[发明专利]一种基于频域分段的高分辨率最小方差超声成像方法有效
申请号: | 201910757165.6 | 申请日: | 2019-08-15 |
公开(公告)号: | CN110501423B | 公开(公告)日: | 2021-10-08 |
发明(设计)人: | 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;重庆慕士塔格能源管理有限公司 |
主分类号: | G01N29/04 | 分类号: | G01N29/04;G01N29/02;G01N29/06;G01N29/44;G06F17/15 |
代理公司: | 北京同恒源知识产权代理有限公司 11275 | 代理人: | 赵荣之 |
地址: | 400044 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 分段 高分辨率 最小 方差 超声 成像 方法 | ||
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;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;
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;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;
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。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学;重庆电子工程职业学院;重庆慕士塔格能源管理有限公司,未经重庆大学;重庆电子工程职业学院;重庆慕士塔格能源管理有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910757165.6/1.html,转载请声明来源钻瓜专利网。