基于加权因子的双重延时乘累加波束形成算法

针对超声成像中双重延时乘累加算法不适用于高噪声环境的问题,提出一种基于均值-标准差加权因子的双重延时乘累加算法,即RD-DMAS算法.该加权因子对解决高噪声带来的图像斑点问题具有显著效果,而双重延时乘累加波束形成算法能大幅提高超声成像分辨率,使所提算法能得到高分辨率和高对比度的重建图像.对该算法在点散射目标仿体、囊肿仿体和噪声环境下进行了仿真,结果表明,RD-DMAS算法有最小旁瓣以及较窄的主瓣.DAS,DMAS,DS-DMAS,RD-DMAS算法的对比度(CR)分别为9.72,11.72,13.28和19.86.不管环境中是否有噪声,RD-DMAS算法的成像效果都是最好的.     

最小方差的延时乘累加医学超声波束形成算法

针对超声信号高度相关性的特点,提出了一种最小方差的延时乘累加波束形成(MVDMAS)算法.首先,该算法利用最小方差波束形成的思想,计算接收回波信号的权值,用来降低回波信号的旁瓣;然后,对加权处理后的回波信号进行组合乘累加运算,降低回波信号之间的相关性;最后,理论推导和实验仿真验证了算法的有效性.仿真实验结果表明,MVDMAS算法的成像对比度和分辨率均有一定提升,可有效地降低主瓣宽度、旁瓣高度和抑制斑点噪声.与延时叠加、最小方差和延时组合乘累加波束形成算法相比,综合评价指标CR和CNR分别提高了100.24%,33.91%,17.41%和30.61%,17.55%,11.36%.     

基于虚源的延时乘累加波束形成算法

为了提高超声虚源次序波束形成的成像分辨率，提出一种基于虚源的延时乘累加波束形成算法，即VS-DMAS(delay multiply and sum beamforming based on virtual source)算法.该算法将DMAS的思想引入虚源次序波束形成的第二阶段，利用DMAS算法中相乘耦合运算的特点，充分考虑信号之间的相干性，以抑制低回声区域伪影的产生，提高超声成像的分辨率和对比度.对该算法进行了点目标仿体仿真以及实体数据成像实验.结果表明，相较于常规的聚焦方式，VS-DMAS算法具有更低的旁瓣和更窄的主瓣，能够更好地将点目标从背景噪声中分离出来，随着深度的增加，依然有着较高的成像分辨率.且随着算法中p值适当增大，成像分辨率和对比度均有一定的提升.     

最小方差波束形成与基于最小方差相干系数融合的超声成像方法

在医学超声成像中,最小方差波束形成(MV)可以有效地提高图像的分辨率,但不能提高成像的对比度.针对最小方差波束形成的低对比度,提出一种最小方差波束形成与基于最小方差相干系数融合的成像方法.该方法利用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,然后利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、对比度方面都优于传统的延时叠加波束形成法,最小方差波束形成法以及最小方差波束形成与相干系数融合的方法.     

基于多线接收的延时乘累加超声波束形成算法

基于超声成像对于高帧频的需求特性，提出了一种基于多线接收的延时乘累加(multi-line acquisition delay multiply and sum， MLADMAS)超声波束形成算法.该算法首先借助于多线接收技术，由一条传输线得到多条合成传输线，再利用复杂度更低的延时乘累加算法，并行进行波束形成操作，以得到多条接收线输出结果.仿真实验结果表明，与传统的延时叠加算法相比，MLADMAS算法能在将帧频提高两倍的同时，得到质量更好的图像，其评价指标FWHM，PSL和CR分别提高了28.49%，26.29%，26.06%.当使用幅度变迹时，MLADMAS算法的性能进一步改善.     

结合子空间投影的幅度相位估计波束形成算法

在医学超声成像中,幅度相位估计(APES)波束形成算法能够更稳健地估算期望信号幅度,但其以牺牲较少量分辨率为代价.针对此问题,提出基于幅度相位估计并融合子空间投影技术的自适应波束形成算法.首先通过幅度相位估计算法初步计算加权向量,然后将加权向量向回波信号的期望信号子空间投影,以此来抑制噪声和干扰,改善成像的分辨率和对比度.经仿真分析,所提出的子空间投影与幅度相位相融合的算法在成像的分辨率、对比度和稳健性方面均优于原始的幅度相位估计算法.     

医疗超声成像自适应波束形成算法

针对传统医疗超声最小方差自适应波束形成算法的稳健性差、图像对比度提高有限、算法复杂度高等缺点,在基于QR分解的最小方差(QRMV)波束形成的基础上,引入了符号相干系数,提出了一种基于QR分解的最小方差与符号相干系数融合的自适应波束形成算法.仿真结果表明:该算法分辨率、对比度都优于传统的延时叠加、最小方差及基于QR分解的最小方差算法,表现出和最小方差与符号相干系数融合(SFMV)算法非常接近的性能,但运算复杂度却远低于它.     

提高高帧率超声成像系统算法效率的研究

在高帧率超声成像算法中 ,对回波信号进行有限衍射波束加权处理占用了成像中大部分计算时间 .论文通过讨论高帧率超声成像系统中有限衍射波加权处理接收信号的物理意义 ,提出了一种提高加权处理算法效率的方法 .计算机仿真结果表明它可以在保持成像质量前提下 ,有效减少加权处理计算量     

基于改进DMAS的平面波超声成像算法及其GPU实现

针对基于DMAS波束合成的平面波超声成像算法的图像对比信噪比偏低及算法复杂度大,无法实现实时成像的问题,提出了一种具有较高成像质量和较小计算复杂度的平面波超声成像算法DSBMGCF(delay sum before multiply and generalized coherence factor),借助FieldII仿真工具在Matlab上进行点目标和囊肿目标的仿真实验,验证了该算法的成像质量.同时,对所提出的新算法进行了并行化研究和改进,得到了一种适合在GPU上并行实现的平面波超声成像并行算法PDMASGCF(parallel delay multiply and sum generalized coherence factor),并在实验室戴尔T7810普通工作站上进行了平面波超声成像时间和质量的验证实验,获得了较高的成像帧频,并保证了较好的成像性能.     

基于信号子空间逼近的多麦克风语音信号增强方法

对现有的基于自动波束形成的麦克风阵列语音信号增强算法提出了改进.将各个麦克风采集到的信号利用ABF(自适应波束形成)进行延时补偿并求和,消除信号中弱相干和不相干噪声;再利用信号子空间逼近的方法进一步去除残留噪声.仿真试验结果表明:把自适应波束形成技术和信号子空间逼近的方法结合起来,能够得到良好的去噪效果.     

超声成像中基于虚拟阵元的双聚焦波束合成方法

针对传统动态接收聚焦DRF波束合成方法在超声成像中分辨率和探测深度方面存在的不足,提出一种基于虚拟阵元的双聚焦波束合成方法.首先利用单一固定焦点进行第一次聚焦;然后利用虚拟阵元的概念计算第二次聚焦的延时参数;最后再根据延时叠加波束合成的原理及动态聚焦技术进行第二次聚焦,得到最终成像的扫描线数据.为验证该方法的有效性,进行了点散射目标成像实验.实验结果表明:双聚焦波束合成的超声成像方法在一定程度上有效地调和了分辨率与探测深度之间的矛盾,提高了超声成像的质量.     

基于深度展开的SAR大斜视RD成像算法

大斜视角条件下的合成孔径雷达SAR回波信号具有方位向和距离向严重耦合、大距离徙动等特点,采用常规的距离多普勒RD算法成像,会引起方位向的散焦以及空变等问题。为了改善大斜视SAR在成像过程中存在的问题,提出了一种基于深度展开网络的SAR大斜视可学习距离多普勒成像方法。该方法将RD成像方法与深度学习结合,利用RD成像的步骤构建了基于深度展开网络的RD学习成像网络结构,将回波数据作为网络输入来学习回波数据到大斜视SAR图像的成像过程。首先,在分析大斜视SAR回波信号模型的基础上确定了网络成像过程中的可学习参数;其次,根据成像过程设计大斜视SAR成像网络;最后,通过非监督训练的方法对网络进行训练,最终输出学习成像结果。点目标和面目标仿真结果表明,该方法可以有效抑制旁瓣,提高成像精度和计算效率,满足SAR在大斜视角下的成像要求。     

改进的机载合成孔径雷达小斜视角RD成像算法

介绍了RD（range-doppler）算法的基本原理,针对原有RD算法的不足从而提出了改进的RD算法,其主要思想是雷达接收回波后,加入均方误差最小准则窗函数的全相位滤波器来消除旁瓣.用这种改进的RD算法对小斜视角多点目标进行仿真.通过仿真验证这种改进的成像算法可以对不同的点目标成像,而且还可以将点目标之间存在的旁瓣消除.实验证明了原有RD算法存在的旁瓣问题可以通过改进的RD算法来解决.