详情

原文传递一种基于频域分段的高分辨率最小方差超声成像方法

专利名称：	一种基于频域分段的高分辨率最小方差超声成像方法
摘要：	本发明涉及一种基于频域分段的高分辨率最小方差超声成像方法，属于超声成像领域。该方法首先对阵元接收的采样信号进行延时处理，获得超声聚焦所需的回波数据；其次根据STFT中自适应窗函数的最大集中度测量准则，选取频域分段最优窗函数；利用STFT将超声回波信号转换为窄带子信号；利用共轭对称性，前一半窄带子信号经过共轭对称处理生成另一半窄带信号；将接收阵列依次划分为具有重叠阵元的子阵，对频域信号进行前后向平滑和对角加载处理，获得样本协方差矩阵；最后利用快速傅里叶逆变换对频域分段最小方差波束形成权值进行处理，得出最终时域自适应波束形成信号。该方法可以显著提升超声成像分辨率，提高对比度，可以在整体上提高超声成像的质量。
专利类型：	发明专利
国家地区组织代码：	重庆;50
申请人：	重庆大学
发明人：	王平;王慧悦;杜婷婷;王林泓;孔露;李锡涛;柳学功;孔美娅;田训;梁家祺
专利状态：	有效
申请日期：	2019-08-15T00:00:00+0800
发布日期：	2019-11-26T00:00:00+0800
申请号：	CN201910757165.6
公开号：	CN110501423A
代理机构：	北京同恒源知识产权代理有限公司
代理人：	赵荣之
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	400044 重庆市沙坪坝区沙坪坝正街174号
主权项：	1.一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：该方法包括以下步骤： S1：对超声阵元接收的回波信号进行放大、AD转换和延时处理，以获得超声回波数据；得到延时处理之后的信号x(τ)＝[x1(τ),x2(τ),...xN(τ)]，x1(τ)...xN(τ)分别表示各阵元接收的回波信号，N表示超声阵元数，τ表示为对应深度的采样时刻； S2：根据短时傅里叶变换(Short-time Fourier Transform，STFT)中的自适应窗函数的最大集中度测量准则，选取适合超声回波信号的最优窗函数； S3：依据S2所选窗函数，对各阵元的超声回波信号进行STFT频域分段处理，获得等间距的窄带子信号； S4：利用STFT的共轭对称性，前一半窄带子信号经过共轭对称处理生成另一半窄带信号； S5：利用窗函数无信号重叠特性，对同一阵元的窄带子信号按窗函数滑动顺序进行重构，生成各阵元新的频域信号； S6：将接收阵列依次划分为一个具有重叠阵元的子阵，然后对相应接收子阵的频域信号进行前后向平滑和对角加载处理，以获得频域的样本协方差矩阵； S7：根据线性约束最小方差原则，计算得出频域分段最小方差波束形成权值； S8：利用快速傅里叶逆变换对频域分段最小方差波束形成权值进行处理，得出最终时域自适应波束形成信号。 2.根据权利要求1所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S2中，根据STFT中的自适应窗函数的最大集中度测量准则，选取适合超声回波信号的最优窗函数，具体包括以下步骤： S21：采用基于超声回波信号x(τ)的自适应窗函数的STFT结果S(k,ω)为：其中，ω＝0,1,...,W-1，W是窄带子信号的长度，zj(k,ω)是需要求取的自适应窗函数，j(k,ω)是用于确定窗函数的时刻k和频率ω的索引函数，i是虚数变量； S22：根据STFT的最大集中度测量准则选择适用于超声回波信号的最优窗函数，最大集中度测量准则表示为：其中，jMC(k,ω)应用最大集中度测量准则确定窗函数时刻k和频率ω的索引函数，argmax是对集合范围内求最大值函数，Θω是包含矩形窗、三角窗、布尔曼窗、汉明窗和汉宁窗的窗函数集合；Cp(k,ω)是最大集中度测量值；Sp(τ,q)是超声信号x(τ)使用自适应窗函数p的STFT结果；q表示对应子频带的采样频率，D(k,ω)独立于时刻变量k，是频率变量ω的低通加权函数：其中，zp(τ-k)是选择自Θω窗函数集合的自适应窗函数。 3.根据权利要求2所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S3中，依据S2所选窗函数，对各阵元的超声回波信号进行STFT频域分段处理，获得等间距的窄带子信号，具体包括以下步骤： S31：超声回波信号x(τ)通过STFT实现的窄带频域分段如下式所示：其中，z(τ)是通过步骤S2选取的窗长和短时傅里叶变换点数均为64，无信号重叠的汉宁窗； S32：通过STFT，将每个传感器阵元的超声回波信号转换为若干个独立的等间隔窄带子信号，第n个阵元上的第m个窄带的子信号Sn(m,ω)表达式为： Sn(m,ω)＝[Sn(W·(m-1)+1),...,Sn(W·(m-1)+W-1),Sn(W·m)] 其中，m＝1,2,...,M，M是窗函数的长度，等同于分段窄带数；ω是窄带子信号频率变量，ω＝1,2,...,W，W是窄带子信号的长度。 4.根据权利要求3所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S4中，利用STFT的共轭对称性，前一半窄带子信号经过共轭对称处理生成另一半窄带信号，经过共轭对称处理后的窄带子信号Sn(m,ω)的维度简化为：其中，fix(·)是取整函数，length(·)是求取信号长度的函数。 5.根据权利要求4所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S5中，利用窗函数无信号重叠特性，对同一阵元的窄带子信号按窗函数滑动顺序进行重构，生成各阵元新的频域信号Xn(Ω)，其表达式为： Xn(Ω)＝[Sn(1,ω),...,Sn(M-1,ω),Sn(M,ω)] 其中，Ω＝1,2,...MW是重构频域子带信号的长度，该信号在频域的波束形成y(Ω)为：其中，w(Ω)＝[w1(Ω),w2(Ω),...,wN(Ω)]是需要计算的频域自适应加权向量，(·)H表示共轭转置运算，重构频域信号X(Ω)＝[X1(Ω),X2(Ω),...,XN(Ω)]。 6.根据权利要求5所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S6中，将接收阵列依次划分为一个具有重叠阵元的子阵，然后对相应接收子阵的频域信号进行前后向平滑和对角加载处理，以获得频域前后向样本协方差矩阵，具体包括以下步骤： S61：把N个阵元依次划分为阵元数目为L的子阵，并分别计算各个子阵的样本协方差矩阵Rl(Ω)，然后根据以下公式计算频域前向平滑估计协方差矩阵R(Ω)：其中Xl(Ω)＝[Xl(Ω),Xl+1(Ω),...,Xl+L-1(Ω)]表示第l个子阵的频域前向平滑向量，Xl(Ω)...Xl+L-1(Ω)是第l个子阵中的各重叠阵元的平滑向量，l＝1,2,...,N-L+1，Xl(Ω)H为Xl(Ω)的共轭转置； S62：通过以下计算公式对频域前向估计协方差矩阵R(Ω)进行对角加载处理，得到对角加载后的协方差矩阵其中，ε＝trace(R(Ω))·δ，trace(R(Ω))为信号的等效功率，trace(·)是求矩阵迹的函数，δ为空间噪声与信号功率之比，I为单位矩阵； S63：通过以下计算公式由频域前向估计协方差矩阵求得后向估计协方差矩阵，并进行求和平均得到频域前后向估计协方差矩阵其中，J是I的反对角矩阵，是的共轭转置。 7.根据权利要求6所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S7中，根据线性约束最小方差原则，计算得出频域分段最小方差波束形成权值：其中，wSTFTMV为频域自适应波束形成权值，a为全1的方向向量，aH是a的共轭转置，是协方差矩阵的逆矩阵。 8.根据权利要求7所述的一种基于频域分段的高分辨率最小方差超声成像方法，其特征在于：在步骤S8中，利用快速傅里叶逆变换对频域分段最小方差波束形成权值进行处理，得出最终时域自适应波束形成信号，具体包括以下步骤： S81：在步骤S7获取频域分自适应波束形成权值的基础上，基于频域分段的最小方差算法在频域的波束形成输出ySTFTMV(Ω)为：其中，是频域自适应波束形成权值wSTFTMV的共轭转置； S82：通过快速傅里叶逆变换计算得到最终时域自适应波束形成信号ySTFTMV(k)为：其中，IFFT(·)是快速傅里叶逆变换函数。
所属类别：	发明专利