本文在多电极电磁非侵入式测量的基础上,通过测量血液流体边缘产生的感应电动势,实现将多电极电磁流量计(MEF)应用于人体肢体血液速度剖面的测量。心血管疾病如冠状动脉狭窄、冠心病、动脉粥样硬化等已成为严重危害人类健康的重大疾病,其发病率逐年上升;监测血液流速变化可以提前预防和控制此类疾病。因此研究多电极电磁肢体血液流速仿真与流速分布重建具有重大意义。文中采用有限元分析法,利用COMSOL Multiphysics5.3a仿真软件建立多电极肢体血液测量系统的三维模型。对C型线圈励磁系统进行仿真优化,仿真得出肢体截面处的磁感应强度;设置流动区域的速度,仿真得出因血液流动而产生的感应电动势,并求取区域权函数的数值。将血液考虑为非牛顿流体,采用Euler-Euler模型,数值模拟并分析血液层流和RANS湍流的固-液两相流动,为进一步研究肢体血液流速的测量提供了仿真支撑和帮助。人体肢体截面处动静脉的图像重建对于准确求取区域权函数至关重要,将建立在卷积神经网络(CNN)上的深度学习方法应用于多电极电磁流量计的动静脉图像重建中。采用十折交叉验证将大量的仿真数据分为训练集和验证集,网络结构基于LeNet,包含两个卷积层、两个池化层、辍学层和全连接层。图像重建的结果能够反映出动脉、静脉的位置、大小和形状。根据仿真数据,本文发展了截断奇异值分解和Tikhonov相结合的算法(TSVD_TIK)及分数阶Tikhonov算法(F_TIK),对16?16维度的病态矩阵进行速度重建。对比其与截断奇异值分解算法和Tikhonov算法的速度重建结果,发展的两种算法标准差小,可用于今后的速度重建工作中。通过分析分数阶Tikhonov算法不同分数阶参数的标准差,得到了最佳的分数阶参数。