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...     

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.     

基于改进相干因子的延时乘累加平面波超声成像

针对超声回波信号高相关性特性,提出一种基于改进相干因子的延时乘累加(pCF-DMAS)波束形成算法并应用至平面波超声成像.该算法通过增强相干因子的相干性来计算回波信号的权值,然后进行乘累加运算.通过使用Field II进行超声点目标和囊肿目标的仿真实验,对成像结果进行分析验证了算法的有效性.仿真结果表明,算法具有优秀的横向分辨率,在p取0.7时具有所有对比算法中的最高对比度.综合点目标和囊肿目标的成像效果,给出算法的最优p值0.3.相比延时叠加和延时乘累加波束形成算法,所提算法的图像对比度CR分别提高了12.559,9.602dB.     

线性受限最小二乘恒模波束形成算法

将线性受限条件运用于最小二乘,提出了一种线性受限最小二乘恒模波束形成算法,称为LC-LSCMA,并将它与传统的最小二乘恒模波束形成算法(LSCMA)及预解扩最小二乘恒模波束形成算法(P-LSCMA)进行了仿真比较。仿真结果表明,提出的LC-LSCMA算法比LSCMA及P-LSCMA的信干比性能和误码率性能要好,特别在低信噪比情况下性能仍优于LSCMA。     

智能天线中的波束形成算法

首先介绍了智能天线的发展和研究现状，智能天线能够自适应地跟踪用户信号，抑制干扰，增加通信容量，提高频谱复用率，在第三代移动通信系统中占有重要地位.作为智能天线的核心技术之一，波束形成算法引起了众多学者的广泛关注。着重讨论了智能天线中波束形成的各种算法，根据算法对信号处理方式的不同，把它分为三大类,并对其中比较典型的算法进行了讨论。最后，对波束形成算法中的一类比较重要的盲波束形成算法进行了分类介绍。     

基于FPGA的合成孔径超声成像波束合成设计

合成孔径超声成像,因其可以利用少量超声传感器得到高分辨率及高对比度超声图像而成为现代数字医学超声成像常采用的方法.传统合成孔径方法的复杂性限制了实时成像系统的成像速度.对比传统的定制目标区域及非均匀采样的成像方法,利用高速数字电路设计出了应用于多阵元合成孔径超声成像系统的均匀采样波束合成算法,并利用现场可编程门阵列(FPGA)技术进行硬件实现.使用Altera公司的CycloneⅡ系列EP2C8Q208C8芯片,利用同步动态随机存储器(SDRAM)存储回波数据,数据经延时叠加及加权处理后通过USB送入PC端成像.系统测试结果表明:采用流水线结构及并行数字电路,FPGA可以在高速时钟下完成合成孔径超声成像的波束合成算法,结果精确高效,可以运用于实时成像系统.     

基于特征结构提取的盲自适应波束形成算法

在所有盲自适应波束形成算法中,ＳＣＯＲＥ无疑是一种出色的算法,然后,求解过程中所需进行的奇异值分解而导致的巨大运算量令人无法忍受。本文把它归结为一类特征结构的提取问题,提出了一个合适的代价函数,通过对代价函数取极小可以提取所需要的最大特征值,从而将运算量大大降低,计算机仿真验证了这种方法的正确性。     

一种新的自适应波束形成优化算法

结合信号处理技术引入了哈密顿优化算法,将哈密顿算法(HA)作为解决电控寄生天线(ESPAR)的自适应波束形成技术非线性问题的工具.将描述粒子运动的哈密顿方程用来解决优化问题,势能作为波束形成的代价函数,动能由动量代替,研究结果表明,该算法为寻求代价函数的全局最小值提供了一个更大的可能性.仿真结果也说明了采用哈密顿算法的ESPAR天线能够灵活地驾驭其主波束和零陷.     

基于网格的最小二乘重建算法

与投影数据及系统的灵敏度等各种特性息息相关的迭代图像重建算法,一直是医学图像重建中热点问题.具有重建速度快特点的解析法却不能得到让人满意的图像,而迭代算法能得到质量较好的图像,但存在重建时间过长的问题.本文以图像的网格化模型为基础,对惩罚加权最小二乘重建算法进行相关改进.实验结果表明,改进后的算法具有较好的重建结果.     

改进的低复杂度幅度相位估计波束形成算法

针对低复杂度的最小方差方法虽降低计算复杂度但成像质量不高的问题,提出了一种改进的低复杂度幅度相位估计波束形成算法.通过抽取协方差矩阵的有效行来计算自适应加权值,其中,有效行数的选取由更加准确的高斯相位相干系数确定,然后再用高斯相位相干因子对加权矢量做进一步修正,从而达到降低复杂度的同时保证成像质量的目的.通过实验验证,将改进算法与原算法和另一种降低复杂度的波束域方法进行对比分析,充分证明了改进算法在降低复杂度和提升成像质量方面的优越性.     

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.     

基于动量衰减哈密顿算法的波束形成技术研究

智能天线的非线性优化问题中求解代价函数最佳解的算法主要有基于梯度的算法(GBA)和随机搜索算法(RA).GBA算法收敛速度快,但有时会陷入一个局部最小值;RA算法不会陷入局部最小值,但收敛速度慢.研究及仿真结果表明,将哈密顿算法应用到该问题的求解中,能较好地解决GBA和RA存在的冲突问题,采用哈密顿算法的电控寄生天线,能够更灵活地使主波束对准期望用户波达方向,并在干扰方向形成更深的零陷.     

基于改进粒子群算法的自适应波束形成

基于最小均方误差准则,将自适应波束形成的权值求解问题表示为多目标优化模型,利用提出的改进粒子群优化算法,获得了阵列最优权值向量.改进粒子群优化算法中引入动态邻域拓扑结构,自适应调整粒子的领域搜索范围,避免粒子陷入局部最优.仿真结果表明:所提算法的收敛速度优于传统算法.     

基于蚁群算法的子阵级自适应多波束形成

在大型阵列信号处理中,可以在子阵级进行数字波束扫描形成多波束,降低硬件成本和系统复杂度,其中子阵划分的优劣直接决定信号处理的性能.针对子阵级多波束形成的问题,提出了一种基于蚁群算法的子阵划分最优策略,该策略将蚂蚁的迁移路径作为子阵划分方案,以峰值旁瓣电平为优化目标进行迭代搜索,使得子阵级自适应形成多波束方向图的旁瓣性能...     

一种双重约束的稳健自适应波束形成算法

针对最差情况下最优性能波束形成算法(WCB)仅具备对导向矢量误差稳健性的问题,提出了一种双重约束稳健自适应波束形成算法(DCRAB),在WCB的基础上增加了一个协方差矩阵误差约束条件,因而在理论上同时具备对导向矢量误差和协方差矩阵误差的稳健性.经过多次严格条件的释放,将非凸的DCRAB问题转化为凸的二阶锥规划问题(SOCP),最后可采用与WCB相似的方法求解.数值仿真结果表明DCRAB在输出SINR,DOA误差、有限采样点和方向图增益等方面都优于WCB和其他一些经典算法.     

基于小波变换的智能天线波束形成算法

提出一种基于小波变换的智能天线波束形成算法(WL-SMILMS)。该算法采用小波函数将夹杂干扰噪声的来波信号变换在多尺度频域,对高频部分采用采样矩阵求逆算法(SMI)进行权矢量更新,对低频部分采用最小均方误差算法(LMS)进行权矢量更新,用两部分融合后的权矢量更新滤波器抽头权值,实现数字波束形成。该算法克服了SMI算法计算复杂度高、旁瓣偏高的缺点,比LMS算法具有更好的收敛性,实现了收敛率和计算复杂度的高度兼顾。     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。