[发明专利]一种融合高度相干滤波器的最小方差超声成像方法

说明书

本发明涉及一种融合高度相干滤波器的最小方差超声成像方法，属于超声成像技术领域。该方法包括：对超声阵元接收的回波信号进行延时补偿处理，得到超声回波信号；结合空间平滑和对角加载技术，获得样本协方差矩阵；根据最小方差原理，得到最小方差加权矢量；对协方差矩阵分解，得到信号子空间和噪声子空间；将最小方差加权矢量投影到信号子空间，得到特征空间最小方差加权矢量；根据相干因子得到子阵列回波相干总和与非相干总和，进而得到相干滤波系数；将特征空间最小方差加权矢量与相干滤波系数融合得到高度相干加权矢量，形成自适应波束信号。本发明提高了超声图像的分辨率、对比度以及对噪声的鲁棒性，从而在整体上提高超声成像的质量。

技术领域

本发明属于超声成像技术领域，涉及一种融合高度相干滤波器的最小方差超声成像方法。

背景技术

超声成像中应用最为广泛的，也是最简单的波束形成技术即延时叠加算法(DelayAnd Sum，DAS)，它是根据阵元通道几何位置关系对所接收的回波信号进行延时量的计算，然后对延时后的数据对齐叠加。传统DAS算法复杂度低，成像速度快，但由于其采用固定窗函数加权导致主瓣宽度增加，分辨率较低。

近年来，为了提高波束形成算法的对比度和分辨率，自适应算法得到越来越多的研究。1969年Capon提出的最小方差(Minimum Variance,MV)波束形成算法是目前使用最为广泛的自适应算法。该方法依据保持期望方向增益不变，且使阵列输出能量达到最小的原则，通过动态地计算聚焦延时后的信号加权矢量，再将该矢量与输入信号相乘，提高了图像对比度和分辨率，但该算法的缺点是稳健性远不如传统的延时叠加算法，而且容易使有用信号相消，这在信噪比较低的情况下对图像质量有较大影响。因此，Asl等提出基于特征空间的最小方差(Eigenspace based Minimum Variance,ESBMV)算法，把估计协方差矩阵分解为信号子空间和噪声子空间，并将MV算法得到的权矢量投影到信号子空间得到新的加权矢量。但是，当超声回波信号信噪比较低时，回波中噪声含量高，相干系数低，这将会出现图像整体亮度降低，目标幅值减小等问题。

综上所述，急需发明一种能够在低信噪比条件下提高图像分辨率、对比度，并且保持算法稳健性的波束形成算法，以提高超声成像质量。

发明内容

有鉴于此，本发明的目的在于提供一种融合高度相干滤波器的最小方差超声成像方法，该方法能够在低信噪比条件下提高图像分辨率、对比度以及算法鲁棒性，有效克服了传统自适应波束形成算法在低信噪比条件下，不能显著提高图像对比度和分辨率等问题，从而全面提高了超声图像质量。

为达到上述目的，本发明提供如下技术方案：

一种融合高度相干滤波器的最小方差超声成像方法，包括以下步骤：

S1：对超声阵元接收的回波信号进行延时补偿处理，得到延时聚焦处理后的信号，即超声回波信号；

S2：对回波信号进行空间平滑和对角加载处理，获得样本协方差矩阵；

S3：根据最小方差原理，得到最小方差加权矢量；

S4：对步骤S2中获得的协方差矩阵进行特征分解，得到信号子空间和噪声子空间；

S5：将步骤S3中获得的最小方差加权矢量投影到信号子空间，得到特征空间最小方差加权矢量；

S6：根据相干因子得到子阵列回波相干总和与非相干总和，进而得到相干滤波系数；

S7：将步骤S5中得到的特征空间最小方差加权矢量与步骤S6中得到的相干滤波系数融合得到高度相干加权矢量，得到自适应波束信号。

进一步，所述步骤S1中，对超声阵元接收的回波信号进行延时补偿处理，得到延时聚焦处理后的信号X(t)：