公式為:
[0060] Rdl= R{k)+y I
[0061]其中,Y=A Jmce及〇),A為加入的空間噪聲與信號(hào)功率比,及⑷為信號(hào) 等效功率,I表示單位矩陣。
[0064] 其中免Ji為接收信號(hào)的前向空間協(xié)方差矩陣估計(jì),a為方向向量,[為前向空間 協(xié)方差矩陣的逆運(yùn)算。
[0065]步驟5、如圖1所示,構(gòu)造廣義旁瓣相消器,根據(jù)等效解原則將權(quán)矢量分解為自適 應(yīng)權(quán)矢量和非自適應(yīng)權(quán)矢量?jī)刹糠?,圖中上半支路Wq為非自適應(yīng)權(quán)矢量部分,下半支路中, Wa為自適應(yīng)權(quán)矢量部分,矩陣B為阻塞矩陣,只允許非期望信號(hào)進(jìn)入。此時(shí)加權(quán)向量可以寫 成:
[0066] w = Wq-Bwa S. t BHwq= 0
[0067] 步驟6、對(duì)獲得的前向空間協(xié)方差矩陣估計(jì)進(jìn)行特征值分解,獲取相應(yīng)的特征值和 特征向量,并且將其特征值從大到小排列。計(jì)算相鄰的兩個(gè)特征值之比/A i+1,假如此比 值大于某個(gè)閾值,那么就構(gòu)成期望閾值信號(hào)子空間Rs:
[0068] Rs= Iiana2,…ai,ai+1],否貝丨J,Rs= Iiana2,…aj。
[0069] 步驟7、對(duì)獲取的期望閾值信號(hào)子空間&進(jìn)行奇異值分解,得到:
[0070] Rs=UDVh
[0071] 其中,U是左奇異矩陣,D為奇異值在對(duì)角線上的對(duì)角矩陣,V為右奇異矩陣,Vh是 V的共軛轉(zhuǎn)置。
[0072] 步驟8、將整體的權(quán)矢量w投影到&的較大特征值對(duì)應(yīng)的左奇異矢量空間 中,得到本方法的自適應(yīng)權(quán)矢量:
[0074] 其中,Wes為投影后新的自適應(yīng)加權(quán)矢量,Us為較大特征值對(duì)應(yīng)的左奇異矩陣,CZf 為較大特征值對(duì)應(yīng)的左奇異矩陣的共軛轉(zhuǎn)置。
[0075] 步驟9、最后利用投影所獲得的加權(quán)矢量與陣元數(shù)據(jù)進(jìn)行點(diǎn)乘運(yùn)算得到成像回波 數(shù)據(jù),最后其波束合成輸出為:
[0077] 其中,y(k)表示計(jì)算采樣點(diǎn)k時(shí)刻的自適應(yīng)波束信號(hào),表示wES的共軛轉(zhuǎn)置, <(幻表示第1個(gè)子陣的輸出向量。
[0078] 為了驗(yàn)證該發(fā)明的有效性,利用Field II對(duì)醫(yī)學(xué)成像中常用的點(diǎn)散射目標(biāo)和斑散 射目標(biāo)進(jìn)行成像。Field II是基于線性系統(tǒng)空間響應(yīng)的原理,它的仿真效果與實(shí)際成像很 接近,已被國(guó)際上廣泛認(rèn)同為仿真超聲系統(tǒng)的標(biāo)準(zhǔn)。設(shè)置14個(gè)目標(biāo)點(diǎn),間隔5mm,均勻分布 在40mm-70mm的深度范圍內(nèi),同時(shí)在接收數(shù)據(jù)中加入IOdB的噪聲,超聲圖像的動(dòng)態(tài)范圍均 為40dB。同時(shí)設(shè)定半徑為3mm的圓形吸聲斑,深度在2〇-35mm范圍之間,設(shè)定圖像對(duì)比度范 圍為60dB,并在接收的回波數(shù)據(jù)中加入20dB的噪聲。使用3種算法分別進(jìn)行成像,并比較 3種成像算法的抗噪性能,對(duì)比度和分辨率。
[0079] 圖2給出了本發(fā)明點(diǎn)目標(biāo)成像與原始的算法DAS,MV-CF,ES-GSC的對(duì)比圖像。圖 3給出了本發(fā)明算法生成的點(diǎn)目標(biāo)成像圖中在深度60_處的橫向截面圖與現(xiàn)有的算法相 比.由圖分析可知:從成像結(jié)果圖2、圖3中可以看出傳統(tǒng)DAS算法成像質(zhì)量最差,旁瓣等 級(jí)最高,抗噪性能最差,MV-CF旁瓣等級(jí)降低,橫向分辨率有所提高,但是抗造性能基本沒有 提高,本發(fā)明提出ES-GSC算法在分辨率、對(duì)比度和魯棒性上均有所提升,ES-GSC算法成像 質(zhì)量最好,而且近場(chǎng)和遠(yuǎn)場(chǎng)區(qū)域的圖像分辨率和對(duì)比度都得到了較大的改善。
[0080] 圖4給出了本發(fā)明算法生成的斑散射目標(biāo)成像圖與DAS,MV-CF,ES-GSC的比較圖。 表1列出了各種算法的對(duì)比度(CR)。由表1分析可知,ES-GSC算法中心平均功率相對(duì)于 DAS降低了 7dB,與MV-CF算法相近;ES-GSC算法對(duì)比度有略微提高,與MV-CF相當(dāng)。相對(duì)于 DAS算法提高了 4. 4dB。背景區(qū)域方差表征算法的魯棒性,可以看出DAS算法魯棒性最好, 本專利提出的算法相對(duì)于MV-CF背景區(qū)域方差下降,因此,本專利提出的ES-GSC算法具有 更好的魯棒性。
[0081] 最后說明的是,以上優(yōu)選實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制,盡管通 過上述優(yōu)選實(shí)施例已經(jīng)對(duì)本發(fā)明進(jìn)行了詳細(xì)的描述,但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解,可以在 形式上和細(xì)節(jié)上對(duì)其作出各種各樣的改變,而不偏離本發(fā)明權(quán)利要求書所限定的范圍。
【主權(quán)項(xiàng)】
1. 一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法,其特征在于:包括以下 步驟: 步驟一:對(duì)超聲陣元接收的回波信號(hào)進(jìn)行放大處理與AD轉(zhuǎn)換,以獲得超聲成像所需的 回波數(shù)據(jù); 步驟二:將接收陣列依次劃分為具有一個(gè)重疊陣元的子陣,然后對(duì)相應(yīng)劃分子陣接收 的回波信號(hào)進(jìn)行前向平滑處理,以獲得樣本協(xié)方差矩陣; 步驟三:對(duì)樣本協(xié)方差矩陣進(jìn)行對(duì)角加載,以獲得前向空間協(xié)方差矩陣估計(jì); 步驟四:將空間協(xié)方差矩陣估計(jì)與方向向量結(jié)合,計(jì)算得到自適應(yīng)波束加權(quán)矢量; 步驟五:根據(jù)最小方差準(zhǔn)則,構(gòu)造廣義旁瓣相消器,將加權(quán)矢量進(jìn)行分解以獲得自適應(yīng) 與非自適應(yīng)兩部分加權(quán)矢量; 步驟六:對(duì)空間協(xié)方差矩陣估計(jì)進(jìn)行特征分解,構(gòu)建特征閾值信號(hào)子空間; 步驟七:將整體的加權(quán)矢量投影到特征閾值信號(hào)子空間的左奇異矢量空間中,得到新 的自適應(yīng)波束加權(quán)矢量; 步驟八:最后利用投影所獲得的加權(quán)矢量與陣元回波數(shù)據(jù)進(jìn)行點(diǎn)乘運(yùn)算得到超聲成像 的波束合成數(shù)據(jù)。2. 根據(jù)權(quán)利要求1所述的一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法, 其特征在于:在步驟二中,具體包括以下步驟: 1) 令步驟一中得到的聚焦延時(shí)后的超聲回波信號(hào)為x(k),表示為x(k)= [X1 (k),X2 (k),…,xN (k)],其中,N表示超聲陣列的陣元個(gè)數(shù),k表示對(duì)應(yīng)于深度的采樣時(shí) 刻; 2) 把N陣元陣列依次劃分為具有一個(gè)重疊陣元的L個(gè)子陣,分別計(jì)算各個(gè)子陣的樣本 協(xié)方差矩陣R1 (k),然后計(jì)算所有子陣的樣本協(xié)方差矩陣的平均A (々),公式如下:公式中%第1個(gè)子陣的輸出向量,之0廣表示 <(幻的共軛轉(zhuǎn)置。3. 根據(jù)權(quán)利要求2所述的一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法, 其特征在于:在步驟三中,通過下列公式對(duì)平均的樣本協(xié)方差矩陣進(jìn)行對(duì)角加載得到 對(duì)角加載后的前向空間協(xié)方差矩陣估計(jì);Λ為加入的空間噪聲與信號(hào)功率比,&為接收信號(hào) 的等效功率,I表示單位矩陣。4. 根據(jù)權(quán)利要求3所述的一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法, 其特征在于:在步驟五中,根據(jù)如下步驟構(gòu)造廣義旁瓣相消器,獲得分解的自適應(yīng)與非自適 應(yīng)加權(quán)矢量: 1)先通過最小方差原理計(jì)算自適應(yīng)加權(quán)矢量w為:其中,a為方向向量,F(xiàn)j表示前向空間協(xié)方差矩陣估計(jì)的逆運(yùn)算; 2)構(gòu)造與此解等效的廣義旁瓣相消器,將加權(quán)矢量w分解成自適應(yīng)與非自適應(yīng)加權(quán)矢 量部分:其中,Wq為非自適應(yīng)權(quán)矢量,位于約束子空間中,對(duì)應(yīng)的加權(quán)系數(shù)全部為1 ;為自適應(yīng)權(quán)矢量,B矩陣為L(zhǎng)X (L-I)阻塞矩陣,根據(jù)約束條件 BV1= O計(jì)算獲得,B H是B矩陣的共軛轉(zhuǎn)置。5. 根據(jù)權(quán)利要求4所述的一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法, 其特征在于:在步驟六中,根據(jù)如下步驟得到特征閾值信號(hào)子空間: 對(duì)前向空間協(xié)方差矩陣估計(jì)進(jìn)行特征分解,并且將得到的特征值λ i從大到小排 列,計(jì)算相鄰兩個(gè)特征值的比值λ V λ i+1,當(dāng)比值大于設(shè)定閾值Th時(shí),則構(gòu)成特征閾值信號(hào) 子空間艮=[31,3 2,"^+1],否貝1」,艮=|^1,32,"'],其中3 1為相應(yīng)特征值人1對(duì)應(yīng)的 特征向量,其余特征向量構(gòu)成干擾信號(hào)子空間。6. 根據(jù)權(quán)利要求5所述的一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法, 其特征在于:在步驟七中,根據(jù)如下步驟將整體的加權(quán)矢量投影到特征閾值信號(hào)子空間的 左奇異矢量空間中,以獲得新的加權(quán)矢量: 1) 根據(jù)如下公式對(duì)特征閾值信號(hào)子空間進(jìn)行奇異值分解: Rs= UDVh 其中,U是左奇異矩陣,D為奇異值在對(duì)角線上的對(duì)角矩陣,V為右奇異矩陣,¥11是V的 共軛轉(zhuǎn)置; 2) 將步驟五中獲得的權(quán)矢量w按如下公式投影到Rs較大特征值所對(duì)應(yīng)的左奇異矢量 空間中:其中,wES為投影后新的自適應(yīng)加權(quán)矢量,U s為較大特征值對(duì)應(yīng)的左奇異矩陣,t/f為Us 的共軛轉(zhuǎn)置。7. 根據(jù)權(quán)利要求6所述的一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法, 其特征在于:在步驟八中,通過如下公式利用投影所獲得的加權(quán)矢量與陣元回波數(shù)據(jù)進(jìn)行 點(diǎn)乘運(yùn)算得到超聲成像的波束合成數(shù)據(jù):其中,y(k)表示計(jì)算采樣點(diǎn)k時(shí)刻的自適應(yīng)波束信號(hào),<表示wES的共軛轉(zhuǎn)置,<⑷ 表示第1個(gè)子陣的輸出向量。
【專利摘要】本發(fā)明涉及一種基于特征結(jié)構(gòu)的廣義旁瓣相消超聲成像波束合成方法,該方法首先對(duì)接收陣元的采樣信號(hào)進(jìn)行延時(shí)和前向平滑處理,得到前向空間協(xié)方差矩陣估計(jì),并對(duì)其進(jìn)行對(duì)角加載后與方向向量結(jié)合,同時(shí)基于最小方差準(zhǔn)則,計(jì)算出最優(yōu)的自適應(yīng)加權(quán)矢量,并構(gòu)造與最小方差等效解的廣義旁瓣相消器,獲得自適應(yīng)與非自適應(yīng)兩部分加權(quán)矢量;然后對(duì)接收信號(hào)的前向空間協(xié)方差矩陣估計(jì)進(jìn)行特征分解,構(gòu)建特征閾值信號(hào)子空間,并將整體的加權(quán)矢量投影到特征閾值信號(hào)子空間的左奇異矢量空間中,得到新的自適應(yīng)波束加權(quán)矢量;最后利用投影所獲得的加權(quán)矢量與超聲陣元接收數(shù)據(jù)進(jìn)行點(diǎn)乘運(yùn)算得到超聲波束合成數(shù)據(jù);本方法能夠去除干擾較大的特征矢量,使得超聲圖像的抗噪能力更強(qiáng)、分辨率更好。
【IPC分類】A61B8/00
【公開號(hào)】CN104970831
【申請(qǐng)?zhí)枴緾N201510410102
【發(fā)明人】王平, 程娜, 龔志輝, 李娜, 潘震, 杜煒, 李剛建
【申請(qǐng)人】重慶大學(xué)
【公開日】2015年10月14日
【申請(qǐng)日】2015年7月7日