[发明专利]融合交替乘子迭代的谱寻求子带最小方差超声成像算法

说明书

本发明涉及一种融合交替乘子迭代的谱寻求子带最小方差超声成像算法，属于超声成像技术领域。对阵元接收的采样信号进行延时聚焦处理，获得超声回波数据；将求解超声信号各频域子带问题转化为求解超声信号经短时傅里叶变换后每个时间窗频率系数的最小二乘问题；并引入惩罚函数，分步并行求取改进最小二乘问题的最大后验概率解；生成各阵元新的频域信号；获得频域的样本协方差矩阵；计算融合交替乘子迭代的谱寻求子带最小方差波束形成权值；通过快速傅里叶反变换对所得权值进行处理，得到最终宽带时域自适应波束形成信号；该方法能够显著提升超声成像的分辨率，还能同时提高对比度和对噪声的鲁棒性，从而可以在整体上提高超声成像质量。

技术领域

本发明属于超声成像技术领域，涉及一种融合交替乘子迭代的谱寻求子带最小方差超声成像算法。

背景技术

超声成像以其安全、实时、低成本等优势在无损检测和医学诊断等领域得到了广泛的应用。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。传统的延时叠加(Delay and Sum，DAS)算法是超声成像中最简单的波束形成方法，复杂度低，稳健性好，成像速度快。但它使用与超声信号无关的固定窗函数加权导致主瓣宽度增加，存在分辨率低、伪影严重等固有缺陷。因此，一些学者提出了自适应波束形成算法。

超声信号是宽带非平稳的，其自适应波束形成算法主要分为空时处理和频域处理两种。 Capon提出的传统最小方差(Minimum Variance,MV)波束形成算法是最典型的空时处理方法。 MV波束形成器依据线性约束最小方差准则，通过动态计算聚焦延时后的回波信号加权矢量，实现了自适应波束形成，从而提高了成像分辨率和对比度。然而，MV算法稳健性不如传统 DAS算法，且超声信号不满足MV算法的窄带假设，限制了超声成像分辨率的进一步提高。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，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-basedMinimum Variance)，根据协方差矩阵特征值大小将MV加权矢量投影到信号子空间，以进一步提高分辨率和对比度。

尽管上述方法提高了波束形成质量，但仍忽略了MV波束形成器的窄带假设。然而，子带最小方差(Subband Minimum Variance,MVS)波束形成器等频域处理方法通过离散短时傅里叶变换(Short-time Fourier Transform，STFT)将宽带超声信号转换成窄带信号，可以突破时域MV的分辨率限制。在窄带波束形成之后，通过傅里叶反变换将MVS频域输出转换为时域输出。然而，MVS波束形成器不适用于连续目标成像，并且仅对孤立目标获得显著的分辨率增益。这是因为STFT后超声信号的频谱变宽，旁瓣泄漏，使得相邻频带内的信号难以分辨，导致频谱分辨率降低，出现明显的横向伪影。

综上所述，急需发明一种适用于超声回波信号特点，以获得更精确的窄带信号和更好的波束形成质量，从本质上提高图像分辨率和对比度，并且保持算法稳健性和对噪声鲁棒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融合交替乘子迭代的谱寻求子带最小方差超声成像算法，该突破因传统最小方差窄带假设导致的分辨率限制，解决子带最小方差频域波束形成的频谱泄露问题，提高算法的成像分辨率和对比度，并同时提高算法对噪声的鲁棒性，从而全面提高超声成像质量。

为达到上述目的，本发明提供如下技术方案：

一种融合交替乘子迭代的谱寻求子带最小方差超声成像算法，包括以下步骤：

S1：对超声阵元接收的回波信号进行放大、AD转换和延时聚焦处理后，获得超声回波数据；得到延时聚焦处理之后的信号x(k)，表示为x(k)＝[x₁(k),x₂(k),...x_N(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；