بهبود اندازه‌گیری در سیستم‌های مقطع‌نگاری امپدانس الکتریکی با استفاده از دمدولاسیون حساس به فاز مبتنی بر ضرب‌کننده آنالوگ
Publish place: Iranian Conference on Bioelectromagnetic
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 724
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICBEMM02_017
تاریخ نمایه سازی: 11 خرداد 1393
Abstract:
مقطع نگاری امپدانس الکتریکی یک روش تصویربرداری غیرمخرب و غیرتهاجمی است. هدف این روش بدست آوردن تصویری از توزیع مکانی امپدانس در سطح مقطع شیء هدف است. در این تکنیک تصویربرداری، ولتاژ یا جریان الکتریکی بعنوان تحریک از طریق یک الکترود به شیء اعمال شده و ولتاژ الکتریکی ناشی از آن در سایر الکتروهای قرار گرفته در اطراف شیء اندازه‌گیری می‌شود. ولتاژهای اندازه‌گیری شده کمیت‌هایی مختلط بوده و دارای دو بخش حقیقی و موهومی هستند. برای افزایش دقت در بازسازی تصویر در سیستم‌های مقطع‌نگاری امپدانس الکتریکی، استخراج هر دو مؤلفه حقیقی و موهومی ولتاژهای اندازه‌گیری شده ضروری می‌باشد. برای استخراج این اطلاعات از سیگنال‌های اندازه‌گیری شده، به یک دمدولاتور حساس به فاز نیاز است. دمدولاتور حساس به فاز به روش‌های مختلفی قابل پیاده‌سازی است که یکی از دقیق‌ترین این روش‌ها، دمدولاسیون حساس به فاز مبتنی بر ضرب‌کننده آنالوگ است. در این مقاله به کارگیری دمدولاتور حساس به فاز آنالوگ مبتنی بر ضرب‌کننده باری افزایش دقت در اندازه‌گیری مؤلفه‌های حقیقی و موهومی ولتاژ الکترودها پیشنهاد شده است. همچنین برای اثبات کارآیی این روش چندین امپدانس مقاومتی ـ خازنی مورد آزمایش و تست قرار گرفته‌اند.
Keywords:
سیستم‌های مقطع‌نگاری امپدانس الکتریکی , مؤلفه‌های حقیقی و قائم سیگنال اندازه‌گیری شده , دمدولاتور حساس به فاز
Authors
محمدرضا یوسفی نجف آبادی
گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
عبداله محمدی ابهری
گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
رضا جعفری
گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :