[发明专利]一种基于确定性测量矩阵的压缩感知超声成像方法在审
申请号: | 202010562052.3 | 申请日: | 2020-06-18 |
公开(公告)号: | CN111722233A | 公开(公告)日: | 2020-09-29 |
发明(设计)人: | 王平;柳学功;李锡涛;田训;梁家祺;王慧悦;武超;闫鑫龙;孔露;杜婷婷;孔美娅 | 申请(专利权)人: | 重庆大学 |
主分类号: | G01S15/89 | 分类号: | G01S15/89;G01S7/539 |
代理公司: | 北京同恒源知识产权代理有限公司 11275 | 代理人: | 杨柳岸 |
地址: | 400044 重*** | 国省代码: | 重庆;50 |
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 确定性 测量 矩阵 压缩 感知 超声 成像 方法 | ||
1.一种基于确定性测量矩阵的压缩感知超声成像方法,其特征在于,该方法包括以下步骤:
S1:对超声阵列接收到的回波信号进行处理,得到所需要的超声回波信号x;
S2:构造确定性测量矩阵,即二元稀疏块对角矩阵BSBD对超声回波信号进行压缩采样,得到测量信号y;
S3:选取离散余弦变换DCT作为稀疏字典Ψ,对超声回波信号x进行稀疏表示;
S4:通过计算得到二元稀疏块对角矩阵BSBD和稀疏字典Ψ之间的相干系数μ;
S5:利用重构算法求解最优化问题,恢复出原始超声信号
S6:利用原始超声回波信号进行波束合成并最终成像。
2.根据权利要求1所述的基于确定性测量矩阵的压缩感知超声成像方法,其特征在于,所述步骤S2具体包括以下步骤:
S21:设置L个块对角矩阵对角矩阵A1,A2,…,AL是大小为m×n的测量矩阵Φ的子矩阵,其中,测量矩阵Φ为:
其中,diag(·)表示对角矩阵,表示子矩阵A1中的向量块,K1表示A1中向量块的个数;表示子矩阵A2中的向量块,K2表示A2中向量块的个数;表示子矩阵AL中的向量块,KL表示AL中向量块的个数;
S22:在每一行中使用单一元素的块,使之全为“1”,假设所有向量块的大小都是1×N,并表示为w=[1,…,1];当子矩阵数L和采样率m/n固定时,N通过来确定;当L=2,w=[1 1 1]时的测量矩阵Φ结构为:
S23:确定性二元稀疏块对角矩阵BSBD;当L=1时,得到BSBD矩阵的表达式为:
S24:用二元稀疏块对角矩阵BSBD对超声回波信号x进行压缩测量,得到测量信号为:y=Φx。
3.根据权利要求1所述的基于确定性测量矩阵的压缩感知超声成像方法,其特征在于,所述步骤S3具体包括以下步骤:
S31:选取的稀疏字典Ψ为离散余弦变换DCT,其表达式为:
其中,k为第k个离散点,x(n)表示超声回波信号x的离散信号,大小为N1维,Xc(0)和Xc(k)为变换之后的信号;
S32:对超声回波信号进行稀疏表示为:
x=Ψα
其中,为稀疏矩阵,是稀疏系数向量。
4.根据权利要求1所述的基于确定性测量矩阵的压缩感知超声成像方法,其特征在于,所述步骤S4具体包括:BSBD矩阵和稀疏字典Ψ之间的相干系数μ表达式为:
其中,max(·)表示求取最大元素,Φi和Ψj分别表示测量矩阵Φ的第i行向量和稀疏矩阵Ψ的第j列向量,其中1≤i≤m,1≤j≤n;|Φi,Ψj|表示计算向量Φi和向量Ψj的内积的绝对值,||Φi||2表示计算Φi的l2范数,||Ψj||2表示计算Ψj的l2范数。
5.根据权利要求1所述的基于确定性测量矩阵的压缩感知超声成像方法,其特征在于,所述步骤S5具体包括以下步骤:
S51:通过测量信号y、稀疏字典Ψ以及测量矩阵Φ得到:
y=Φx=ΦΨα=Θα
其中,Θ=ΦΨ表示为感知矩阵;
S52:计算稀疏系数向量α的逼近值即通过l1范数最小法求解以下最优化问题:
其中,min(·)表示求取最小元素,表示的l1范数;
S53:通过逼近值恢复出原始超声信号
6.根据权利要求1所述的基于确定性测量矩阵的压缩感知超声成像方法,其特征在于,所述步骤S6具体:利用原始超声信号进行波束合成,计算得到波束信号:
其中,sDAS表示得到的波束信号,表示第i个阵元上的重建原始回波信号,N2为超声阵列总数。
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重庆大学,未经重庆大学许可,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/202010562052.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种天然艾香纤维及其制备方法
- 下一篇:微型轴转速和角度的测量方法