[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

说明书

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。

技术领域

本发明属于超声成像技术领域，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。

背景技术

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(DelayAnd Sum，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降低超声信号的强相关性。在MV算法的基础上，提出了基于特征空间的最小方差算法(ESBMV，Eigenspace-based Minimum Variance)，该方法对样本估计协方差矩阵进行特征值分解，并根据特征值的大小将信号子空间与噪声子空间分离。ESBMV虽然进一步提高了分辨率和对比度，但由于需要计算大量的特征值和特征向量，因此具有很高的复杂度和很低的运算效率。

综上所述，急需发明一种适用于超声回波信号特点，从本质上提高图像分辨率和对比度，并且保持算法运行效率和稳健性的自适应波束形成算法，以全面整体提高超声成像质量。

发明内容

有鉴于此，本发明的目的在于提供一种基于频域分段的高分辨率最小方差超声成像方法，该方法能显著提高算法的成像分辨率和对比度，并同时提高算法效率和波束形成稳健性，有效克服了宽带、强相关的超声回波信号不满足传统最小方差自适应波束形成算法窄带、非相关的应用条件的矛盾问题，从而全面提高了超声成像的质量。

为达到上述目的，本发明提供如下技术方案：

一种基于频域分段的高分辨率最小方差超声成像方法，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),...x_N(τ)]，x₁(τ)...x_N(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；