《特征空间最小方差波束形成与相关系数特征值加权相融合的超声成像算法_郑驰超》由会员分享，可在线阅读，更多相关《特征空间最小方差波束形成与相关系数特征值加权相融合的超声成像算法_郑驰超（5页珍藏版）》请在金锄头文库上搜索。
1、第卷第期声学学报，年月，特征空间最小方差波束形成与相关系数特征值加权相融合的超声成像算法￥郑驰超彭虎（合肥工业大学生物医学工程系合肥 ）年月日收到年月日定稿摘要为了进一步提高超声成像的质量，提出一种信号特征空间 的最小方差波束形成与相关系数特征值加权相融合的超声成像算法。利用超声回波信号具有一定的相关性，而相关系数空间最大特征值可以反映回波信号相关性较强的性质，将该特征值作为自适应加权系数对信号特征空间最小方差波束形成（）的结果进行加权成像，得到高质量的成像结果？通过对散射点目标和斑目标的仿真，结果表明该算法相对于算法，亮斑对比度提高了，暗斑对比度提高了，并且进一步提高了横向分辨率。数：， ）
2、， ， （）， ， ，寻找最佳的加权值进行自适应加权成像，可以提高胃成像的分辨率，但对比度的改善有限 。基于特 征空间的（ ，传统的医学超声成像采用延时叠加（ ）超声成像算法对算法进行改进 ，该算，）算法进行波束形成。该算法计算简单，成法先对接收信号进行特征分解，将算法所得到像速度快，容易实现，但成像空间分辨率较低，成像的权值投影到信号子空间产生新的权值，再进行自对比度较差卜】。最小方差准则（，适应波束形成实现成像。去除了信号噪声对 ）算法是一种自适应波束形成算法，该算法通过成像结果的影响，进一步改善成像的分辨率和对比氺国家自然科学基金青年科学基金（ ）和国家自然科学基金（ ）资助通讯作者：彭
3、虎，：声学学报年度，具有良好的稳健性 。文献将波束空间算法设为特征值，将的特征值由大到小排运用到算法中，在保持成像质量不变的情况列！则九（；，下，提高了成像速度。文献将算法用于骨 ）和人， ）为由特征骼表面组织的成像，减少了 图像的噪声，但是该算法值组成的对角于阵，对应的特征向量组成信会改变散斑形状。文献研究了前后向空间平滑的号子空间，为信号子空间的有效特征值数量。算法，进一步弥补了算法在对比度上的？对应的特征向量凡组成噪声子空间。将式（） 不足等等。所得到的权值投影到信号子空间中可得：本文提出了特征空间的最小方差波束形成融合（） 相关系数特征值（，）加权的超声成像算法。该算法对回波信号的相将
4、式代入式即可得的成像结果。关系数空间进行特征值分解，采用最大的特征值做系数算法为加权系数对波束形成的结果进行加权成根据阵元接收到的回波信号之间的相关性，计算像，不仅有效降低了旁瓣，抑 制了噪声，而且相对于相关系数矩阵，该系数矩阵对应的最大特征值反映的算法，该方法还可以进一步提高成像分辨率回波信号中最有效信号部分的相关系数的大小，因此和对比度。该特征值可以做为加权系数进行加权成像，以期提高成像质量。为了便于矩阵特征分解，先对接收信号进行空成像算法间平滑，如下式所示：假设空间中有个通道的传感器阵列，对于近柳（场内的散射目标，采用波束形成技术进行成像的表，巧（幻 （） 达式如下间：？ （）（ ）（）
5、（ ），（）町如曰：万丨丨此的县一般为小 于 或等于。据上式计算出？，如，： ）是第个通道对应的回波（）的相数矩￥，该矩阵的兀素信为日参为第个通道的延时。）是第！行和第列的零延时相关系数，公式如下：吨，切？） ，咖，是加权向量，（，） ） 其中叫代表第个通道的加权值。“”代表转和） （， ）（置。当叫（幻为固定值时 ，上述成像方法即为传其中是对应的协方差 矩阵即统的延时叠加算法，（：（）。对进行特征值分解，如下所示：最小方差波束形成算法（）的核心就是寻找 ， （） 最佳的加权矢量灰，在保持期望方向的增益不变、 ， 的条件下，使阵列的输出能量最小化，麵压制噪声设为隨征值，贝 ，、，和干扰的目的数
6、学表达式为】）是由特征值组成的对角子阵，五为对应的特征向“量组成向量空间，设特征值最大值为肛腿， ： 最大的特征值反映相关性最好的信号能量大小。因此 其中，表示复共扼转置矩阵，況为回波信号可得系数：的协方差矩阵。 （）表示指向期望方向的方向向 （） 量，对于经过延时的回波信号，（）取全为的向量。利用拉格朗日乘数法，可以解出约束条件下求极成像算法值的问题，其最佳加权向量为：特征空间的最小方差波束形成与相关系数特征 （）值加权融合（）的超声成像算法流程如图一， ；（）所示，对接收的回波信号采用进行波束形 对进行特征值分解如下所示：成，同时采用系数算法计算加权系数，最后采用 ） （）系数对波束形成结
7、果进行加权成像 。期郑 驰超等：特征空间最小方差波束形 成与相关系数特征值加权相 融合的超声成像算法波束形成传感器阵列一？回波信号 ？最终成像、计算系数 图成像箅法流程对于聚焦点：，根据式（），式（）和式（），可得成像算法、算法、成像算法成像表达式为：进行成像并进行对比。成像动态范围均设为。尊）“购細尤算法所用窗函数为矩形窗。算法，（）算法，算法均进行空间平滑，所采用子（： ）（ ）？（ ）阵列数目一般小于或等于接收通道数的一半，越大则成像的分辨率越高，但稳健性越差？越小 根据超声聚焦成像的特点，在单次发射和接收则成像分辨率越差，稳健性也越好，丨 。在本次仿真过程中，阵列接收到回波信号，其中来
8、自于聚焦点处中均取。的回波信号为有用信号，而其他位置的回波信号均为杂波和 噪声。不同通道接收到的聚焦点处的超声 赚信号具有较高的相关系数。相关系数矩阵帕每：描，射聚最大特征值可以反映成像系统的相关性好的回波言个 ： 号的强度，而難特罐财应了相关雜齡二用焦，二 瓣能量和噪音杂波能量。算法通过信号拽二为 度在和 的点均为个 ，深度为 步去除干扰和桌户的獻向取、头上问质量的成像。 的点个 ，腿处点 的个？在散射点回波信号中加入一定强度的噪声，成像结果如图所示，具有 如下明显的特点：本文采用仿真软件为建立仿真成像（）算法有较为明显的旁瓣，背景 噪声比较系统的参数如下： 阵元线阵探头，中心频率为明显，总体成像质量最差；，系统采样率为，单个阵元高，算法有较小的旁，优于算法 ，但宽为 ，阵元间距为 ，相邻的阵元是背景噪声改善不明显，如图（）所示；构成接收通道，即接收通道数为。成像目标选择（）从图 （）可以看出，算法成像质量
