电容层析成像ECT（Electrical Capacitance Tomography）技术是近年来发展起来的一种多相流可视化检测技术，具有非侵入、快速响应、结构简单、低成本以及可靠性好等优点。而由于结构本身所固有的传感器测量电容值较少、非线性问题的求解以及系统内敏感场的软场特性等问题的存在，使得图像重建算法成为了ECT系统实际应用中极其关键的环节。支持向量机SVM(Support Vector Machines)作为机器学习领域重点之一，具有优越的推广能力以及较好的分类精确性，为我们在ECT图像重建应用SVM进行图像重建提供了重要依据。
　　本文从分析ECT系统的结构特点及基本原理入手，分析了SVM算法在ECT系统图像重建中的应用情况。针对ECT系统中应用SVM算法重建图像在处理大规模样本数据集时，成像质量不高以及时间较长的问题，提出轮换对称分块支持向量机RSPSVM改进算法。采用ANSYS有限元分析软件建立12极板电容测量传感器模型，运用有限元分析方法建立ECT系统数学模型。RSPSVM算法通过对ECT系统模型进行具有轮换对称性的等面积剖分，对样本集进行充分的简化，再通过有选择的分块，将大样本集分成可应用SVM算法训练的小样本集，然后用得出的决策函数进行样本预测，最后应用预测结果来重建图像。通过仿真实验表明，RSPSVM算法重建图像比只用 SVM成像精度更高，重建速度更快。
　　分析FPGA的结构原理及其开发的基本过程，提出RSPSVM算法硬化设计方案，应用FPGA开发系统实现算法，并进行仿真实验验证，最后对软件实现算法与硬件算法进行了图像重建效果比较。实验结果表明，利用硬件实现的RSPSVM算法比用软件来实现快了约两个数量级，虽然在精度上稍低于软件实现的算法重建图像，但也可以满足较高的精度要求。同时可以发现此算法在对单滴流、核心流以及环流等流型情况成像效果更好，为 ECT系统图像重建问题提供了一个新的解决思路。