● 摘要
在工业无损检测及生物医学工程领域中，超声检测占有非常重要的地位，超声检测主要是利用超声换能器发射声脉冲，照到待测目标，接收待测目标的超声反射回波，以完成对待测目标的探测，获得待测目标的位置、物理特性等相关信息。如果想从待测目标的超声反射回波中获取有实用价值的信息，就必须对目标回波进行正确的认识和分析，而这就离不开对待测目标超声回波的参数向量进行精确的估计。利用模型化的方法来估计超声回波的参数，是一种有效的方法。
本文将超声回波模拟为被高斯白噪声污染后的高斯信号，每一个高斯信号都是回波的带宽因子、到达时间、中心频率、相位以及幅度等参数的非线性函数，即高斯回波模型和非对称的高斯调制模型。利用非线性模型，采用最优化参数估计方法，可以获得超声回波参数的精确估计。
本文的研究工作如下：
1. 将超声回波模拟为被高斯白噪声污染后的高斯信号，用单个高斯信号模拟单层超声回波，用多个高斯信号叠加模拟多重超声回波，给出超声回波的两种非线性模型——高斯回波模型和非对称高斯调制模型；
2. 应用高斯—牛顿算法和蚁群算法两种算法估计单层超声回波的参数值，并应用高斯回波模型和非对称高斯调制模型两种非线性模型模拟了单层超声回波；
3. 研究了蚁群算法中有关参数对超声回波参数估计性能的影响。蚁群算法本身参数对算法性能有很大影响，但目前又无统一的、明确的设定规则。故在不同的应用中，需根据算法性能进行参数优化。本文根据蚁群算法在超声回波估计中的稳定性、耗机时以及估计误差这三个因素，来优化蚁群算法中的参数，获得用于超声回波参数估计的蚁群算法的最佳的估计性能；
4. 针对EM算法在进行多重超声回波参数估计时，存在估计结果强烈依赖于初始值的选取的缺陷，提出将蚁群算法和EM算法进行混合优化，提高多重超声回波参数估计的精度；
5. 通过水池实验获得实际的超声回波，应用参数估计算法对超声回波的参数进行估计，对比超声回波的实际参数值和估计值，来验证本文算法在超声回波参数估计中应用的有效性。
本论文的研究结果对超声无损检测技术在工业和生物医学工程领域的应用具有一定的意义。