[发明专利]一种基于稀疏数据的超声信号重建方法

说明书

技术领域：

本发明涉及一种基于稀疏数据的超声信号重建方法，基于压缩传感理论重建超声信号，并引入人工鱼群算法对正交匹配追踪算法进行优化，属于压缩传感技术领域。

背景技术：

由于超声波频率高，按常规奈奎斯特采样定理对其数字化后会带来数据量巨大的问题，特别是在超声传感器阵列、超声相控阵及高分辨率等应用场合，严重制约了其应用。近年来兴起的压缩传感思想为解决上述问题提供了新思路。压缩传感的概念由Candes和Donoho于2006年首次提出，主要思想为压缩和采样同时进行，首先利用测量矩阵压缩采样得到信号的测量值，然后根据信号的稀疏性或者可压缩性，由测量值通过求解最优化问题精确重建信号。压缩传感的测量值远远小于奈奎斯特采样数据，突破了奈奎斯特采样定理的瓶颈，使得高分辨率信号的采集成为可能。

目前,国内外在压缩传感的超声波领域开展了一些研究。Celine等根据图像在傅里叶变换域的稀疏性，将压缩传感应用于3D超声图像(Celine Q,F d Vieilleville,A Basarab,D Kouame.Compressed sensing of ultrasound single-orthant analytical signals.IEEE International Ultrasonics Symposium Proceedings,2011.1419-1422.)，减少了采样数据和时间，又根据超声信号的解析形式增加图像的稀疏度，进一步减少了采样数据。Celine等还将伯努利-高斯先验性应用于超声图像的傅里叶变换域以保证稀疏度，根据超声图像的统计特性，定义其在频域的先验稀疏度，提出了超声图像的贝叶斯重建算法(Celine Q,N Dobigeon,A Basarab,D Kouame,J Y Tourneret.BAYESIAN COMPRESSED SENSING IN ULTRASOUND IMAGING.IEEE International Workshop on Computational Advances in Multi-Sensor Adaptive Processing,2011.101-104.)，不需要调整参数且可以估计图像的频域稀疏度。Sulieman等将压缩传感应用于多普勒超声信号的研究，对信号进行随机采样和非均匀采样，通过求解最小l₁范数问题重建信号，结果表明两种采样方法下的重建效果相当(Sulieman M S,Zobly.Yasser M,Kakah.Compressed Sensing:Doppler Ultrasound Signal Recovery by Using Non-uniform Sampling&Random Sampling.28th National Radio Science Conference,National Telecommunication Institute,Egypt,April26-28,2011.)。沈民奋等提出了一种基于分布式压缩传感的波束接收方法，以随机向量形式返回的信号投影作为测量值，由自适应波束算法重建高分辨率超声图像，显著降低了采样频率(Shen M F,Zhang Q,Yang J Y.A Novel Receive Beamforming Approach of Ultrasound Signals Based on Distributed Compressed Sensing.IEEE.2011.1-5.)。李德来等对超声医学图像进行小波变换，以结构化随机矩阵为测量矩阵，由梯度投影算法很好地重建了图像(Li D L,Zhang Q,Shen H H,Shi J B,Shen M F.The Application of Compressed Sensing based on Wavelet in the Reconstruction of Ultrasonic Medical Image.IEEE Mechanic Automation and Control Engineering.2011.5350-5353.)。