公开(公告)号：CN110851788B

公开(公告)日：2023-04-07

申请号：CN201911079852.3

申请日：2019-11-07

Applicant: 北京工业大学

Inventor： 周著黄 ,  高安娜 ,  欧阳亚丽 ,  吴水才 ,  高宏建 ,  丁琪瑛

IPC: G06F30/27 ,  G06F17/17 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明公开了一种基于神经网络的超声背散射零差K模型参数估算方法，是根据已知的超声背散射零差K模型的参数μ和k，利用蒙特卡洛仿真产生零差K模型独立同分布的超声背向散射信号样本；基于这些样本计算特征参数；利用计算得到的特征参数和已知的μ和k，训练得到反向传播神经网络模型；对于待测的超声背向散射信号样本，首先计算其特征参数，再将特征参数输入训练得到的反向传播神经网络模型，就可得到待测样本的零差K模型参数μ和k的估算结果。本发明方法相比现有技术，具有更高的估算精度和更快的估算速度。

公开(公告)号：CN110851788A

公开(公告)日：2020-02-28

申请号：CN201911079852.3

申请日：2019-11-07

Applicant: 北京工业大学

Inventor： 周著黄 ,  高安娜 ,  欧阳亚丽 ,  吴水才 ,  高宏建 ,  丁琪瑛

IPC: G06F17/17 ,  G06F30/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于神经网络的超声背散射零差K模型参数估算方法，是根据已知的超声背散射零差K模型的参数μ和k，利用蒙特卡洛仿真产生零差K模型独立同分布的超声背向散射信号样本；基于这些样本计算特征参数；利用计算得到的特征参数和已知的μ和k，训练得到反向传播神经网络模型；对于待测的超声背向散射信号样本，首先计算其特征参数，再将特征参数输入训练得到的反向传播神经网络模型，就可得到待测样本的零差K模型参数μ和k的估算结果。本发明方法相比现有技术，具有更高的估算精度和更快的估算速度。