论文发表,论文投稿,期刊投稿,职称论文发表|发表论文就上早发表期刊网

摘要: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.

关键词:最小方差,符号相干系数,ＱＲ分解,分辨率,对比度

最经典的自适应波束形成算法是由Ｃａｐｏｎ[１]提出的最小方差(ｍｉｎｉｍｕｍｖａｒｉａｎｃｅ,ＭＶ)波束形成,该算法通过抑制离轴信号同时保持感兴趣的轴上信号来提高图像分辨率和对比度.然而ＭＶ对方向向量误差过度敏感,稳健性不如传统的延时叠加(ｄｅｌａｙ-ａｎｄ-ｓｕｍ,ＤＡＳ)算法[２];其次,ＭＶ在增强图像对比度及抑制杂波方面仍有待提高;而且,高运算复杂度限制了ＭＶ的硬件实现,其计算量体现在协方差矩阵求逆,复杂度高达Ｏ(Ｌ３).

针对这些问题,很多学者提出了改进和优化的方法.文献[３-４]提出了最小方差与符号相干系数结合(ｍｉｎｉｍｕｍｖａｒｉａｎｃｅｃｏｍｂｉｎｅｄｗｉｔｈｓｉｇｎｃｏｈｅｒｅｎｃｅｆａｃｔｏｒ,ＳＦＭＶ)的波束形成,这种方法进一步提高了超声图像的分辨率和对比度.Ｐａｒｋ等[５]提出了基于ＱＲ分解的ＭＶ(ｍｉｎｉｍｕｍｖａｒｉａｎｃｅｂａｓｅｄｏｎＱＲｄｅｃｏｍｐｏｓｉｔｉｏｎ,ＱＲＭＶ)波束形成,成功将运算复杂度降低到Ｏ(Ｌ２),而且保持了与ＭＶ几乎相等的成像性能.

ＳＦＭＶ算法虽然获得了高分辨率和高对比度的超声图像,但是进一步增加了算法的复杂度.ＱＲＭＶ算法虽然显著降低了运算的复杂度,但是保留了ＭＶ的缺点.本文把符号相干系数引入到ＱＲＭＶ波束形成中,提出一种基于ＱＲ分解的最小方差与符号相干系数融合(ｍｉｎｉｍｕｍｖａｒｉａｎｃｅｃｏｍｂｉｎｅｄｗｉｔｈｓｉｇｎｃｏｈｅｒｅｎｃｅｆａｃｔｏｒｂａｓｅｄｏｎＱＲｄｅｃｏｍｐｏｓｉｔｉｏｎ,ＳＦＱＲＭＶ)的自适应波束形成算法.为了验证该算法的优越性,采用了点散射目标和囊肿目标进行超声成像仿真实验,并将该算法与ＤＡＳ,ＭＶ,ＱＲＭＶ,ＳＦＭＶ算法在分辨率、对比度和运算复杂度上进行了比较.