[发明专利]基于共振峰的超声空化状态识别方法

权利要求书

1.一种基于共振峰的超声空化状态识别方法，包括以下步骤：

采集设定时间段内的超声空化场的信号数据，对信号数据进行分帧处理，并将分帧处理后的信号作为待处理信号；

采用全极点线性预测方法对待处理信号建模得到线性预测模型，并通过线性预测模型得到各个共振峰峰值及峰值所在的频率值，并根据所述频率值得到基频频率平均值和相对高频共振峰峰值的平均值；

根据基频频率平均值与激发空化的超声频率之间的大小关系和相对高频共振峰峰值的平均值大小判断空化状态；如果基频频率平均值约为超声频率的1.3-2倍，则空化区域处于空化状态，而且相对高频共振峰峰值越高，空化越剧烈；如果基频频率平均值在超声频率的1.3倍以下，则空化区域处于无空化状态。

2.如权利要求1所述的基于共振峰的超声空化状态识别方法，其特征在于：所述超声空化状态识别方法还包括从分帧处理后的信号中抽取出第一帧作为待处理信号。

3.如权利要求2所述的基于共振峰的超声空化状态识别方法，其特征在于：所述超声空化状态识别方法还包括判断待处理的信号是否到达最后一帧信号，是则作出共振峰轨迹图，否则选取下一帧信号作为待处理信号并采用全极点线性预测方法对其进行建模得到线性预测模型。

4.如权利要求1所述的基于共振峰的超声空化状态识别方法，其特征在于：所述判断空化状态时参考共振峰轨迹图，所述共振峰轨迹图以时间为横坐标，共振峰频率为纵坐标，所述共振峰轨迹图的作出包括以下步骤：

提取各个共振峰峰值及峰值所在的频率，按照峰值所在的频率从小到大的顺序对各帧峰值进行排列；

按照时间和频率，以时间为横坐标，共振峰频率为纵坐标，在时频图上作出共振峰的轨迹图。

5.如权利要求1所述的基于共振峰的超声空化状态识别方法，其特征在于，通过各个共振峰峰值及峰值所在的频率值获取基频频率平均值和相对高频共振峰峰值的平均值的步骤包括：

提取各个时间处最小的频率值，得到所述基频频率平均值；

提取各个时间处高频率值且阶次相同的共振峰峰值，得到相对高频共振峰峰值的平均值。

6.如权利要求1所述的基于共振峰的超声空化状态识别方法，其特征在于，判断空化状态还包括：如果基频频率平均值约为2倍超声频率，则空化区域处于剧烈空化状态，而且相对高频共振峰峰值越高，空化越剧烈；如果基频频率平均值在超声频率的1.7倍到2倍之间，则空化区域处于强烈空化状态，且相对高频共振峰峰值越高，空化越强烈；如果基频频率平均值在超声频率的1.3倍到1.7倍之间，则空化区域处于轻微空化状态；如果基频频率平均值在超声频率的1.3倍以下，则空化区域处于无空化状态。

7.如权利要求1所述的一种基于共振峰的超声空化状态识别方法，其特征在于，全极点线性预测方法为：

s^(n)=Σi=1pαis(n-i)---(1)]]>

e(n)=s(n)-Σi=1pαis(n-i)---(2)]]>

H(z)=S(z)U(z)=G1-Σi=1pαizi---(3)]]>

E=Σ-∞∞e2(n)=Σ-∞∞[s(n)-Σi=1pαis(n-i)]2---(4)]]>

∂E∂αi=0,i=1,2,...,p---(5)]]>

Σi=1pαiR(k-i)=R(k),1≤k≤p---(6)]]>

R(k)=Σn=kN-1x(n)x(n-k)---(7)]]>

z=ejπffs---(8)]]>

其中，s(n)为第n个采样值，由前面p个采样值线性组合进行估计；α_i为预测系数，i＝1，2，...，p；e(n)为式(1)造成的预测误差；H(z)为式(2)进行拉普拉斯变换得到的传递函数；G为预测误差的方差估计；E为预测误差e(n)的能量；f为频率；f_s为采样频率；

通过方程组(1)～(8)对所述待处理信号建模得到所述线性预测模型，并利用所述线性预测模型得到所述共振峰峰值频率和幅值。