[发明专利]一种基于超声回波RF数据的超声成像处理方法及处理系统在审
申请号: | 201711180434.4 | 申请日: | 2017-11-23 |
公开(公告)号: | CN107817297A | 公开(公告)日: | 2018-03-20 |
发明(设计)人: | 李迪;刘治勇;费春龙;杨银堂;朱樟明;李娅妮 | 申请(专利权)人: | 西安电子科技大学;陕西博纵电子科技有限公司 |
主分类号: | G01N29/06 | 分类号: | G01N29/06;G01N29/44 |
代理公司: | 北京天奇智新知识产权代理有限公司11340 | 代理人: | 陈新胜 |
地址: | 710071*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 超声 回波 rf 数据 成像 处理 方法 系统 | ||
1.一种基于超声回波RF数据的超声成像处理方法,其特征在于,所述方法包括如下步骤:
S1、通过超声探头向待检测目标物体发送超声信号,并获取所述超声发射信号的回波信号;
S2、基于无畸变准则和最小方差无偏估计准则,计算所述回波信号的最优加权矢量;
S3、计算所述回波信号的RF数据;
S4、采用经验模态分解算法将所述RF数据分解为若干个固有模态函数;
S5、计算所述固有模态函数的瞬时频率,并对含有非期望频率范围的固有模态函数部分进行修正;
S6、对修正后的固有模态函数进行加权合成,形成修正后的回波RF数据;
S7、对所述修正后的超声回波RF数据,经行超声成像处理,获取检测目标的成像结果。
2.根据权利要求1所述的基于超声回波RF数据的超声成像处理方法,其特征在于,所述步骤S2要求根据最小无畸变准则,可提出约束条件使回波RF数据Y(x)等于理想回波数据X(x),则在有噪声的情况下,使得Y(x)的方差最小,得到约束E[Y(x)]=W1(x)S(x)W2(x)并使E[Y(x)]得到最小;其中S(x)为实际接收到含有噪声的回波信号,W1(x)和W2(x)分别为加权矢量的共轭转置及加权矢量。
3.根据权利要求1所述的基于超声回波RF数据的超声成像处理方法,其特征在于,所述步骤S2要求根据最小无偏估计准则,可提出约束条件加权矢量W(x)与超声阵的阵列流行矢量v(x)的积为1;根据所述的最小无偏估计准则,使得回波数据和RF数据无偏估计,则需要尽量较少噪声的影响,保证约束条件W(x)v(x)=1。
4.根据权利要求1所述的基于超声回波RF数据的超声成像处理方法,其特征在于,所述步骤S2的步骤包括:
P1、对所述超声探头接收到的各个通道回波数据X1进行延时补偿;
P2、对所述补偿后的回波数据X1,做自相关处理,求取自相关矩阵R(x);
P3、利用高斯-约旦算法求取所述自相关矩阵R(x)的逆;
P4、根据所述自相关矩阵R(x)的逆计算最优加权矢量Wopt(x)。
5.根据权利要求1所述的超声回波RF数据的超声成像处理方法,其特征在于,所述步骤S4的步骤包括:
M1、计算所述RF数据的局部极小值和局部极大值;
M2、采用线性插值,得到所述RF数据的上、下包络信号,并计算上、下包络信号的均值;
M3、线性去除上、下包络信号的均值,重复此过程,直至获取到固有模态函数;
M4、从RF数据中减去所述获取得到的固有模态函数,并重复上述过程,直至分解得到的数据为单调函数。
6.根据权利要求1所述的基于超声回波RF数据的超声成像处理方法,其特征在于,所述步骤S4中能够将RF数据分解为若干个固有模态函数,并且固有模态函数的频率范围是动态的。
7.根据权利要求1所述的基于超声回波RF数据的超声成像处理方法,其特征在于,所述步骤S5中,求取所述固有模态函数的瞬时频率,根据目标检测期望频率范围对没有固有模态函数进行修正,去除噪声信号。
8.一种基于超声回波RF数据的超声成像处理系统,其特征在于,所述系统包括:
信号发射接收模块:用于通过超声探头向目标检测物体发送超声发射信号,并接收其对应的回波信号;
信号收发控制模块:用于控制超声探头的发送和接收时序;
信号处理模块:用于计算超声回波信号的最优加权矢量;用于计算获取超声回波中的RF信号;采用经验模态分解对RF数据进行分解,获取若干固有模态函数;用于计算各个固有模态函数的瞬时频率;分别对每个固有模态函数进行修正;用于合成修正后的RF数据;
图像处理模块:用于超声成像处理,获取检测目标超声图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学;陕西博纵电子科技有限公司,未经西安电子科技大学;陕西博纵电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711180434.4/1.html,转载请声明来源钻瓜专利网。