一种基于特征空间的前后向自适应波束形成方法

摘要

本发明公开了一种基于特征空间的前后向自适应波束形成方法，涉及医学超声成像技术领域，首先对接收阵元的多路采样信号进行聚焦延时处理和前后向平滑处理，得到样本协方差矩阵估计，并对其进行对角加载后与方向向量结合，计算得到自适应波束形成权值；然后将对角加载后的前后向协方差矩阵估计进行特征分解，构造信号子空间，将自适应波束形成权值投影到该信号子空间中，得到新的自适应波束形成权值；最后将新的自适应波束形成权值对经过前向平滑处理的多路数据进行加权求和，从而得到一路自适应波束信号；它解决了现有的自适应波束形成算法在提高图像分辨率、对比度以及对方向误差敏感等问题，全面提高了超声成像的整体质量。

主权项

一种用于超声成像的基于特征空间的前后向自适应波束形成方法，其特征在于：包括以下步骤：S1：接收传感器阵列的采样信号；S2：对采样信号进行前后向平滑处理，得到样本协方差矩阵估计；S3：对样本协方差矩阵估计进行对角加载，得到空间协方差矩阵估计；S4：将空间协方差矩阵估计与方向向量结合，计算得到自适应波束形成权值；S5：对空间协方差矩阵估计进行特征分解，构造信号子空间；S6：将自适应波束形成权值投影到信号子空间中，得到新的自适应波束形成权值；S7：将新的自适应波束形成权值对采样信号数据进行加权求和，得到自适应波束信号；所述步骤S2中进行前后向平滑处理前还包括对采样信号进行聚焦延时处理，得到聚焦延时后的信号x(k)；所述信号x(k)表示为x(k)＝[x₁(k),x₂(k),…,x_M(k)]，其中，M表示传感器阵列的阵元个数；所述步骤S2中进行前后向平滑处理，得到样本协方差矩阵估计，具体包括以下步骤：S21：把M个阵元的数据分为阵元数目为L的子阵，分别计算各个子阵的相关矩阵，然后根据以下公式来计算，得到前向协方差矩阵估计为$\tilde{R}\left(k\right)=\frac{1}{M-L+1}\underset{l=1}{\overset{M-L+1}{\Sigma }}{x}_d^l\left(k\right)x_d^l{\left(k\right)}^H,$公式中$x_d^l\left(k\right)={[x_d^l\left(k\right),x_d^{l+1}\left(k\right),...,x_d^{l+L-1}\left(k\right)]}^T$为第l个子阵的输出向量，表示的共轭转置；S22：定义后向重叠向量为${\tilde{x}}_d^l\left(k\right)={[x_d^{M-l+1}\left(k\right),x_d^{M-1}\left(k\right),...,x_d^{M-l-L+2}\left(k\right)]}^H,l=\mathrm{1,2},...,M;$通过以下公式计算，得到后向协方差矩阵估计${\tilde{R}}^b\left(k\right)=\frac{1}{M-L+1}\underset{l=1}{\overset{M-L+1}{\Sigma }}{x}_d^l\left(k\right)x_d^l{\left(k\right)}^H,$其中，表示第l个子阵的后向输出向量，表示的共轭转置；S23：通过以下公式来计算前后向协方差矩阵估计：${\tilde{R}}_{\mathrm{FB}}\left(k\right)=\frac{1}{2}(\tilde{R}\left(k\right)+{\tilde{R}}^b\left(k\right)),$其中，表示前向协方差矩阵估计与后向协方差矩阵估计的求和平均；所述步骤S3中，通过下列公式对前后向协方差矩阵进行对角加载得到对角加载后的前后向协方差矩阵估计${\tilde{R}}_{\mathrm{DL}}={\tilde{R}}_{\mathrm{FB}}+\mathrm{\gamma I},$其中，Δ为算法加入的空间噪声与信号功率比，为信号等效功率，I表示单位矩阵；所述子阵阵元数目L的取值为M/2；所述对角加载因子γ中Δ的值取为1/100L。