Modellbaserad rekonstruktion och klassificering baserat på mikrovågsmätningar i närfält
Forskningsprojekt, 2011 – 2014

I detta projekt undersöker vi hur mikrovågssensorer kan utnyttjas för att förbättra och effektivisera bildgenerering och diagnos i såväl medicinska tillämpningar som i processindustrin. Detta kan resultera i såväl räddade liv som ökad konkurrenskraft för svensk processindustri.

Mikrovågsteknik erbjuder många fördelar jämfört med andra möjliga mättekniker, men har tidigare varit kommersiellt ointressant. Utvecklingen inom telekommunikationsindustrin har dock drivit ner kostnaden för högpresterande mikrovågskomponenter och processorchip. Detta skapar förutsättningar för att sprida mikrovågsbaserad mätteknik till nya områden.

Tillämpningarna karaktäriseras av krav på rums- och tidsupplösta mätningar av hög kvalitet till lågt pris. Antennerna sitter nära de objekt som skall studeras (närfält), vilket ställer speciella krav på antennen och på den elektromagnetiska modelleringen. Den komplicerade fältbilden innebär också att bildrekonstruktion såväl som diagnos och klassificering blir beräkningsmässigt intensiv. För att lösa problemet krävs ett tvärdisciplinärt angreppssätt, som kombinerar kunskap från antenn och mätteknik, elektromagnetisk modellering och beräkning, bildrekonstruktion, och signalbehandling.

 

Deltagare

Mats Viberg (kontakt)

Chalmers, Elektroteknik, Signalbehandling och medicinsk teknik

Tomas McKelvey

Chalmers, Elektroteknik, Signalbehandling och medicinsk teknik

Mikael Persson

Chalmers, Elektroteknik, Signalbehandling och medicinsk teknik

Thomas Rylander

Chalmers, Elektroteknik, Signalbehandling och medicinsk teknik

Lennart Svensson

Chalmers, Elektroteknik, Signalbehandling och medicinsk teknik

Jian Yang

Chalmers, Elektroteknik, Kommunikation, Antenner och Optiska Nätverk

Finansiering

Vetenskapsrådet (VR)

Projekt-id: 2010-4627
Finansierar Chalmers deltagande under 2011–2014

Mer information

Projektet på Chalmers webb

https://www.chalmers.se/sv/Projekt/Sidor/M...

Senast uppdaterat

2017-04-13