介绍了一种利用超声光栅测透明液体浓度的方法。通过测量因浓度不同引起超声光栅常数的变化，拟合出浓度与光栅常数变化的函数，实现对浓度的测定。在该系统中，采用 CCD为接趺器，在很大范围内保证了测量精度不大于0.4%。

SAT检测原理介绍CSAM Training Manual.pdf

在围产期对胎儿心率进行监护是非常重要的#超声-.//012测量胎心率是最常用的无创方法3但是#由 于-.//012信号成分很复杂#从而使信号处理比较困难3我们提出了一种改进的自相关方法4指数加权自相关方 法#并在其中利用了自适应技术3通过临床试验发现#与以前的方法相比#使用这种方法从超声-.//012信号中提取 的胎心率较准确#尤其是在信号存在衰减和丢失的情况下

去噪声代码matlab 美国降噪 优尼斯·法鲁伊（Younes Farouj）的美国降噪技术。 v.2017年4月 超声时空散斑。 该Matlab代码遵循这两篇论文中介绍的方法。 [1] Y. Farouj，L。Navarro，J.-M。 Freyermuth，M。Clausel和P. Delachartre。 通过Kronecker小波-菲兹阈值进行的超声时空散斑。 信号，图像和视频处理，2018年，第1期。 ，第12号，第6页。 1125-1132 和 [2] Y. Farouj，J.-M。 Freyermuth，L。Navarro，M。Clausel和P. Delachartre。 双曲小波-Fisz去噪在超声成像中产生的模型。 IEEE Transactions on Computational Imaging，第一卷。 3号1，第1-10页，2017年。 该代码包括两个版本。 一个数据驱动的和参数化的。 输入 ％％使用给定的（BseOnd）小波找到数据驱动的小波-Fisz估计。 %% ％％拍摄：％％x-数据：超声成像序列％％h-方差函数（对于参数版本）％％AV-像素值分布的预

由于超声成像机制使医学超声图像中存在着大量的斑点噪声， 这些斑点噪声大大降低了图像的清晰度和质量， 给超声诊断带来很大的困难。针对医学超声图像的斑点噪声去噪问题， 提出了一种基于帧相关处理、 ROF分解和自适应小波阈值的去噪方法， 能够在抑制超声图像斑点噪声的同时， 尽可能地保留甚至增强图像的细节信息， 大大提高图像质量， 取得了很好的效果。

在现代工业生产过程中，利用超声波进行近距离非接触式测量越来越广泛，例如液位的测量、煤层的测厚、机器人定位、辅助视觉系统、车辆的定位与导航、汽车防撞雷达、井深及管道长度测量等方面。根据超声波纵向分辨力高、对色彩和光照度不敏感、抗电磁干扰能力强等特点，可以设计出  较高的超声波测距系统，应用于漫反射差和有毒等恶劣环境中。但传统的超声波测距仪由于采用固定阈值的比较器比较输出，测量  普遍较低。本文从回波信号处理的角度出发，分析了超声波回波曲线的特性，利用回波包络的峰值检测以确定回波到达时刻的方法，并介绍一种以89C52单片机为  、具有自动增益控制和峰值包络检测、高  的收发一体式超声波测距系统的硬

信道编码matlab代码纸 尹，韩勋，Shuaat Khan，Jaeyoung Huh和Jong Chul Ye。 “使用深度学习从子采样的RF数据中高效地进行B模式超声图像重建。” IEEE医学影像交易（2018）。 执行 MatConvNet（matconvnet-1.0-beta24） 请运行matconvnet-1.0-beta24 / matlab / vl_compilenn.m文件来编译matconvnet。 在“”上有说明 请运行安装设置（install.m）并运行一些培训示例。 训练有素的网络 已上传“ SC2xRX4（下采样）CNN”的训练网络。 测试数据 测试数据文件位于“ data \ cnn_sparse_view_init_multi_normal_dsr2_input64”文件夹中。 数据尺寸如下-Test_data = 64x384x1x2304（通道x扫描线x帧x深度） 使用建议的算法执行测试 ->使用'DNN4x1_TestVal'作为输入数据 ->运行'MAIN_RECONSTRUCTION.m ->您将在“ data \ cnn_sparse_v

超声场仿真研究在工业超声探伤领域一直起到举足轻重的作用。本文采用脉冲超声波检测原理，建立仿真平台，利用k-wave工具箱对超声场进行了时域仿真研究，针对声场在圆柱体工件内部的传播情况，并利用声学传感器接收到的回波信号，采用插值重构模型，对工件内部超声场分布做了重构研究和可视化实现，为实际工业生产奠定了理论基础。

EILog快速与成像测井系统（UIT5640超声成像测井仪）使用维修手册，含系统方案

该代码使用联合稀疏表示模型来提高超声成像的轴向分辨率。 所提出的模型将沿轴向的稀疏反卷积与沿横向的稀疏偏好约束相结合。 有关详细信息，请参阅 J. Duan 等人，“使用联合稀疏表示模型提高超声成像的轴向分辨率”。