[发明专利]一种改进的最小方差超声成像方法

摘要

本发明涉及一种改进的最小方差超声成像方法，属于超声成像技术领域；该方法首先对接收阵元的采样信号进行延时处理和前后向平滑处理，得到样本协方差矩阵估计；然后将前后向协方差矩阵估计进行特征值分解，构造信号子空间，同时利用椭球覆盖方向向量值域和限定方向向量模值对方向向量增加一对约束条件；在期望信号子空间中，基于最小方差准则，计算得到自适应波束形成权值；最后将自适应波束形成权值对经过前后向平滑处理的多路数据进行加权求和，从而得到一路自适应波束信号；该方法能够解决现有最小方差算法在图像分辨率、对比度以及对噪声鲁棒性等方面的问题，可以从整体上提高超声成像的质量。

主权项

1.一种改进的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处理和A/D转换，以获得超声成像所需要的回波数据；S2：将接收阵列依次划分为具有一个重叠阵元的子阵，然后对相应划分子阵接收的回波信号进行前后向平滑处理，以获得样本协方差矩阵；S3：对样本协方差矩阵进行特征分解，构建信号子空间；S4：利用椭球覆盖方向向量值域和限定方向向量模值增加方向向量一对约束条件；S5：在期望信号子空间中，结合方向向量，根据最小方差准则，计算得到波束形成权值；S6：将自适应波束形成权值对采样信号数据进行加权求和得到自适应波束信号；在步骤S2中，具体包括：S21：对采样信号进行聚焦延时处理，得到聚焦延时处理之后的信号x(k)，x(k)表示为x(k)＝[x1(k),x2(k),…,xN(k)]，其中N表示超声阵列的阵元个数，k表示为对应采样深度的采样时刻；S22：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R_l(k)，然后根据以下公式计算前向协方差矩阵估计公式中表示第l个子阵的前向输出向量，为的共轭转置；S23：定义为后向重叠向量，其中l＝1,2,…,N；类比S22，通过以下计算公式，得到后向协方差矩阵估计公式中表示第l个子阵的后向输出向量，表示的共轭转置；S24：通过以下计算公式计算前向协方差矩阵估计和后向协方差矩阵估计的求和平均，得到前后向协方差矩阵估计在步骤S3中，通过以下公式对进行特征分解：其中，λ_i为的特征值，且按降序排列，λ₁≥λ₂≥…≥λ_N，e_i为λ_i对应的特征向量，为e_i的共轭转置，特征向量矩阵E_M＝[e₁…e_M]；为E_M的共轭转置，特征值矩阵Λ_M＝diag[λ₁…λ_M]；将矩阵划分为期望信号子空间及与之正交的噪声子空间：其中Λs为较大特征值组成的对角矩阵，Λn为较小特征值组成的对角矩阵；Es为较大特征值对应特征向量组成的信号子空间，En为较小特征值对应特征向量组成的噪声子空间，EsH，EnH分别为Es和En对应的共轭转置；在步骤S4中，增加一对方向向量约束条件，具体包括以下两个条件：1)：当方向向量存在偏差时，利用椭球覆盖方向向量的值域，即增加约束条件：||a‑a1||2≤ε其中a为假定的方向向量，a1为期望信号方向向量，ε为误差边界；2)：在此基础上，增加一个方向向量模值约束条件来提高算法的鲁棒性：||a1||2＝M其中，M为方向向量模值。