摘 要 根据 ECT 系统的结构特点，指出了 ECT 技术中存在的关键问题，介绍了其关键问题的研究进展，并在微小电容检测、图像重建算法的研究、“软场”特性的研究和数据采集速度方面进行了总结，展望了 ECT 今后的发展方向进行。
电容层析成像( ECT) 是工业过程层析成像的一种，是20 世纪80 年代在医学 CT 研究基础上形成和发展起来的。根据被测物质各相之间具有不同的介电常数，当各相组分或浓度分布发生变化时，将引起混合流体等价介电常数发生变化，从而使电容传感器阵列电极对间的电容值发生变化，通过数据采集和处理，采用合适的图像重建算法，重构被测物场的介质分布情况。可用于动力、石油、化工、冶金及医药等两相流或多相流领域，可以进行流型辨识，分析各相组分的局部浓度分布、各分相的总浓度，与相关流速测量技术相结合，可实现多相流体总质量流量、分相质量流量以及流体在管截面上流速分布的实时测量[1]，及各相流量的二维或三维分布情况。例如用于锅炉炉膛火焰温度场的状态分析、石油管道的流量、流型测量等，它与其它过程层析成像方法相比，具有结构简单、非侵入性、安全、成本低、可视化和实时成像的特点，是目前研究较热门的工业过程成像技术，也是未来流动成像技术发展的主流[2]。
1 ECT 系统结构
ECT 系统( 图 1) 包括电容传感器、数据采集与信号处理单元以及成像计算机 3 部分。电容传感器是电容信息获取的来源，ECT 系统对电容传感器的性能要求主要为灵敏度高、稳定性好、线性特性好、抗干扰能力强、高频特性好及制造工艺佳等。极板数的增加可以采集到更多的投影数据，但是由于管道直径有限，极板间边缘效应增强，源极板与相邻检测极板间电容值变化较小等因素，使采集到的电容数据不准确，并且由于要求采集系统具有更高的分辨率，因此阵列电极结构参数存在优化问题[3]，传感器阵列基本结构包括电容极板、径向极板、屏蔽罩、绝缘管道和电极引线。
为了保证成像的准确性，电容传感器在工艺上应尽量做到极板对称。
数据采集与信号处理单元( 图 2) ，包括 C/V多通道选择电路、数据采集和通讯电路。激励信号的生成方式有多种，不同的 C/V 检测原理，激励生成方式往往不同。其中 C/V 转换电路是将各个极板对间的微小电容值通过多通道选择电路转化为相应的电压值，并经 A/D 转换后通过通讯电路传送至成像计算机，其关键问题涉及到微弱电容检测、数据采集和传输的速度与准确度，成像计算机采用一定的图像重建算法完成对管道流体图像的重构。ECT 系统任何部分的好坏都会对系统的性能产生很大的影响[4]。
2 ECT 关键问题研究进展
20 世纪 80 年代中期，以英国曼彻斯特大学理工学院 Beck M S 教授和 Plaskowaski A B 博士为首的研究小组最早开展了对工业过程层析成像技术的研究，于 1988 年率先研制出 8 电极电容层析成像系统[5，6]，并对气/固两相流体静态模型进行测试，1990 年，该系统发展成为一个具有 12 电极，配备了 Transputer 系列高速并行处理器件，可在油/气/水混合流体实验装置上稳定可靠的工作。在线图像重建速度达到 40 幅/s。美国能源部摩根城能源技术中心也于 1990 年研制成功了16 电极 ECT 系统，重建速度达到 30 幅 / s，并可以100 次 / s 的速度全面更新所存储的数据[7]。另外，英国 UMIST 大学和 Leeds 大学等很多科研院所在 ECT 技术的研究和应用方面也进行了大量深入的工作; 在国内，清华大学、天津大学、大学、浙江大学及哈尔滨理工大学等多所科研院所也进行了 ECT 技术在多相流流动状态监测和参数检测等方面的应用研究，并取得了令人鼓舞的成果。
2. 1 微小电容检测
微小电容检测是 ECT 技术的关键和难点之一，由于被测电容值比杂散电容要小的多，且电容极板间静态电容和电容变化范围较大( 8 极板系统测量范围相差 33 倍[8]，12 极板系统测量范围相差 81 倍[9]) ，同一极板对空管时的固定电容比充满介质时电容值变化小，这就要求电容检测电路既要具有抗杂散电容的能力，还应该具有较大的测量动态范围和足够高的灵敏度、分辨率。电极的杂散电容主要来自电极引线和屏蔽电缆芯线与屏蔽层间的电容，典型值为 100pF/m，系统中CMOS 电子开关注入引脚的电容其典型值为8pF，检测电极与屏蔽层之间还存在电容，另外杂散电容还随着温度、结构、位置和内外电场的分布而变化。
陈德运等[10]针对油水两相流电容层析成像研制了一种微小电容交流测量电路，理论分析和实验研究表明，静态测量误差小于 0. 2%，漂移为0. 05% / h。高彦丽等[11]分析设计了程控增益负反馈交流型电容测量电路，采用分立元件设计激励信号，通过控制激励电压的幅值，增加数字电位器和减法环节来提高电路的测量范围和灵敏度，给出了具体的实验结果。赵进创等[12]用激励信号幅值可控双模式交流型 C/V 转换电路实现微小电容检测，电路具有抗杂散电容能力，线性和分辨力良好且输出稳定。陈德运等[13]采用前向补偿法完成了微小电容的测量，并以油水两相流ECT 系统为研究对象，通过实验验证了该方法的可行性，较好地解决了微小电容精确测量问题。
由于充/放电电路由 CMOS 开关控制，存在电荷注入问题[14]，王雷等[15]针对电子开关的电荷注入效应对测量分辨率的影响问题，提出了一种基于电荷放大原理的微弱电容测量电路，该电路无需滤波器，良好地解决了数据采集速度的瓶颈问题。白国花和马铁华[16]针对电荷放大原理的微小电容测量电路，采用 CPLD 编程实现对电路开关时序的控制。美国能源部的 Fasching G E 等[17]采用了高压双边交流激励的微小电容测量电路，应用于 ECT 系统流化床内粉体三维动态成像的研究，单边激励电压幅值达 250V，而且频率也达400kHz，Shao F Q 等[18]采用高压单边激励与磁性、C/V 变换相结合的微小电容检测电路，激励电压达 700V，但其灵敏度和分辨力并没有超过双边交流激励[19]，周云龙等[20]从交流法微小电容检测的原理出发，理论研究表明，提高激励电压或者减小反馈电容 Cf能提高灵敏度，并设计实验，验证了理论的正确性; 律德财等[19]采用高压交流激励电路，在 370V 的激励电压下，也验证了具有良好的灵敏度、分辨率等特性，夏靖波等[21]针对微小电容测量受许多因素的影响，难以准确测量，采用神经网络的学习功能，找出测量值与理论计算值之间的映射关系，仿真结果表明了该方法可以在线测出准确的电容值，消除误差。佘生能和肖循[22]设计了一个基于混沌理论的电容测量系统，对电路参数要求不高，传感器只要相对稳定即可，利用混沌的初值敏感性，通过测量混沌轨道的较大距离来间接测量微小电容，实验结果证实了可行性。胡敏等[23]利用集成芯片 HT133 设计了微小电容测量电路，验证了电路具有高分辨率，高抗干扰性，电路分辨率达 0. 5fF，非线性度为 8.67% 。颜华等[24]对 ECT 系统常用的 3 种微小电容检测电路充/放电电路，带反馈补偿的交流测量电路以及自平衡电容测量电路进行了对比，并指出其优缺点，这 3 种电路只测量电容变化量，具有很好的抑制杂散电容的能力。夏靖波等[25]又将高压双边交流激励电容测量电路以及激励源幅值可控双模式交流电容测量电路与上述前两种电路进行对比，总结高压双边交流激励电容检测电路目前只在实验条件下流化床的在线检测中使用过，激励源幅值可控双模式交流电容测量电路可以克服电路功能单一的缺点，适用于对成像速率要求不同的场合。
因此，对于 ECT 技术微小电容检测来说，一方面要设计抑制杂散电容较强的高速 C/V 转换电路，同时也要选择合适的器件、设计合理的电路，尽量采用集成度较高的器件，尽在源头上避免杂散的出现，防止杂散信号与有用电容信号进行乘法运算，周云龙等[26]采用 FPGA 器件进行ECT 系统的设计，提高了 ECT 系统的集成度，降低了信号的噪声，减小了杂散，提高了系统的信噪比。
2. 2 图像重建算法的研究
ECT 和 CT 技术有着相同的数理基础: Radon变换和 Radon 反变换。Radon 变换是电容传感器获取投影数据的过程; Radon 反变换则是 ECT 系统根据投影数据，采用定性或定量分析的图像重建过程。由于传感器获取的投影数据有限，重建图像像素远远超过了这一数值，因此图像重建这一逆问题具有严重的病态性，不同的重建算法最终获得的图像质量也具有较大的差距，如 LBP 算法是 UMIST 在 1989 年提出，最早应用于 ECT 图像重建的算法，其重构速度最快，但图像效果较差[27]，尤其对于测量管道的中心部位，只能进行定性分析。Xie CG 等利用反投影算法进行了 ECT系统图像实时重建[28]。
标准 Tikhonov 正则法是处理病态问题的有效方法，已经进行了深入地研究，并取得了许多成功的应用[29]。刘石等[30]提出改进 Tikhonov 正则化方法并进行图像重建。赵进创等 [31]采用 Tik-honov 正则化求解逆问题的不适定性，然后利用ROR 法对初始图像进行修正。Yan H 等[32]采用多元线性回归模型的正则化算法，用回归矩阵代替了灵敏度矩阵进行图像重构。王化祥等[33]以Tikhonov 正则化和后验策略为基础，灵敏度矩阵广义逆的角度阐述了 L 曲线法，并设置滤波函数，建立极小化泛函和 L 曲线图，杨钢等[34]提出了一种在最小坡度曲线段中选择 Tikhonov 正则化参数方法求解不适定反问题，并将截断奇异值分解法与 Tikhonov 正则化法形成的 L 曲线进行对比。雷兢等[35]利用正则技巧对极小范数解进行改进，利用 SVD 对改进的有效性和数值稳定性进行分析，利用加权技巧构建新目标泛函进一步对极小范数解进行改进。杨钢等[36]根据方程系数矩阵的所有奇异值远离 0 并限定在一点上的原则，寻找预处理矩阵，形成预处理 landweber 迭代算法。董向元等[37]采用广义逆预迭代的快速投影 landweber 迭代法进行图像重建，成像质量优于变步长求广义逆的方法 OIOR 法)[38]，成像速度快于投影 landweber 迭代法( PL 法)[39]。董向元等[40]根据推倒出的通用优化迭代步长公式，得出通用迭代 - 单步法公式，离线求取广义逆矩阵，速度与单步法相当。陈宇和张立新[41]将迭代法和最小二乘法相结合，提出了一种最小二乘约束的重建算法。苏邦良等[42]引入同步迭代图像重建技术( SIRT) ，针对收敛速度和图像模糊效应，并 对 SIRT 算法进行改进。王翠苹等[43]提出由模式矢量发展来的广义矢量模式匹配法和改进的伪逆法。
根据图像重建不适定问题，王化祥等[44]基于灵敏度矩阵的奇异值分解理论，提出正则化共轭梯度法。王超等[45]提出 LU 分解的单步共轭梯度成像法。陈宇等[46]提出三项共轭梯度的 ECT 成像算法，共轭梯度算法属于大范围收敛，其迭代的最终解，对初值的如何选择并不敏感，这种特性对于实际的应用有重要意义。从实际的应用效果看，该法获得了相对较好的数值结果[47]。
郭红星等[48]在改进激励函数 BP 网络的基础上，对 ECT 系统气/油/水三相流进行成像。黄天顺等[49]提出基于 RBF 网络的 ECT 重建算法，可用于两相流流型识别。李岩等[50] 采用改进的RBF 算法，对隐层神经元的中心和宽度进行优化，用 Tikhonov 方法训练权值。颜华等[51]探讨RBF 神经网络 16 极板 ECT 系统图像重建方法， 用最大矩阵法确定 RBF 神经网络隐层神经元数目，用最小邻聚方法，确定径向基函数的宽度和中心。孙强和石天明[52]用 RBF 神经网络与粒子群算法相结合的 ECT 传感器管壁厚度等 7 种重要结构参数进行优化，用 RBF 算法得到回归模型，用粒子群算法进行寻优。胡红利等[53]提出基于RBF 的自适应小波滤波重构算法。张立峰和王化祥[54]提出基于小波神经网络 ECT 图像重建算法，利用主成分分析法，对输入变量进行降维处理。何世钧等[55]提出基于 SVM 的 4 层神经网络图像重建算法，提高了空间分辨率和泛化能力。
郑贵滨等[56]提出基于遗传算法的 ECT 重建方法，利用流型数据作初值，对像素点灰度值搜索求其最优解。牟昌华等[57]用 LBP 算法图像作为初始图像，并用遗传算法对初始图像进行优化处理，确定像素点的最大最小值后，确定像素点的灰度值。
严杰等[58]提出一种新的基于敏感场变换的ECT 算法，给出了敏感场变换公式和新的确定阈值的公式。夏靖波等[59]利用信息熵的概念提出最大熵图像重建算法。马宁等[60]基于电路的网络理论，将源电极与检测电极看作四端网络，根据网络的跨导与检测电容值的线性关系与误差进行介电分布修正并进行模拟。裴珂等[61]提出 Kal-man 滤波 ECT 图像重建算法，重点考虑测量噪声影响，利用对测量信息最优加权获得重建图像的最小方差估计。
2. 3 其它关键问题
“软场”问题也是 ECT 技术的关键问题，ECT系统的敏感场是“软场”，是电介质在电场中极化现象引起的。极化产生的束缚电荷的电场改变了原来电场的分布，束缚电荷的电量和分布与电解质介电特性、分布及其自由电荷所产生的原电场有关，即敏感场的分布随着被测介质分布的变化而变化。目前大多采用有限元法对具有“软场”特性的敏感场进行分析。颜华和王志春等[62，63]通过多种介质时敏度分布情况的计算与比较，对传感器的软场特性进行经验研究。
其次，被测对象快速多变，要求 ECT 系统具有较高的数据采集速度，数据采集速度的提高势必对系统增加噪声的影响。因此提高速度与降低噪声是一对矛盾，滤波器的存在是 ECT 系统提高数据采集速度的瓶颈，王雷等[64]采用基于电荷放大原理的 ECT 电容测量电路，一次充放电完成测量，无需滤波器，12 电极采集速度可达 600 幅/s。
郑伟军等[65]研制了一套基于 DSP 的高速 ECT 数据采集系统，使采集速度达到了 2264 幅/s。再次，数据传输的高速型和准确性也是一个很重要的关键问题，目前有采用 RX232 串口通信协议进行传输的，但是这种方式一般传输距离较近，且速率较慢，成像系统必须在现场附近，不能满足工业实际情况的需要，最近国内有采用USB2. 0 进行数据传输[65]的报道，国外还有采用成本昂贵的光纤通信[66]进行 ECT 数据传输的报道。
3 发展与展望
虽然国内外学者经过了 20 多年的 ECT 技术研究，但是将该技术应用到工况复杂的实际现场中，从而获得精确的微小电容采集数据、准确实时的图像重构，以及进行复杂流型成像时，还有很多实际应用问题需要突破。ECT 技术的发展可以从以下几个方面进行完善:
a. 工程拓展及技术完善。目前，ECT 技术己经由最初的两相流参数的在线检测与流型识别，发展到两相流或多相流的反应、分离、燃烧等工业过程的在线监测。ECT 的发展已经不再局限于传统的测量领域，其应用领域正不断被拓宽。但进行实际应用，尚需针对具体的场合合理设计传感器，选择重建算法和完善硬件设备。
b. 多模化发展。ECT 系统作为一种检测设备，不可避免的具有一些局限性，对于一个多相流系统来说，一种检测设备往往不能获得更全面、更详细的信息，一种可能的途径就是根据数据融合的思想，将不同的图像重建系统进行融合，以便获得更多信息的数量和质量，进而提高图像重建的质量。
c. 电容信号去噪技术。被测电容信号相比整个 ECT 系统中噪声电容要小得多，且图像重建过程本身的不稳定，病态问题，导致电容信号的微小变化将可能导致重建结果发生较大的变化，甚至无意义，因此发展信号去噪技术，提取有用的电容信号，增强系统的抗干扰能力，这对于重建图像的质量是至关重要的。
d. 基础理论发展。ECT 图像重建在本质上就是一个病态问题，如何快速、有效地求解这个病态问题显的尤为重要。目前 ECT 的研究主要集中在应用方面，许多问题还停留在经验的理解上，机理性的研究非常罕见。因此，ECT 基础理论研究的深入将势必推动 ECT 技术的快速发展。
e. 重建图像质量评价。目前，还没有一个完备的图像质量的评价体系，常常采用误差理论和相关系数等方法评价 ECT 重建图像的质量，但这些方法都存在诸多的缺陷。为此，建立一个科学、完备的图像质量评价体系是非常必要的。
f. 图像重建算法发展。目前，ECT 图像重建算法主要关注迭代格式的改善，对病态问题不适定本质的关注还不够。如何用良态问题来逼近这个病态问题将是未来 ECT 重建算法的一个研究重点，同时它也是逆问题研究的重点。
4 结束语
笔者针对 ECT 技术的关键问题进行了较全面的综述，其中重点对不同微小电容检测的方法在实际问题中的应用和图像重建算法重构图像情况方面的研究文献进行了总结，同时也对 ECT“软场”特性、数据的高速采集和通信速度的关键问题进行了概述，最后对 ECT 技术今后的发展进行了展望。
在 ECT 技术研究和发展的过程中，国内外的学者作了诸多贡献，也取得了长足进展，相信随着数学理论、计算机技术、信号处理技术等相关学科的不断发展完善，ECT 技术中存在的问题将逐渐解决，并可以应用到更多领域，开拓更广阔的发展空间。
参 考 文 献
[1] 黄志尧，金宁德，李海青. 层析成像技术在多相流检测中的应用[J]. 化学反应工程与工艺，1996，12( 4) : 395 ～405.
[2] 马平，周晓宁，田沛. 过程层析成像技术的发展及应用[J]. 化工自动化及仪表，2009，36( 1) : 1 ～5.
[3] 王化祥，张立峰，朱学明. 电容层析成像系统阵列电极的优化设计[J]. 天津大学学报，2003，36( 3) :307 ～310.
[4] 李海青，黄志尧. 软测量技术原理及应用[M]. 北京: 化学工业出版社，2000.
[5] Plaskowki A B，Beck M S. Krawaczynski J S. FlowImaging for Multi-component Flow Measurement[J].Trans Inst Meas Control，1987，9( 2) : 108 ～ 112.
[6] Huang S M，Plaskowski A B，Xie C G et al. Tomo-graphic Imaging of Two-component Flow Using CaPACi-tance Sensors[J]. Journal of Physics E: Scientific In-strments，1988，22( 3) : 173 ～ 177.
[7] 张宝芬，徐苓安. 迅速发展中的过程层析成像技术[C]. 中国科协首届学术年会，1999.
[8] Yang W Q. Calibration of Capacitance Tomography Sys-tems: A new Method for Setting System MeasurementRange[J]. Meas Sci & Technol，1996，( 7) : 863 ～867.
[9] Yang W Q. Hardware Design of Electrical CapacitanceTomography Systems[J]. Meas Sci & Technol，1996，7( 3) : 225 ～ 232.
[10] 陈德运，于晓洋，赵霞等. 油水两相流电容层析成像系统电容测量电路的设计[J]. 电路与系统学报，2004，9( 4) : 107 ～109.
[11] 高彦丽，杨培，邵富群等. 用于 ECT 系统的低成本、宽带微小电容测量电路[J]. 电测与仪表，2004，41( 9) : 29 ～32.
[12] 赵进创，王师，杨钢等. 电容层析成像用新型电容/电压转换电路的研制[J]. 仪器仪表学报，2001，22( 1) : 36 ～41.
[13] 陈德运，黄家定，唐文明等. 基于前项补偿的 12 电极的 ECT 数据采集系统的设计[J]. 化工自动化及仪表，2007，34( 1) : 61 ～65.
[14] Jia Peng，Chan P K. A Tomography Based Switched-Capacitance Measuring Circuit with Low TemperatureDrift[J]. Instrumentation and Measurement，2004，( 5) : 1429 ～1432.
[15] 王雷，王保良，寂海峰等. 电容传感器新型微弱电容测量电路[J]. 传感技术学报，2002，12 ( 4) : 273～ 277.
[16] 白国花，马铁华. 电容传感器电容测量电路中CPLD 的应用[J]. 计量与测试技术，2005，32( 2) :14 ～ 17.
[17] Fasching G E，Smith N S. A Capacitance System forThree-dimensional Imaging of Fluidized Beds[J].Rev Sci Instrum，1991，62( 9) : 2243 ～ 2251.
[18] Shao F Q，Mong Q G. A Method for Measuring LowCapacitance for Tomography[J]. Rev Sci Instrument，1999，70: 3177 ～ 3181.
[19] 律德财，邵富群，郭志恒等. 高压法微小电容检测[J]. 仪器仪表学报，2009，30( 7) : 1448 ～1451.
[20] 周云龙，高云鹏，衣得武. ECT 系统交流激励微小电容参数测定[J]. 仪表技术与传感器，2010，( 9) :99 ～ 101.
[21] 夏靖波，邹铁鹏，王师等. 基于神经网络微小电容测量方法的研究[C]. 中国控制与决策学术年会论文集. 沈阳: 《控制与决策》编辑部，1997: 724 ～726.
[22] 佘生能，肖循. 基于混沌理论的电容测量系统[J].电测与仪表，2005，42( 1) : 9 ～10.
[23] 胡敏，李晓莹，常洪龙等. 基于 ASIC 芯片的微小电容测量电路研究[J]. 计量学报，2007，28( 4) : 379～ 382.
[24] 颜华，王师，邵富群. 电容层析成像系统中微小电容测量法[J]. 仪表技术与传感器，1998，( 4) : 16 ～19.
[25] 夏靖波，李治安，宋瑞苓. 电容过程成像中电容测量方法的比较研究[J]. 机器人，2000，22( 3) : 230～ 234.
[26] 周云龙，高云鹏，衣得武. ECT 系统高速数据采集电路的实[J]. 化工自动化及仪表，2010，37( 11) :63 ～ 65.
[27] 李海青，黄志尧. 特种检测技术及应用[M]. 杭州:浙江大学出版社，2000.
[28] Xie C G，Huang S M，Hoyle B S et al. ElectricalCapacitance For flow Imaging: System Model for De-velopment of Image Reconstruction Algorithms andDesign of Primary Sensors[J]. IEE Proceedings-G，1992，139( 1) : 89 ～ 98.
[29] Peng L H，Merkus H，Scarlett B. Using Regulariza-tion Methods for Image Reconstruction of ElectricalCapacitance Tomography[J]. Particle and ParticleSystems Characterization，2000，17: 96 ～ 104.
[30] 刘石，雷兢，李志宏. 基于改进正则法的 ECT 图像重建算法[J]. 仪器仪表学报，2007，28( 11) : 1977～ 1981.
[31] 赵进创，傅文利，张锦雄等. 正则化优化修正的电容层析成像图像重建算法[J]. 仪器仪表学报，2004，25( 1) : 1 ～ 4，38.
[32] Yan H，Liu L J，Xu H et al. Image ReconstructioNIn Electrical Capacitance Tomography Using MultipleLinear Regression and Regularization[J]. Measure-ment Science Technology，2001，( 12) : 579 ～ 581.
[33] 王化祥，何永勃，朱学明. 基于 L 曲线法的电容层析成像正则化参数优化[J]. 天津大学学报，2006，39( 3) : 306 ～ 309.
[34] 杨钢，邵富群，王师. ECT 图像重建中最小坡度正则化参数选择方法[J]. 东北大学学报( 自然科学版) ，2006，7 ( 8) : 855 ～858.
[35] 雷兢，刘石，李志宏等. 基于改进极小范数解的电容层析成像图像重建算法[J]. 中国电机工程学报，2007，27 ( 26) : 78 ～83.
[36] 杨钢，王玉涛，邵富群等. 用于 ECT 图像重建的预处理 landweber 迭代算法[J]. 东北大学学报，2006，27( 9) : 953 ～ 956.
[37] 董向元，陈琪，李惊涛等. 基于快速投影 Landweber法的电容层析成像图像重建算法研究[J]. 中国电机工程学报，2005，25( 14) : 89 ～92.
[38] Liu S，Wang H G，Jiang F et al. A New Image Re-construction Method for Tomographic Investigation ofFluidized Beds[J]，AIChE Journal，2002，48 ( 8) :1631 ～ 1638.
[39] Piana M，Bertero M. Projected Landweber Method andPreconditioning[J]. InverseProblems，1997，13 ( 2) :441 ～ 463.
[40] 董向元，刘石，严润生等. 电容层析成像中通用迭代法的研究[J]. 仪器仪表学报，2006，27( 1) : 23 ～25.
[41] 陈宇，张立新. 一种具有迭代约束的最小二乘 ECT图像重建算法[J]. 计算机应用研究，2010，27( 4) : 1588 ～1590.
[42] 苏邦良，张以恒，彭黎辉等. 同步迭代图像重建技术在电容层析成像系统中的应用[J]. 清华大学学报( 自然科学版) ，2000，40( 9) : 90 ～92.
[43] 王翠苹，李定凯，董国亚等. 广义矢量模式匹配法在电容层析成像技术上的应用[J]. 中国电机工程学报，2004，24 ( 8) : 219 ～223.
[44] 王化祥，朱学明，张立峰. 用于电容层析成像技术的共轭梯度算法[J]. 天津大学学报，2005，38( 1) :1 ～ 4.
[45] 王超，钱相臣，徐明等. 基于 LU 分解的共轭梯度法单步成像算法[J]. 仪器仪表学报，2007，28( 11) :1972 ～ 1976.
[46] 陈宇，孙帆，张健. 三项共轭梯度的电容层析成像图像重构重建算法[J]. 哈尔滨理工大学学报，2009，14 ( 6) : 42 ～ 46.
[47] 雷兢，孙猛，董向元等. 基于预优化变换的电容层析成像重建算法[J]. 仪器仪表学报，2007，28( 3) :1421 ～ 1426.
[48] 郭红星，余胜生，周敬利等. 一种用于电容层析成象三相流重建的神经网络算法[J]. 小型微型计算机系统，2001，22 ( 9) : 1073 ～1075.
[49] 黄天顺，何世钧，杜幼玲. 基于 RBF 网络的 ECT 图像重建算法[J]. 信阳师范学院学报( 自然科学版) ，2006，19 ( 3) : 339 ～341.
[50] 李岩，包培全，张礼勇等. 基于 RBF 神经网络的电容层析成像图像重建算法[J]. 哈尔滨理工大学学报，2008，13 ( 6) : 23 ～26.
[51] 颜华，朱爱华，王滨等. 基于 RBF 神经网络的 ECT图像重建[J]. 沈阳工业大学学报，2007，29( 3) :322 ～ 325.
[52] 孙强，石天明. 基于 RBF 神经网络和粒子群算法的ECT 传感器结构优化[J]. 化工自动化及仪表，2009，36( 4) : 44 ～ 48.
[53] 胡红利，陈夏，白涛. 基于径向基网络和小波变换的电容层析成像重构算法[J]. 西安交通大学学报，2010，44 ( 2) : 1 ～5.
[54] 张立峰，王化祥. 基于小波神经网络的电容层析成像图像重建算法[J]. 中国电机工程学报，2008，28( 35) : 39 ～43.
[55] 何世钧，王化祥，周勋. 基于 SVM 的 ECT 图像重建算法[J]. 计量学报，2007，28( 2) : 137 ～140.
[56] 郑贵滨，陈德运，于晓阳. 基于遗传算法的两相流电容层析成像图像重建算法[J]. 计算机仿真，2002，19 ( 5) : 36 ～ 38.
[57] 牟昌华，彭黎辉，姚丹亚等. 一种基于遗传算法的电容成像图像重建方法[J]. 模式识别与人工智能，2005，18 ( 1) : 119 ～123.
[58] 严杰，郭红星，常鸿森等. 一种新的基于敏感场变换的电容层析成像算法[J]. 电路与系统学报，1999，4( 2) : 80 ～ 85.
[59] 夏靖波，魏颖，陆增喜等. 基于最大熵电容成象图象重建算法的研究[J]. 控制与决策，2000，15( 4) :431 ～ 434.
[60] 马宁，苏祥芳，王延平. 基于电路网络理论的电容层析成像方法[J]. 电子学报，2000，28( 1) :30 ～34.
[61] 裴珂，彭黎辉，张宝芬. 基于 Kalman 滤波的电容成像图像重建算法[J]. 清华大学学报( 自然科学版) ，2005，45 ( 10) : 1332 ～1334，1351.
[62] 颜华，邵富群，王师等. 电容层析成像传感器软场性能分析[J]. 东北大学学报( 自然科学版) ，1999，20 ( 5) : 457 ～ 460.
[63] 王志春，李文涛，胡晓丽等. 电容层析成像系统( ECT) 软场特性研究[J]. 仪器仪表学报( 增刊) ，2003，24 ( Z2) : 404 ～ 405，410.
[64] 王雷，王保良，黄志尧等. 电容层析成像硬件系统[J]. 仪器仪表学报( 增刊) ，2003，24( Z3) : 890 ～892.
[65] 郑伟军，王保良，黄志尧等. 高速 ECT 的数据采集系统设计[J]. 仪器仪表学报，2008，29( 9) : 1883 ～1887.
[66] Yang W Q，Szuster K. A Long-distance High-SpeedSerial Link for Process Tomography Systems [J].Meas Sci Technol，1996，( 7) : 853 ～ 858.
