[发明专利]一种基于正交基线性表示测量矩阵的压缩感知超声成像方法

说明书

本发明涉及一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，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；构造测量矩阵，即正交基线性表示矩阵OBLR对超声回波信号进行压缩采样，得到测量信号y；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；通过计算得到正交基线性表示矩阵OBLR和稀疏字典Ψ之间的相干系数μ；利用重构算法求解最优化问题，恢复出原始超声信号利用原始超声信号进行波束合成并最终成像；本发明能够显著提高超声信号测量效率，能够对超声信号进行快速、近似最优的重构。

技术领域

本发明属于超声成像技术领域，涉及一种基于正交基线性表示测量矩阵的压缩感知超声成像方法。

背景技术

随着对超声成像质量要求的提高，必然要求更高的采样频率，因此需要存储的回波数据量十分巨大，增加了硬件实现的复杂度。压缩感知理论(CS)是近年来针对高速数据采集与大容量数据存储而提出的一种办法，该理论认为当信号本身或在某个变换域上是稀疏的，就能以远低于奈奎斯特的速率对信号采样的同时进行压缩，再通过重构算法便可以从少量采样数据中以极高的精度重建原始信号，减少需要存储的数据量，降低硬件实现复杂度。尽管压缩感知在理论上取得了巨大的成功，但是CS在感知超声信号方面仍然面临着一些实际的挑战，包括设计简单而有效的测量矩阵。

在压缩感知理论中，测量矩阵性能的优劣直接关系到信号重建精度的高低。测量矩阵性能越好，需要的采样数越少，采样速率越快，重建误差也越小。目前的测量矩阵主要分为随机性测量矩阵和确定性测量矩阵。在压缩感知中常用的随机性测量矩阵包括高斯随机测量矩阵、伯努利随机测量矩阵等。该类矩阵中的每个元素都服从相互独立的同分布，保证了各列向量之间较好的非相关性，重构精度较高。但是存储空间和时间复杂度较大，并且由于其非结构化的本质导致其计算复杂，不利于硬件实现。常用的确定性测量矩阵包括部分哈达玛矩阵，拓普利兹和轮换矩阵等。该类矩阵结构简单，重构效果较好，但是当测量次数较小时，仍要先构造的高维矩阵，再选取行，浪费了存储资源，未能得到广泛应用。特别地，将这些测量矩阵应用到具有重叠性的超声信号时，图像的重构效果很差。

综上所述，现亟需发明一种简单又高效、测量效率高的测量矩阵对超声信号进行压缩采样，提高超声图像重构质量。

发明内容

有鉴于此，本发明的目的在于提供一种基于正交基线性表示测量矩阵的压缩感知超声成像方法。所利用的正交基线性表示测量矩阵与常用稀疏矩阵不相关，并且能够提供快速、近似最优的重构，从而保证重构超声图像质量，在低采样率下的重构超声图像质量优于高斯随机测量矩阵以及以拓普利兹矩阵为代表的确定性测量矩阵。

为达到上述目的，本发明提供如下技术方案：

一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，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：构造测量矩阵，即正交基线性表示矩阵OBLR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：通过计算得到正交基线性表示矩阵OBLR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。

可选的，所述步骤S2具体包括以下步骤：

S21：根据信号长度n，以及采样率p，确定测量个数m＝n×p,然后使用随机的方法生成一个全不为零元素的列向量c_i∈±1；