Target Tracking with Electrical Impedance Tomography
电阻抗成像技术在医学、生物物理学和工业成像等领域有着广泛的应用。EIT提供了高时间分辨率，这允许精确地跟踪导电表面上的移动目标的位置。现有的EIT方法是面向高图像质量，而不是平滑的目标轨迹，这使得他们的目标跟踪次优。我们结合EIT方法与隐马尔可夫模型跟踪导电表面上的移动目标。数值实验表明，该方法在目标跟踪精度上优于现有的EIT方法。
2019-11-12 eess.SP
High Impedance Fault Detection and Isolation in Power Distribution Networks using Support Vector Machines
提出了一种配电网高阻抗故障的精确检测和隔离方案。所提出的方案利用电压和电流传感器提供的数据。该方法采用主元分析、Fisher判别分析、二值和多类支持向量机等多种算法对高阻故障进行检测和识别。这些数据驱动的技术已被测试的IEEE 13节点配电网的检测和识别高阻抗故障的断线和未断线的导体。此外，机器学习技术的鲁棒性也通过检查它们的性能与不同故障的负载变化进行了分析。对不同故障点的仿真结果表明，该方法能够快速、准确地诊断高阻故障。多类支持向量机对高阻故障的准确检测和定位具有较好的效果。它保证了配电网的可靠性、安全性和可靠性。
2019-08-09 cs.SY eess.SP eess.SY
Using electrical impedance spectroscopy to identify equivalent circuit models of lubricated contacts with complex geometry: in-situ application to mini traction machine
本文提出利用电阻抗谱识别复杂几何形状润滑接触的等效电路模型，以微型牵引机球-盘接触为例，通过拟合并联RC模型并结合光学干涉标定，实现无需透明材料或结构改造的原位油膜厚度测量。
2023-07-07 eess.SP
A Discussion on the Algorithm Design of Electrical Impedance Tomography for Biomedical Applications
在本文中，我们提出了一个讨论的算法设计的电阻抗断层成像（EIT）的生物医学应用。基于Maxwell微分方程和导出的有限元线性方程组，我们首先研究了基于奇异值分解（SVD）近似估计包含阻抗值的矩阵的可能性。其次，基于生物医学特性，我们进一步探讨了通过注入不同类型的多频率电流来唯一地恢复阻抗值的可能性。注入各种类型的多频电流导致一组不同的测量电压配置，因此在生物细胞以不同方式响应于不同类型的注入电流的假设下，提高了以稳定方式唯一恢复阻抗值的可能性。
2019-01-14 eess.SP q-bio.QM
Deep Learning for High-Impedance Fault Detection: Convolutional Autoencoders
The University of Western Ontario（西安大略大学）
高阻抗故障（HIF）由于其电流幅度低且特征高度多样化而难以检测。近年来，机器学习（ML）在HIF检测中越来越受欢迎，因为ML技术从数据中学习模式并成功检测HIF。然而，由于这些方法基于监督学习，因此它们不能可靠地检测不存在于训练数据中的任何场景、故障或非故障。因此，本文利用无监督学习，并提出了一个卷积自动编码器的HIF检测框架（CAE-HIFD）。与从正常行为学习的传统自动编码器相反，CAE-HIFD中的卷积自动编码器（CAE）仅从HIF信号学习，从而消除了CAE训练中存在各种非HIF场景的需要。CAE通过采用互相关将HIF与非HIF操作条件区分开。为了区分HIF与电容器或负载切换等瞬态干扰，CAE-HIFD使用峰度，这是一种概率分布形状的统计测量。使用IEEE 13节点测试馈线进行的性能评估研究表明，CAE-HIFD可靠地检测HIF，优于最先进的HIF检测技术，并且对噪声具有鲁棒性。
2021-06-24 cs.LG eess.SP
Monitoring and Detection of Low-current High-Impedance Faults in Distribution Networks
配电网络中的故障有可能引发火灾，导致触电，并损坏系统本身。高电流低阻抗故障（LIF）通常通过过电流、距离、方向继电器、熔断器等检测和缓解。相比之下，虽然高阻抗故障（HIF）同样危险，但由于故障电流远低于负载电流及其时变和非线性行为，它们的检测更具挑战性。此外，新西兰配电网络广泛，在变电站之外基本上不受监控，合适的HIF检测方案仍然是一个正在进行的研究挑战。到目前为止，我们已经建立了一个物理试验设施，用于电力系统故障分析和开发和评估我们的传感和故障检测系统。我们模拟了LIF和HIF与不同的断层面材料和负载切换事件。从收集的数据中，我们描述了400 V网络中LIF和HIF的独特故障行为，并训练了一个深度学习分类器，以从其独特的特征中识别故障类型。我们开发了一种户外杆安装传感系统，并将其安装在惠灵顿电力公司的网络中，以进行持续的数据收集和评估。本文将描述的测试设备和我们的经验，开发和实施的传感系统。所观察到的HIF现象的范围最广的是在涉及树枝的故障实验中。因此，为了简洁起见，本文仅报道这些树枝实验的结果。其他表面材料上的HIF故障将在其他地方报告。最后，我们将详细介绍安装在惠灵顿电力公司网络中的可安装在杆上的传感系统以及迄今为止的成果。
2022-10-30 cs.SY eess.SP eess.SY
Fault Location Estimation by Using Machine Learning Methods in Mixed Transmission Lines
Konya Technical University（科尼亚技术大学）
架空线路通常用于电能传输。另外，交联聚乙烯地下电缆线路一般用于城市中心和拥挤地区，以提供电气安全，因此高压地下电缆线路与架空线路一起使用，这些线路被称为混合线路。距离保护继电器用于根据输电线路中的电流和电压大小确定基于阻抗的故障定位。然而，由于高压电缆线路的特性阻抗与架空线路的特性阻抗显著不同，因此在混合输电线路中由于每单位长度的特性阻抗不同而不能正确地检测故障位置。因此，在混合输电线路中，利用距离保护继电器确定故障区段和故障位置是困难的。在本研究中，154 kV架空输电线路和地下电缆线路作为距离保护继电器的混合输电线路进行了研究。利用PSCAD软件对混合线路进行了相间故障仿真，并对架空线路段和地下电缆段进行了仿真。针对架空输电线路和地下电缆输电线路故障，在距离保护继电器中生成短路故障图像。图像包括故障的RX阻抗图，并且RX阻抗图已经通过应用图像处理步骤被检测到。回归方法用于故障位置的预测，并且图像处理的结果用作回归方法的训练过程的输入参数。最后对回归方法的结果进行了比较，以选择最适合输电线路故障定位的方法。
2020-11-06 cs.LG eess.SP
A High Accuracy and High Sensitivity System Architecture for Electrical Impedance Tomography System
针对电阻抗断层成像片上系统的读出电路，提出了一种高精度、高灵敏度的系统结构。该架构采用了开关比率计量技术。所提出的系统架构通过处理来自读出电极和刺激的信号来最小化设备噪声。量化信号在数字处理单元中进行后处理，以进行适当的信号解调和阻抗比计算。我们提出的架构提高了读出电路的灵敏度，抵消了系统中的增益波动，并克服了运动伪影对测量的影响。
2018-10-02 cs.ET eess.SP physics.med-ph
Time-Constant-Domain Spectroscopy: An Impedance-based Method for Sensing Biological Cells in Suspension
阻抗测量是表征和检测生物细胞电特性的常用技术。然而，为了解码潜在的物理过程，它需要复杂的电气模型以及所研究样品的先验知识。在这项工作中，我们介绍了一个有吸引力的无标记的方法，用于传感悬浮液中的生物细胞的电阻抗测量和弛豫时间分布（DRT）模型的基础上。DRT将阻抗数据从频域映射到时间常数域频谱（TCDS），是数据分析的有用且稳健的方法。我们在1 kHz至1 MHz的范围内进行阻抗测量，以获得用于感测模拟样品以及悬浮液中的HeLa细胞的TCDS。结果表明，TCDS可以被视为样品的电指纹，因为它可以以高灵敏度和分辨率解码关于组成和结构的有用信息。
2020-11-30 eess.SP physics.ins-det
A Feature Selection Method for High Impedance Fault Detection
Arizona State University（亚利桑那州立大学）；General Electricity Company of Libya（利比亚电力公司）
本文提出了一种系统化的特征提取方法，结合故障事件的时间、持续时间和幅度，整合电力专家信息，并通过特征排名平衡信息增益与复杂度，提升高阻抗故障检测的可靠性和安全性。
2018-08-13 cs.SY eess.SP eess.SY
Distortion-Based Detection of High Impedance Fault in Distribution Systems
配电网高阻故障的检测对保障电网安全用电具有重要意义。然而，许多HIF由于其低电流和不同的特性而难以识别。特别是弱燃弧过程中的轻微非线性、热耗散滞后引起的失真偏移以及背景噪声的干扰，都可能导致传统检测算法失效。本文提出了一种基于失真的算法来提高HIF检测的可靠性。首先，通过在10 kV配电系统中的实验，说明了HIF特性的多样性所带来的挑战。然后，根据其特点将HIF分为五种类型。其次，定义一个区间斜率来描述高频信号波形畸变，并采用线性最小二乘滤波（LLSF）和基于Grubbs准则的鲁棒局部回归平滑（Grubbs-RLRS）方法提取该区间斜率，从而统一不同故障条件下的特征描述。第三，提出了一种识别区间斜率所描述的故障特征的算法和判据。最后，利用现场HIF数据对算法的检测可靠性进行了验证，并与其他先进算法进行了比较，结果表明了算法的改进。
2020-04-12 cs.SY eess.SP eess.SY
Electrical Impedance Tomography with an Integrated Picoliter-Volume Subtractive Microfluidic Chamber in 65 nm CMOS
本文首次在 65 nm CMOS 芯片互连层中通过后处理集成皮升体积微流控腔和 16 电极阵列，实现全集成电阻抗层析成像，验证了 CMOS 作为微流控与电子协同集成平台的概念。
2025-08-28 eess.SP physics.ins-det
Physics-Informed Learning for High Impedance Faults Detection
配电网中的高阻抗故障（HIF）会引起野火，威胁人类生命。常规的变电站保护继电器不能检测到超过10%的HIF，因为过电流很低，并且HIF的特征是局部的。随着配电系统中安装更多的$μ$ PMU，高分辨率的$μ$ PMU数据集提供了从多个点检测HIF的机会。尽管如此，应用$μ$ PMU数据集的主要障碍是缺乏标签。为了解决这个问题，我们构建了一个物理信息卷积自动编码器（PICAE）来检测没有标记的HIF进行训练的HIF。我们PICAE的意义是一个物理正则化，来自电压-电流特性的椭圆轨迹，即使在高噪声的情况下，从其他异常事件区分HIF。我们制定了一个系统范围的检测框架，合并多个节点的本地检测结果，以提高检测的准确性和可靠性。在PSCAD/EMTDC仿真的IEEE 34节点试验馈线中验证了所提出的方法。我们的PICAE优于现有的作品在各种情况下，是强大的不同的可观测性和噪声。
2021-03-15 cs.SY eess.SP eess.SY
Design of a Wearable Parallel Electrical Impedance Imaging System for Healthcare
Northeast Normal University（东北师范大学）
本文提出了一种基于AD5933芯片的可穿戴并行EIT系统，通过电压激励方法实现肺部呼吸的高精度实时成像，具有高信噪比和低误差的性能指标。
2026-03-05 eess.SP physics.med-ph
Fused electrical impedance tomography using an electromagnetically tracked handheld probe for oral cancer margin assessment: reconstruction methods and phantom validation
Thayer School of Engineering, Dartmouth College（达特茅斯学院泰勒工程学院）；Geisel School of Medicine, Dartmouth College（达特茅斯学院盖泽尔医学院）
本研究开发采用电磁跟踪手持探头的融合电阻抗断层成像方法，经模拟与体模实验验证，可将口腔癌边界定位精度提升至0.5mm内，融合差分EIT抗噪性最优，为临床可部署的阻抗成像技术奠定基础。
2026-08-04 eess.IV eess.SP
Optimizing electrode positions in 2D Electrical Impedance Tomography using deep learning
University of Sheffield（谢菲尔德大学）；University of Science and Technology of China（中国科学技术大学）
电阻抗断层成像（EIT）是一种功能强大的工具，可用于无损评估、状态估计和过程断层成像等众多应用。对于这些应用，并且为了使用EIT可靠地重建给定过程的图像，我们必须从感兴趣的目标获得高质量的电压测量。因此，很明显，用于测量的电极的位置在这项任务中起着关键作用。然而，迄今为止，用于最佳地放置电极的方法要么需要关于EIT目标的知识（其在实践中从未完全已知），要么在计算上难以数值地实现。在本文中，我们规避了这些挑战，并提出了一种简单的基于深度学习的方法来优化电极位置。结果发现，优化的电极位置优于“标准”均匀分布的电极布局在所有的测试情况下。此外，发现使用本文导出的方法计算的优化电极位置的使用可以减少EIT重建中的误差以及提高EIT测量的可重复性。
2020-01-13 cs.LG eess.SP math.OC
Inferring respiratory and circulatory parameters from electrical impedance tomography with deep recurrent models
Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希·赫兹研究所）；University Medical Center Schleswig-Holstein（石勒苏益格-荷尔斯泰因大学医学中心）
电阻抗断层成像（EIT）是一种无创成像方式，可以连续评估不同器官的局部生物阻抗变化。其最常见的生物医学应用之一是监测在重症监护室治疗的危重患者的局部通气分布。在这项工作中，我们提出了一项原理验证研究，该研究演示了如何使用以端到端方式训练的深度学习模型从EIT图像序列中重建同步测量的呼吸或循环参数。我们证明，人们可以准确地推断绝对容量，绝对流量，归一化的气道压力，甚至在一定的限制范围内，归一化的动脉血压从EIT信号单独的，在某种程度上，推广到看不见的病人没有事先校准。作为具有直接临床相关性的展望，我们进一步证明了从EIT和绝对气道压力的组合重建绝对经食管压力的可行性，作为一种可能取代食管压力的有创测量的方法。有了这些结果，我们希望能激励进一步的研究建立在这项工作中提出的框架。
2020-10-19 cs.LG eess.IV eess.SP
A Feasibility Study on Real-Time High Resolution Imaging of the Brain Using Electrical Impedance Tomography
目的：电阻抗断层成像（EIT）的优势在于其能够通过使用无创、辐射安全的技术对体内进行成像，并且没有已知的危险。在本文中，我们介绍了一种新的想法，在脑深部电刺激（DBS）手术过程中使用EIT的微电极，以获得周围的微电极的脑组织的电导率的图像。DBS是一种手术治疗，涉及在大脑内植入医疗探头。对于这样的应用，EIT重建方法必须提供高质量和对噪声的鲁棒性。研究方法：本文介绍了一种开域电阻抗成像后处理方法，该方法将线性和非线性方法相结合，以发挥两者的优点，同时限制两者的缺点。重建方法是一个两步的方法，第一个解决了逆问题的线性算法和第二个带来的非线性方面回到图像。结果：所提出的方法进行了测试模拟和体模数据，并比较了三个广泛使用的EIT成像方法。所产生的图像和误差为所提出的解决方案提供了强大的优势。结论：体模数据的高质量重建验证了新的重建方法的有效性。意义：该可行性研究为开放域EIT提供了一种有效的方法，并为临床试验开辟了道路。
2022-03-07 cs.SY eess.SP eess.SY
Fault Localisation in Infinite-Dimensional Linear Electrical Networks
提出了一种针对无限维线性时不变电气网络的新型故障定位方法，通过频域分析将问题转化为非凸标量优化问题，并验证了其在多导体传输线中的有效性。
2025-04-07 cs.SY eess.SP eess.SY
