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.     

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.     

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。     

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.     

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.     

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.     

基于轮廓插值加权算法的研究

为了进行医学二维图像的三维表面图像重建，最重要的一步就是提取二维图像的轮廓线。文章首先从算法的角度上探讨了诸如线性加权平均的图像插值方法、动态弹性插值方法、方向性插值方法和基于形状的插值算法的基本原理，以及它们的适用范围和局限性。在基于形状的插值方法的基础上，提出了改进的轮廓插值加权算法。采用这种改进算法以后，三维重建的轮廓质量有明显的改善。     

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.     

基于复合权的多用户STC联合波束形成技术

为克服基于特征值分解（EVD）的空时编码（STC）联合波束形成技术在多用户干扰系统中性能的恶化，该文提出了1种卷积复合权结构，将发射波束等效为2个分别具有不同功能的子波束的相乘叠加，实现空时编码在空间分集上的技术优势与波束形成在加强期望信号和干扰抑制特性的最优组合，在获得空时编码空间分集增益与波束形成的阵列增益同时，实现对其它用户干扰的零陷抑制。仿真结果表明，基于复合权的联合空时编码与波束形成方案与传统基于特征值分解的联合方案相比，系统可靠性和系统容量都有显著的提高。     

一种基于RLS和RVSSLMS智能天线波束赋形算法

根据智能天线波束赋形算法必须考虑设备的复杂性和收敛速度的要求,提出一种结合RLS和RVSSLMS算法各自优点的RLS-RVSSLMS波束赋形算法,并用Matlab进行了仿真。仿真结果表明：RLS-RVSSLMS既具有RLS算法收敛速度快的特点,同时保持了LMS算法计算量小的特点。     

基于时延估计波束形成预处理的实时语音盲信号分离研究

针对现有盲信号分离算法,在真实环境下性能会降低及计算量大而难以实时处理的局限性,提出一种将基于时延估计的波束形成与一种简单的去相关盲分离算法相结合的分离方法.在波束形成中,首先用互功率谱相位法对信号源到达传感器阵列的相对时延进行估计,然后进行延时对消,在此基础上再进行盲信号分离,并将该去相关盲分离算法推广到频域进一步降低计算复杂度.仿真实验表明,该方法简单可行并使得分离效果显著改善.     

CAB盲自适应波束形成性能分析及改进算法

分析CAB盲自适应波束形成算法中有限采样数据导致的sinc窗循环泄漏效应及其在循环频率误差存在的性能,提出了种改进的CAB算法-遗忘因子CAB算法（F-CAB）,该算法无需对循环频率进行估计,理论分析表明,在F-CAB算法中估计循环相关矩阵时引入遗忘因子可以大大降低算法对循环频率误差的敏感性,由仿真结果可知,在循环频率误差比较小的情况下,F-CAB算法具有良好的性能。     

基于质心的样本加权聚类算法

针对传统的以k-means为代表的分割聚类算法认为所有的聚类样本对聚类中心的影响都是相同的这一观点,提出基于样本加权的聚类算法,并采用实际数据集验证算法的有效性.实验表明,该算法比传统的k-means聚类算法具有更高的精确度.     

基于图像熵线性加权的水下图像增强算法

目的 针对工业环境下水下图像受到水中悬浮物影响,从而导致图像的清晰度过低以及对比度过高等问题,提出一种基于图像熵线性加权的水下图像增强算法。 方法 该算法基于图像熵理论对白平衡算法、直方图均衡算法和暗通道先验算法进行线性加权,继而通过实验环境确定调节系数输出高质量图像。 在深度为 1 m、1. 5 m 和 2 m的不同水下环境拍摄图像,对获得的水下图像使用上述三种算法和该算法作对比处理,处理结果通过 PSNR 和UIQM 作为评价指标进行评判。 结果 实验结果表明:使用 PSNR 指标评判该算法,相较于其他三种算法,水深 1 m的水下图像质量提高了 22. 81%,水深 1. 5 m 的水下图像质量提高了 46. 67%,水深 2 m 的水下图像质量提高了38. 94%,图像质量综合平均提高了 36. 14%;使用 UIQM 指标评判该算法,相较于其他三种算法,水深 1 m 的图像质量提高了 1. 02%,水深 1. 5 m 的水下图像质量提高了 0. 73%,水深 2 m 的水下图像质量提高了 1. 82%,图像质量综合平均提高了 1. 19%。 结论 由此可以证明该算法相对于其他传统算法对图像清晰度有着显著提升,并且能够适应不同深度的水下环境,为工业环境下水下图像增强提供了一种新的解决思路。