理論39-41
• 4.1.3 GPU 并行計算加速算法模擬數(shù)據(jù)41-43
• 4.2 算法加速解決方案43-47
• 4.2.1 幾種常用的快速算法解決方案43-44
• 4.2.2 算法加速解決方案44-46
• 4.2.3 算法加速解決方案模擬數(shù)據(jù)46-47
• 4.3 iMC 逆運算加速算法47-50
• 4.4 iMC 加速算法仿真混濁介質(zhì)光學(xué)參數(shù)50-54
• 4.5 本章小結(jié)54-56
• 第五章 總結(jié)與展望56-59
• 5.1 工作總結(jié)56-57
• 5.2 存在問題57
• 5.3 展望57-59
• 參考文獻(xiàn)59-63
• 發(fā)表論文和參加科研情況說明63-64
• 致謝64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 幸

本文編號：329389