随着现在生活水平不断提升,脑中风发病人数激增,脑中风已经成为除癌症之外威胁人类生命的一大杀手,脑中风及时得到检测和治疗会大大提高存活率和治愈率。所以脑中风的早期诊断尤为重要,同时也得到了海内外研究人员的高度关注。脑中风微波检测是利用微波技术对脑中风进行检测,具有及时快速,低成本,高有效性并且安全性能良好的优点。目前人体微波无损检测主要采用基于电磁逆散射原理的微波成像技术,难以有效地应用于具有复杂结构组织,中风病灶与正常组织介电特性相差不大的脑中风检测,本文将模式识别的分类检测方法用于脑中风检测,采用基于子空间分析法的脑中风检测分类器模型,提出了基于天线对交叉点的中风病灶定位算法,有效而且快速地检测并定位脑中风。本文首先介绍了微波检测脑中风的理论基础,包括脑部复杂的结构组织以及微波检测的基本原理,进行微波检测系统的设计,主要由产生激励信号的调制高斯脉冲、发送和接收天线、数据收集模块和数据分析模块四个部分组成。其次,本文基于时域有限差分法(FDTD,Finite-Difference Time-Domain)算法创建人脑电磁计算仿真模型,获取微波透射S参数作为仿真数据样本,并对两类不同样本,即含有血块的脑部数据和正常脑部数据,进行标识,组成样本库;然后进行特征提取,建立子空间线性分类函数,利用交叉验证,设计和训练子空间分类器,来区分这两类样本,并利用主角度序列法,对分类子空间基向量进行优化;进一步,建立子空间分类器识别血块是否在天线对连线上,进而利用天线对交叉定位原理,进行脑中风病灶的定位。然后搭建实验平台利用实验数据验证脑中风检测和定位方法,实验平台利用超宽带天线收发射频信号,根据脑部介电特性采用材料替代脑部具体组织,构建脑部头型。微波收集模块采用罗德施瓦茨(ZVL)矢量网络分析仪收集S参数。通过脑中风检测实验系统证明了本方法对实验数据具有较高的分类准确性。最后总结全文,并进行展望。经仿真和实验系统证明,基于子空间分类方法的脑中风检测和定位方法,具有较高的分类正确性,是一种有效的脑中风检测方法,适用于入院前预诊断,对于中风病人早期诊断和治疗具有重要的应用意义。