在工业管道运输中，存在大量多相物质混合流动的情况，通常称之为多相流. 相是指某一系统中具有相同成分及相同物理、化学性质的均匀物质部分. 在宏观上，常把自然界分为三相，即气相、液相和固相. 多相流即指同时存在2种或2种以上不同相物质的流动系统，如工业中管道输油、生活中雾霾飘移等. 在多相流系统中，由于各相间的相互作用，时间和空间上均存在随机可变的相界面，致使多相流系统流动特性复杂，参数检测困难.

3.绿色债券指数品种不断丰富。随着我国绿色债券市场发展，目前我国已经发布多个绿色债券指数和气候相关指数（见表2）。绿色债券指数的编制为投资者追踪绿色债券市场表现、帮助投资者发现为低碳转型提供支持的固定收益投资项目、提高绿色债券市场流动性等提供了帮助。

20世纪80年代中期兴起的层析成像技术(computed tomography，CT)因采用非侵入或非接触方式测量，能在线连续地提供多相流体截面状况的二维可视化信息，并可经进一步处理提取被测多相流体的特征参数，受到了普遍关注. 英国利兹大学的相关学者在早期对超声层析成像(ultrasonic tomography, UT)技术做了基础性的研究. 1996年，Hoyle[1]介绍了超声传感器在层析成像中的优势与难点，综述了透射式和反射式UT技术的原理及数学基础. 1997年，Li等[2]讨论了限制UT实时性的因素，引入频谱分析法来确定接收信号的相位信息以分离重叠信号，采用个数较少的传感器提高了UT系统数据采集的效率. 同一时期，日本相关学者也开展了UT技术的研究. 1999年，静冈大学的Ohkawa等[3]将传统透射式UT技术与滤波线性反投影(filter linear back projection，FBP)算法相结合，以浆态鼓泡塔为研究对象，采用平行波束投影，对鼓泡塔中固体颗粒与气泡分布进行了图像重建. 2001年，静冈大学的Utomo等[4]以浆态鼓泡塔为研究对象，采用迭代滤波反投影算法，对塔中气泡和TiO2颗粒分布状况进行了研究. 2000年以后，马来西亚理工大学对UT技术在多相流参数检测方面的应用进行了诸多的研究. 其中，2006年，马来西亚理工大学Rahiman等[5]设计了一套透射式UT系统，该系统将16对激励接收传感器均匀布置在管道外壁，采用扇形波束激励，分别运用线性反投影(linear back projection，LBP)算法和混合二值化重建(hybrid-binary reconstruction，HBR)算法对气/液两相流状态分布进行实时重建，重建速度为10帧/s. 2007年，Rahim等[6]采用透射式UT系统监测油水两相流的组成比例，用接收电压估计油占混合液体的百分比. 2010年，Rahiman等[7]为透射式扇形波束UT系统设计了前端硬件电路，并对信号产生、获取与处理进行了讨论. 同年，Ayob等[8]采用透射式UT系统，利用16对激励接收传感器重建气/液两相流中气泡分布，并针对传感器阵列设计了夹具，实验结果表明所搭建系统可以有效识别气泡位置与尺寸. 2012年与2014年，Abbaszadeh等[9-10]以金属输油管道中两相流为研究对象，着重优化了传感器激励频率，得到最优激励频率为45 kHz. 以此频率激励超声传感器，可以检测出金属管中泡状流的气体轮廓信息. 2014年，Nordin等[11]利用反射式UT系统，采用LBP算法进行图像重建，用于检测油气管道表面是否存在缺陷. 与国外相比，国内对于UT技术的研究进展缓慢，相关报道较少. 1995—1997年，天津大学徐立军提出了一种二进制逻辑算法，采用透射式UT系统对气/液两相流进行实时流型重建，重建速度可以达到47.1帧/s，并对系统流型识别和空隙率检测进行了评估[12-16].

在以上研究基础上，本文考虑到传感器数量对成像质量的影响较大，因此，对传感器数量进行了对比研究，用LBP算法对各种不同流型进行了图像重建. 为进一步提高成像质量，引入了自适应阈值滤波(adaptive threshold filtering，ATF)算法对原始成像结果进行二值化处理. 最后，用图像相关系数对重建结果进行了定量评价，进一步说明重建结果的优劣.

1 超声层析成像技术的基本原理

1.1 逆问题求解

超声层析成像系统的基本结构(如图1所示)包括3部分：获取被测物场信息的传感器空间阵列；数据采集与处理单元；图像重建与物场参数提取单元.

图1 超声层析成像系统的基本结构 Fig.1 Basic structure of the ultrasonic tomography system

超声层析成像本质属于逆问题求解，即根据检测区域的敏感场分布和边界条件求取物场分布(图像)，其实质就是图像重建过程. 因此，已知测量传感器的测量值，根据敏感场分布重建检测区域内部的介质分布即为层析成像逆问题的求解. 传感器的测量值与物场分布之间存在映射关系，这种映射关系可简化为

Vn×1=Sn×m×Gm×1

(1)

式中：V为测量值向量；S为灵敏度矩阵；G为检测区域介质分布像素向量；n为测量值个数；m为重建图像像素个数. 此时，逆问题的求解可表示为

(2)

从式(2)可知，由于已知量个数远小于未知量个数(n≪m)，且灵敏度矩阵S的逆矩阵是不存在的(S矩阵不是满秩矩阵)，可见超声层析成像的逆问题属于病态问题. 此时，需要寻找灵敏度矩阵逆矩阵的替代矩阵或是通过其他迭代的方式对G进行求解. 通常的做法是用灵敏度矩阵的转置矩阵ST代替其逆矩阵S-，即

(3)

此方法即为线性反投影算法.

1.2 几何声学近似

表2为图像相关系数的计算结果，观察表2可知，3种不同的典型流型随着传感器数量的增加，图像相关系数逐渐变大，考虑到实际应用中增加传感器数量必然导致数据量的增加，会使数据处理时间增长，拖慢成像速度，为将来的实时检测带来困难；另一方面，传感器都有一定的尺寸，对于一定直径的管道来说，也不能无限制地增加传感器数量. 本文在不考虑实时性、传感器几何尺寸的情况下，通过以上研究表明，线性反投影算法能够对3种不同的典型流型进行图像重建，特别是当传感器数量为32个时，成像质量更佳.

≫1

(4)

图7为建立的透射式UT系统仿真模型，管内径为100 mm，壁厚为3 mm，管壁材料为亚克力，在管壁外围以无损的形式分别布置8、16、32个传感器. 激励信号为汉宁窗调制的5周期正弦信号，频率为300 kHz. 传感器的激励采集方式为一激励多接收，扇形波束角θ为90°，以32传感器为例，当传感器T1激励时，与其正对的17个传感器接收信号(见图7)，每个传感器依次激励，当进行一次完整的扫查后将接收到544组信号.

从图4可知，直达波传播路径最短，因此，其耗时最短(忽略管壁中声波). 一般将超声波从激励传感器到达接收传感器所耗费的时间称为渡越时间(time of flight，TOF)，渡越时间tF可根据图5确定. 对于直达波而言，已知激励接收传感器的位置，可求得二者间的传播距离. 由于水中波速恒定为1 497 m/s，故可计算得到直达波对应的tF. 取tF之后直达波的第1个最大值所对应的时间(图5中的ts)作为渡越时间的真实值，该时刻对应的信号幅值作为接收信号的真实幅值，并将其作为投影数据应用到后续的成像中[5].

又由于

λ=c/f=cT

(5)

[11] NORDIN N, IDROAS M, ZAKARIA Z, et al. Tomographic image reconstruction of monitoring flaws on gas pipeline based on reverse ultrasonic tomography[C]∥IEEE International Conference on Intelligent and Advanced Systems. Piscataway: IEEE Press, 2014: 1-6.

≫1

(6)

简记为

ka≫1

(7)

式中：k=2πf/c；a为气泡半径；λ为入射波长；c为波速；f为入射波频率.

此时，气泡成为声波的不透明体，其曲线界面相对于入射波长而言可近似认为是平面，入射声波在界面上直接被反射，无法衍射到气泡后方[17]. 波长比气泡尺寸小得越多，声影越显著，这种近似称为声传播的几何声学近似.

图2给出了在满足式(7)情况下，采用扇形声束照射气相障碍物的投影情况. 激励传感器发射的扇形声束可以覆盖1个或者多个接收传感器，由于入射声波被气相障碍改变传播方向，形成声影，如图2中白色区域所示，此时接收传感器接收不到或仅能接收到微弱的声波信号.

图2 扇形波束入射的投影情况 Fig.2 Incident projection of fan-shaped beam

1.3 透射式超声层析成像

由物质声阻抗特性可知，气/液两相介质的声阻抗差别较大，其中，Zwater=1.494×106 kg/(m2·s)，Zair=0.428 6×103 kg/(m2·s)，接触界面的声波反射因数可达r=(Z2-Z1)/(Z2+Z1)=0.999 4，当超声波在水中的传播过程中遇到气泡时，声波能量几乎全部被反射回水中，即气泡近似于声的不透明体. 即使有很小部分声波能穿过空气与水的界面进入气泡内部，该能量也会在气泡内经过几次反射衰减掉. 因此，声波的传播可认为只存在于液相之中. 从宏观角度，在ka≫1的情况下，由于气泡对声波的强散射作用，声波会被气泡全反射而改变传播方向，即气泡为入射声波的强散射体，这时的气/液两相介质属于强不均匀介质.

以一对超声传感器分别作为激励、接收传感器为例进行分析. 当激励传感器和接收传感器之间不存在气泡时，接收传感器接收到的信号为Vs；当激励和接收传感器之间存在气泡时，接收传感器接收到的信号为Vr. 声波传播过程存在的能量关系(如图3所示)为

本条第二款规定，具有高等院校专科以上学历的公民，可以参加评估师资格全国统一考试。根据这一规定，在学历方面，只要具有高等院校专科以上学历的公民，就可以参加评估师资格全国统一考试。资产评估是评定、估算资产价值的专业服务，既需要专业知识，更需要实践经验，因此，参加评估师资格考试在学历方面的要求不宜定得过高，规定具备高等院校专科以上学历的公民就可以参加考试，有利于通过评估师资格考试吸引和锁定更多人才。需要注意的是，除房地产估价师考试外，评估师资格全国统一考试是水平评价性质，不是行业准入考试，公民可以自愿参加。有关部门现有的规定与本法规定不一致的，应当在本法实施前及时根据本法作出修改。

Vg=Vs-Vr

(8)

图3 透射式UT检测模型 Fig.3 Detection model of transmission-mode UT

通过对有、无气泡2种情况下接收到的信号进行分析，气泡的存在会对接收信号幅值产生影响. 而接收到的信号不完全来自于水中的直达波信号，故需要对信号提取进行研究. 图4为一对超声传感器激励和接收声波示意图. 超声波从激励传感器出发到达接收传感器主要有3种传播路径：直达波、管壁反射波和气泡反射波.

图4 声波传播路径 Fig.4 Propagation path of acoustic

信息管理作为高校学生管理工作中的重要组成部分，能够为高校学生管理工作决策提供科学指导，从而确保高校学生管理工作的及时有效性。但在目前的高校学生管理工作中，始终存在信息不通畅的问题。一方面，由于学生与辅导员之间缺乏良好的沟通，所以，辅导员很难及时掌握学生的现状，更不用提及时解决学生的实际问题了。另一方面，由于高校班级管理十分涣散，所以，辅导员很难对学生进行全方面指导，甚至连开集体班会的机会都少之又少，这对高校学生管理工作非常不利。

2 基于LBP算法的传感器数量研究

2.1 LBP算法

本文利用LBP算法进行图像重建，图像重建的关键是敏感场(即灵敏度矩阵)的求取. UT系统中的LBP算法通常采用几何声学近似处理，将声波传播路径近似为直线，并且需要考虑传感器的波束角. 敏感场的构建过程如图6所示.

观察两组患儿的体温恢复正常时间、肺炎复发率;使用调查评分表调查家长对于护理干预的满意度,评分85分及以上为非常满意,评分75~85分为满意,评分低于75分为不满意[2]。满意度=(非常满意+满意)/总例数×100%。

图6 敏感场构建方法 Fig.6 Construction method of sensitivity map

首先将成像区域离散化，本文中将成像区域离散化为128×128像素点，以一对传感器激励接收为例，将二者直线路径上所占的像素点的值置1，其余像素点的值置0，以此作为此对传感器之间的灵敏度矩阵. 图6(a)为传感器T1激励，传感器T9接收时灵敏度矩阵S19的网格化示意图；图6(b)为所有成对敏感场叠加的结果.

32个传感器的成像结果要优于8个和16个传感器时的成像结果，因此，运用ATF算法仅对32个传感器时的重建图像进行阈值处理. 表3为采用ATF算法阈值处理后得到的6种不同流型的成像结果. 通过观察可知，LBP算法可以较好地实现不同流型的重建，但成像中存在明显的噪声，成像对比度和分辨率较低，而采用ATF算法二值化处理后，成像噪声被抑制，成像对比度和分辨率得到了显著提高. 表4为ATF算法二值化后的图像与标准图像的图像相关系数. 观察发现，采用ATF算法二值化处理后各种流型的图像相关系数都有不同程度的提高，其中泡状流提高显著；除了层流的相关系数略低(0.601 6)外，其他5种流型的图像相关系数在ATF算法处理后都达到了0.800 0以上，其中环流的相关系数甚至达到了0.966 6，由此可以证明，ATF算法确能有效提高成像质量.

数据库包含两部分，空间数据库和属性数据库。考虑数据存储规模以及软件系统性质，数据库采用微软公司的SQL Server2008。属性数据库从机井信息，配水情况信息，实时监控情况，历史记录情况等多个方面综合考虑进行搭建。

ΔVij=ΔUij+ΔUji

(9)

式中：ΔUij为传感器i激励，传感器j接收时有、无气泡的电压损失值；ΔUji为传感器j激励，传感器i接收时有、无气泡的电压损失值.

2.4 基质效应与提取回收率 低、中、高 3 种浓度 5-羟色胺和 5-HIAA 待测物及内标提取回收率在86.86%～98.49%，基质效应在 89.80%～95.25%，见表3。

求得灵敏度矩阵和投影数据后，利用LBP算法(见式(3))的离散表达形式进行图像重建，即

(10)

式中：M为激励传感器的总数；N为接收传感器的总数.

2.2 阵列中传感器数量选择

传感器阵列是UT系统的核心之一，传感器的数量、布置方式、工作方式等直接影响图像重建速度与重建质量等，其中，传感器数量对UT系统的优劣影响较大. 目前，超声层析成像技术中传感器数量对图像重建结果影响的研究较少，因此，采用图7所示的透射式UT系统对传感器数量进行对比研究，分别使用8、16、32个传感器对图8所示的单泡状流、环流、层流3种代表流型进行图像重建，通过计算重建图像与标准图像的相关系数，对比得到传感器数量与图像重建质量的关系.

时，在颗粒后方(背向声波入射方向)将形成声影区，衍射效应可以忽略.

当宝宝长期处在负面情绪下，只要需求没有获得立即满足，就会用啼哭、使性子或耍赖撒泼的方式来抗争，这时如何平复他的情绪？

为了尽可能去除其他因素的影响，使传感器数量对重建结果的影响更为明显，因此，在仿真中忽略了管壁，并且将加载方式设置为点加载.

程小青在翻译《罪数》时，大量地采用了异化的翻译手法，最为显著的表现就是译文中保留了大量的英文词。除此之外，他的异化策略主要表现在以下两个方面。

图7 透射式UT系统仿真模型 Fig.7 Simulation model of transmission-mode UT system

图8 重建流型 Fig.8 Flow patterns to be reconstructed

表1为不同传感器数量的LBP算法重建结果，从直观上看，3种流型的成像质量均随着传感器数量的增加逐渐变好. 为进一步对重建结果进行定量评价，引入图像相关系数(image correlation coefficient，Icr)[18]. Icr用来表征重建图像接近原始图像的程度，是一个偏大型指标，其值越高，表明重建图像越接近原始图像. Icr的计算公式为

(11)

式中：l为重构图像的第l个像素值，l(l=1,2,3，…，m)表示像素点；gl为标准图像的第l个像素值；为重构图像的像素值均值；为标准图像的像素值均值. 为重构图像矩阵，g为真实状态下截面分布的图像矩阵，即标准图. 标准图的获得首先需离散化成像区，然后根据不同的流型使空气部分的像素值置1，其余所有部分的像素值均置0，最后画出管壁.

由物理学可知，当声波波长与障碍物的尺寸可比较时，衍射效应显著，当声波波长与障碍物尺寸满足

很多教师觉得苦点、累点没关系，就怕被人误解，具有受到公平公正对待的强烈诉求。第一，在工作过程中，希望学校在对教师评价、考核机制和绩效工资等方面，公正、公平的对待每一个教师。第二，在教师政策制定和执行的过程中，希望能够体现公平，兼顾不同学科、年龄等不同利益教师群体，尽量扩大政策受益面。第三，希望公平公正的得到社会、学校、学生以及学生家长的尊重，保护教师的职业尊严。

表1 不同传感器数量的LBP算法成像结果

Table 1 Imaging results of LBP algorithm using differentnumber of transducers

表2 不同传感器数量的LBP算法重建结果与标准

图像的相关系数

Table 2 Correlation coefficient between reconstructed image and standard image using different number of transducers

流型8传感器16传感器32传感器单泡状流0.20010.41860.5081环流0.53410.66210.8105层流0.16010.44360.5920

3 成像结果优化及分析

层析成像技术的重建结果通常为彩色图像，为了提高成像质量(如增强对比度，使重建对象与背景介质更易于分辨)，往往采用某些方法对重建图像进行优化与处理. 首先，采用第2节对比研究得到的传感器个数对更广泛的流型种类进行重建，在2.2节中3种典型流型的基础上增加了另外3种不同流型(见图9)；其次，采用自适应阈值滤波算法(adaptive threshold filtering algorithm，ATF)对原始重建结果进行二值化处理；最后，计算二值化图像与标准图像的相关系数，验证二值化阈值处理的有效性.

图9 新增重建流型 Fig.9 Added flow patterns to be reconstructed

ATF算法[19]是一种基于浓度的阈值迭代处理方法，其算法流程图如图10所示. 这里的浓度是指重建目标所包含的像素个数占欲重建区域像素总数的比例，初始化浓度记为βm，可通过非阈值成像效果与经验进行选择，此处通过标准图像计算得到. 迭代过程设定2个比较变量，阈值增量ΔT，浓度增量Δβ. 阈值增量的作用在于以最低像素值为参考，按照一定的步长增量求取合适的阈值；浓度增量的实质是从初始值开始以一定的步长增量设定浓度的允许误差值，此处二者的初始值均设为0. 以流程图为例，每迭代一次增量均增加步长0.000 5，步长可根据实际运算进行修正. 阈值选取公式为

图10 自适应阈值滤波算法流程图 Fig.10 Flow chart of adaptive threshold filtering algorithm

Tr=Gmin+ΔT(Gmax-Gmin)

(12)

阈值Tr以最低像素值为参考，增量为像素差值与阈值增量的乘积. 根据得到的阈值进行图像分割，高于阈值的像素点设为1，低于阈值的像素点设为0；根据分割后的图像求取浓度βt，若浓度βt与初始化浓度βm的差值不小于浓度增量，则返回，重复此过程，随迭代次数的增加，阈值增量ΔT逐渐增加并可能大于1，若如此则重置ΔT. 重复上述过程，直至不满足上述判定条件，返回阈值处理后的图像，即为二值化的图像Gnew. 通过图像二值化，可以明显分辨重建对象与背景介质的分布情况.

从式(3)可知，求得灵敏度矩阵之后需结合测量值向量(投影数据)才能进行图像重建. 由1.3节的讨论可知，采用几何声学近似后，投影数据为有、无气泡时的电压损失值，因此，本文中与灵敏度矩阵Sij相对应的投影数据的计算公式为

表3 不同流型的ATF阈值处理结果

Table 3 ATF threshold processing results ofdifferent flow patterns

表4 不同流型重建结果与标准图像的相关系数

Table 4 Correlation coefficient between reconstructed imageand standard image of different flow patterns

流型原始重建结果与标准图像相关系数二值化图像与标准图像相关系数单泡状流0.50810.8769双泡状流0.55520.8620多泡状流0.63640.8632环流0.81050.9666偏心流0.73110.8279层流0.59200.6016

4 结论

1) 超声层析成像技术检测两相流流型过程中，传感器数量越多，成像质量越优. 针对本文中给出的UT系统，32个传感器成像质量更优.

2) 线性反投影算法能够有效地实现对不同流型的图像重建.

3) 自适应阈值滤波算法能显著提高成像质量.

参考文献：

[1] HOYLE B S. Process tomography using ultrasonic sensors [J]. Measurement Science and Technology, 1996, 7(3): 272-280.

[2] LI W, HOYLE B S. Ultrasonic process tomography using multiple active sensors for maximum real-time performance [J]. Chemical Engineering Science, 1997, 52(13): 2161-2170.

[3] OHKAWA M, KAWATA N, UCHIDA S. Cross-sectional distributions of gas and solid holdups in slurry bubble column investigated by ultrasonic computed tomography [J]. Chemical Engineering Science, 1999, 54(21): 4711-4728.

[4] UTOMO M B, WARSITO W, SAKAI T, et al. Analysis of distributions of gas and TiO2 particles in slurry bubble column using ultrasonic computed tomography [J]. Chemical Engineering Science, 2001, 56(21): 6073-6079.

[5] RAHIMAN M H F, RAHIM R A, TAJJUDIN M. Ultrasonic transmission-mode tomography imaging for liquid/gas two-phase flow [J]. IEEE Sensors Journal, 2006, 6(6): 1706-1715.

[6] RAHIM R A, NYAP N W, RAHIMAN M H F, et al. Determination of water and oil flow composition using ultrasonic tomography techniques [J]. Elecktrika, 2007, 9(1): 19-23.

[7] RAHIMAN M H F, RAHIM R A, AYOB N M N. The front-end hardware design issue in ultrasonic tomography [J]. IEEE Sensors Journal, 2010, 10(7): 1276-1281.

[8] AYOB N M, YAACOB S, ZAKARIA Z, et al. Improving gas component detection of an ultrasonic tomography system for monitoring liquid/gas flow[C]∥IEEE International Colloquium on Signal Processing and Its Application. Piscataway: IEEE Press, 2010: 278-282.

本研究经我院医学伦理委员会审核批准，所有受试者均知情同意并签署知情同意书。各组受试者的年龄、性别比较，差异均无统计学意义（P＞0.05），具有可比性。

[9] ABBASZADEH J, RAHIM H B A, RAHIM R B A. Optimizing the frequency of ultrasonic tomography system with a metal pipe conveyor[C]∥IEEE International Colloquium on Signal Processing and Its Application. Piscataway: IEEE Press, 2012: 52-57.

[10] ABBASZADEH J, RAHIM H B A, RAHIM R B A, et al. Frequency analysis of ultrasonic wave propagation on metal pipe in ultrasonic tomography system [J]. Sensor Review, 2014, 34(1): 13-23.

KOA是生物因素与机械损伤共同作用的结果，治疗以减轻症状和改善膝关节功能为目的。臭氧膝关节腔注射能通过多种机制达到抗炎镇痛作用[1]：①诱导产生超氧化物歧化酶，使间质细胞、关节软骨合成增多，刺激软骨和纤维原细胞增殖，从而对关节软骨起到修复作用；②促进释放免疫抑制因子；③抑制或灭活蛋白水解酶和炎性介质，减轻无菌炎症；④减轻DNA氧化性损伤，保持软骨细胞膜结构、功能的完整性以及软骨细胞的正常分裂增殖，促进软骨基质合成，抑制分解。

代入式(4)可得

[12] 徐立军, 徐苓安. 超声层析成像监测气/液两相泡状流体分布[J]. 天津大学学报(自然科学与工程技术版), 1995, 28(2): 129-135.

XU L J, XU L A. Ultrasound computerized tomography applied to distribution monitoring of gas/liquid two-phase fluid [J]. Journal of Tianjin University (Science and Technology), 1995, 28(2): 129-135. (in Chinese)

[13] 徐立军, 韩忠礼, 陈震祥, 等. 气液两相泡状流体监测用超声层析成象系统的研究[J]. 仪器仪表学报, 1996, 17(1): 1-7.

XU L J, HAN Z L, CHEN Z X, et al. Investigation of ultrasound tomography system used for monitoring bubbly gas /liquid two-phase fluid [J]. Chinese Journal of Scientific Instrument, 1996, 17(1): 1-7. (in Chinese)

[14] XU L J, HAN Y, XU L A, et al. Application of ultrasonic tomography to monitoring gas/liquid flow [J]. Chemical Engineering Science, 1997, 52(13): 2171-2183.

[15] XU L J, XU L A. Gas/liquid two-phase flow regime identification by ultrasonic tomography [J]. Flow Measurement and Instrumentation, 1998, 8(3): 145-155.

高管内部薪酬差距、高管与员工薪酬差距与公司绩效的关系 ………………………… 刘春旭，丁 鹏（5．22）

[16] XU L J, XU L A. Ultrasound tomography system used for monitoring bubbly gas/liquid two-phase flow [J]. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, 1997, 44(1): 67-76.

[17] RAHIMAN M H F, RAHIM R A, RAHIM H A, et al. An investigation on chemical bubble column using ultrasonic tomography for imaging of gas profiles [J]. Sensors & Actuators B: Chemical, 2014, 202(10): 46-52.

[18] YANG W Q, PENG L. Image reconstruction algorithms for electrical capacitance tomography [J]. Measurement Science and Technology, 2003, 14(1): R1-R13.

作者用诗意的笔调，描述了她在虚拟的“海边草屋”，听到“竹林听雨”的诵读声，竟宿命般地被这位语言表达者磁性的声音吸引了，变得如醉如痴。从此，“竹林听雨”成为她寻寻觅觅的知音。作者对他们在虚拟空间的聊天，写得诗意隽永，禅味幽远，又恣意汪洋，显示两个人精神的标高。这样的聊天，是知的相遇，也应当是情的融合，爱的诉说，以至夜夜相见，不见不散。这一聊就是七年时光。

[19] XIE C G, PLASKOWSKI A, BECK M S. 8-electrode capacitance system for two-component flow identification. Part 1: tomographic flow imaging [J]. IEE Proc Part A, 1989, 136(4): 173-183.