近年来,脑中风的发病率和死亡率逐年攀升,统计表明,我国每年死于脑血管病的患者约130万,脑中风已经成为我国居民的第一位死亡原因。严重危害人们的生命健康。医学研究证明,脑中风的及时检测和发现能极大的增加其治愈机率,减少中风对脑部的损伤。脑中风微波检测就是利用微波技术对脑部中风进行检测的一种检测手段,微波检测相对于常规的脑中风检测手段,具有安全性好,实时性好,成本低等特点,越来越受到研究者的关注。在进行脑部介电结构和微波检测相关原理的研究基础上,本论文首先进行了脑中风微波检测系统总体结构设计,检测系统主要包括微波信号源,天线和微波信号的发射接收和微波信号分析处理等模块,仿真系统利用核磁(MRI)脑部图像建立脑部模型,部署环绕脑部的天线阵列,并利用调制高斯信号产生激励信号。接着进行了中风检测算法的模型设计,该模型由前向计算和逆向重建计算组成。前向计算利用完全匹配层(PML)吸收边界的时域有限差分法(FDTD)对脑部区域进行电磁场模拟和数值计算。针对人脑中风微波散射体不规则,结构复杂,介电性质差异小等特性所带来的挑战,逆向重建我们首先设计了一个基于信号相似度的检测算法,采用二分查找迭代法对脑部血块进行检测,可以初步的判断脑部血块的存在性和大致区域,然后以一种改进型智能粒子群算法,在信号相似算法的基础上实现对脑部的中风的检测,最终可以对脑部中风血块的大小、位置进行判断。并且,在中风检测算法中采用可累积的中风模板数据库,有效地降低了重建算法的耗时。仿真系统利用核磁(MRI)脑部图像建立脑部模型,部署环绕脑部的天线阵列,并利用调制高斯信号产生激励信号。研究结果证明,基于FDTD的信号相似度检测算法,能有效地对中风血块进行检测;在此基础上设计的基于粒子群的脑中风检测算法,能够实现对脑中风血块的位置和大小信息进行有效、准确的检测。此外,我们对粒子群定位检测系统进行优化,增加模板信号库和粒子迭代终止条件,检测效率有了明显的提升,统计数据显示,检测时间减少了85%以上。