论文部分内容阅读
超声成像因其具有安全、实时、便携、无创及成本低等优势，广泛应用于心血管、腹腔脏器、泌尿系统等疾病的临床医学诊断。波束形成处于核心位置，直接决定着医学超声成像质量的好坏。在传统的延时叠加波束形成中，动态聚焦、幅度变迹和动态孔径是控制波束主瓣宽度与旁瓣幅度的常用方法。虽然上述三种方法在一定程度上改善了超声成像的质量，但传统延时叠加的成像模式限制了分辨率的进一步提高，具体表现在：①动态聚焦延时参数存储容量大，很难实现高精度的动态聚焦。②幅度变迹采用的加权值是固定的，虽然压制了旁瓣，但代价是增加了主瓣宽度，降低了成像的空间分辨率。针对这两个缺陷，本文进行了如下研究工作：①提出了一种聚焦延时参数的压缩存储方法。该方法首先把动态聚焦延时参数分解为相邻阵元的相对延时参数并进行量化，然后通过存储相邻阵元的相对聚焦延时参数的初始值及发生变化所对应的位置序号来完成对聚焦延时参数的压缩存储。最后，在动态聚焦的过程中，实时解压相对延时参数，生成各个通道所需的聚焦延时参数。性能分析表明：该方法在保证波束合成质量的前提下，大幅度减小了聚焦延时参数的存储量。②开展了自适应波束形成算法，希望由接收的回波数据计算得到动态的加权值。同时，本文针对目前存在的自适应波束形成算法在提高算法稳健性以及图像对比度方面的不足，提出了两种改进算法，分别为最小方差波束形成与基于最小方差相干系数融合算法(MV+HRCF)和基于特征空间的前后向最小方差波束形成算法(EIBFBMV)。MV+HRCF算法是将最小方差波束形成的输出取代相干系数中相干部分的能量和，得到加权系数，然后采用该系数加权最小波束形成的结果。仿真成像结果表明：该方法在分辨率、对比度方面都优于现有的算法。EIBFBMV算法首先用前后向空间平滑取代传统的前向空间平滑，得到更精确的协方差矩阵；然后计算最优加权向量，并将该向量投影到由协方差矩阵特征空间构造的信号子空间中；最后利用投影所获得的向量与阵元数据进行运算得到成像回波数据。仿真成像结果表明：该方法不依赖于对角加载参数的选取，在保持最小方差波束形成算法高分辨率的同时，还有效提高图像的对比度和算法的稳健性。