The invention relates to a high-resolution minimum variance ultrasonic imaging method based on frequency domain segmentation, belonging to the field of ultrasonic imaging. In this method, the echo data needed for ultrasonic focusing is obtained by delay processing of the sampling signals received by the cell; secondly, the optimal window function in frequency domain is selected according to the maximum concentration measurement criterion of adaptive window function in STFT; the ultrasonic echo signal is converted into narrow band signal by STFT; the first half of narrow band signal is generated by conjugate symmetry processing by conjugate symmetry using conjugate symmetry The receiving array is divided into sub array with overlapping array elements, and the frequency domain signal is smoothed forward and backward and loaded diagonally to obtain the sample covariance matrix. Finally, the frequency domain segmented minimum variance beamforming weight value is processed by inverse fast Fourier transform to obtain the final time domain adaptive beamforming signal. This method can significantly improve the resolution and contrast of ultrasound imaging, and improve the quality of ultrasound imaging as a whole.
【技术实现步骤摘要】
一种基于频域分段的高分辨率最小方差超声成像方法
本专利技术属于超声成像
,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。
技术介绍
超声成像以其安全性、无创性、实时性和低成本等优点被广泛应用于无损检测与诊断领域,而波束形成技术是超声成像的关键技术,直接决定超声成像的图像质量。延时叠加算法(DelayAndSum,DAS),是超声成像中应用最为广泛的,也是最简单的波束形成技术。它根据阵元通道几何位置关系对所接收的回波信号进行延时量的计算,然后对延时后的数据对齐叠加。传统DAS算法复杂度低,稳健性好,成像速度快,但由于其采用固定窗函数加权导致主瓣宽度增加,因此分辨率和对比度较低。近年来,为了提高波束形成算法的对比度和分辨率,自适应算法得到越来越多的研究。1969年Capon提出的最小方差(MinimumVariance,MV)波束形成算法是目前使用最为广泛的自适应算法。该方法依据保持期望方向增益不变,并使阵列输出能量达到最小的原则,通过动态计算聚焦延时后的回波信号加权矢量,再将该矢量与回波信号相乘完成自适应加权,提高了图像对比度和分辨率。但该算法的缺点是在算法涉及矩阵运算,复杂度高,严重影响了成像实时性,并且算法稳健性不如传统DAS算法;并且MV算法最初是针对窄带、非相关信号设计的,而超声信号具有宽带和强相关特性,并不满足MV算法的适用条件。因此,最小方差算法在成像分辨率、对比度、鲁棒性和成像效率都还有很大的提升空间。为了提高MV算法的性能,对角加载方法和空间平滑方法分别用于提高算法的鲁棒性和 ...
【技术保护点】
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:/nS1: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)=[x
【技术特征摘要】 【专利技术属性】
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-timeFourierTransform,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。
技术研发人员:王平,杜婷婷,王林泓,孔露,李锡涛,柳学功,孔美娅,田训,梁家祺,王慧悦,
申请(专利权)人:重庆大学,重庆电子工程职业学院,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。