實驗名稱：前置微小信號放大器在光聲技術的血管識別研究中的應用

　　研究方向：生物識別技術

　　測試目的：

　　利用MATLAB對光聲血管進行識別：1、對光聲血管圖庫的圖像進行預處理包括歸一化、二值化、平滑、細化和毛刺修剪得到細化圖像；2、利用七個不變矩提取細化血管圖像的特征值建立數據集；3、利用SVM對血管圖片進行識別，證實基于光聲的血管圖像識別的可行性。

　　測試設備：ATA-5620前置微小信號放大器、固體激光器、超聲換能器、機械位移平臺、示波器、濾波器、微弱信號放大器和計算機、數據采集卡

　　實驗過程：

　　通過測試設備搭建固體激光器的(de)OR-PAM系統，采用光學參量振蕩器(OPO)(OPOletteTM532,OpotekLLC)作為光源：波長、脈沖頻率和脈沖持續時間分別為532nm、20Hz和7ns，激光的輸出功率是由計算機控制的。OPO激光器輸出光束經空間衰減和整形后，由定制的光纖耦合器耦合在光纖上。光纖的輸出組件連接到光學透鏡筒。光學透鏡筒內包括一個焦距為30mm的光纖準直器和一個焦距為5mm的聚焦透鏡。光斑直徑約為20um，適用于較大直徑的主血管成像，而較小直徑的旁側血管在后續圖像預處理中被過濾。隨后，光學透鏡通過固定裝置安裝在三維機械位移平臺上進行掃描。信號由中心頻率為2.5MHz的非聚焦超聲接收器獲取。使用前置微小信號放大器ATA-5620對聲信號進行增益，信號可被放大~60dB。使用多功能數據采集卡對模擬信號進行轉換并采集，而后由個人計算機進行數字化處理。樣品平臺由位移平臺和超聲換能器組成。

　　圖：（a）光聲血管采集系統結構示意；(b)光聲成像系統

　　實驗的時候(hou)先(xian)準備40個假血管作為樣品，對血管樣品進行光聲檢測，從光聲信號的幅值、速度和信號的最大值到達時間的差值進行防偽，區分出偽造的血管。而后對符合光聲特征的樣品（即判定為真血管的樣品）進行光聲成像，并建立圖庫。接著對經過圖像預處理的光聲血管進行細化、特征匹配。最后將特征向量集作為數據集輸入SVM進行分類識別。

實(shi)驗結果：

圖(tu)：真(zhen)假血管圖(tu)像(xiang)的光聲信(xin)號

　　1、振幅

　　將光(guang)聲(sheng)信(xin)號作為檢測參數(shu)的(de)峰(feng)峰(feng)值進行比較(jiao)，圖上顯示出在相(xiang)同能(neng)量下(xia)的(de)假血管和真實脈管系統的(de)光(guang)聲(sheng)信(xin)號，其中假血管幅(fu)度遠小于真實血管。

　　2、深度

檢測目標的深度：深度=最大到達時間×超聲速度之間的差。在實驗過程中，激光源、樣品和超聲換能器的相對位置不變。

圖：使用折射率(lv)板(ban)后脈管(guan)系統(tong)的光(guang)聲(sheng)信號

　　通過折射率板改變了(le)激光束的最終能量之后，真(zhen)實血管(guan)信(xin)號發(fa)生改變。真(zhen)實和(he)虛假血管(guan)信(xin)號的峰(feng)峰(feng)值(zhi)分別為182.9mV和188mV。假血管圖像和真實血管圖像的峰峰值之間的誤差僅為（188-182.9）/182.9≈2.79％，從物理角度上看可以忽略不計。假血管信號的最大到達時間為7.042μs。

3、光聲血(xue)管識別(bie)

圖(tu)：真實的(de)血(xue)管圖(tu)像

　　圖（a–f）分別顯示了真實的血管圖像，歸一化（按大小和灰度）、二值化、平滑、細化和毛刺修剪的血管圖像。提取每個血管圖像的特征形成數據集。

　　該數據集包含10只大鼠的160張血管圖像，其中80張圖片用作訓練集，其余圖片用作測試集，血管識別的結果示于表3。其使用SVM的方法，識別率達到97.5％。因此，本系統的實際識別率為97.5％。與直接使用SVM獲得的結果相比，它可以將真假血管的識別率提高2.63％（（97、5%-95%）/95%），血管識別系統的識別率大大提高。

安(an)泰ATA-5620功率放大器的指標參數：

圖(tu)：前(qian)置(zhi)信號放大器ATA-5620參數

　　本文實驗素材由西安安泰電子整理發布，西安安泰電子是(shi)專業從事功率放大(da)器、高壓(ya)放(fang)大器、功率(lv)信(xin)號(hao)源、前置微小信號放大器(qi)、高精度電壓源(yuan)、高(gao)精度電流(liu)源等(deng)電子測量儀器研(yan)發(fa)、生產和銷售的高科技企業。Aigtek已經成為在業界擁有廣泛產品線，且具有相當規模的儀器設備供應商，樣機都支持免費試用。如想了解更多實驗方案，請持續關注安泰電子官網hkdyw.cn或撥打029-88865020。

　　本文實驗案例參考自知網論文《基于光聲技術的血管識別防偽研究》