一种超声频谱自适应噪声估计包络提取方法技术

一种超声频谱自适应噪声估计包络提取方法，步骤为：预存储经过处理的t时刻声功率谱线数据Pt(i)；读取数据Pt(i)，计算其正向谱最大值标签和负向谱最大值标签，同时分类确定数据Pt(i)的噪声序列分布；统计计算数据Pt(i)噪声分布序列的平均噪声；计算数据Pt(i)的正向平均功率、负向平均功率、全局平均功率，通过数据筛选获得数据Pt(i)的最佳平均噪声；按时间顺序连续计算三根相邻谱线Pt‑2(i)、Pt‑1(i)、Pt(i)的最佳噪声值，对三组最佳噪声进行数据处理获得数据Pt(i)的最终平均噪声。本发明专利技术方法受信噪比影响较小，有利于正负最大频谱的计算从而精确估算血流的流速。

【技术实现步骤摘要】

本专利技术涉及到超声技术，尤其涉及一种超声频谱自适应噪声估计包络提取方法。
技术介绍
超声技术被广泛应用于医学成像和测量。在脉冲波多普勒系统测量血流速度的过程中，系统按照一定时间间隔重复发射脉冲信号，在连续两次发射之间的某一时刻接收散射回波，再通过解调、滤波后，多普勒信号频谱从几兆赫兹搬移到以零频为中心，带宽几千赫兹的音频范围内。对解调出的音频信号进行两路处理，一路声音播放，通过扬声器可以听到多普勒信号的声音，一路进行傅里叶变化显示为以时间为横轴，频率为纵轴的功率谱图。在临床上对血管疾病进行诊断时，经常会截取多普勒信号声谱图中的某一段进行分析，从中提取一些参数，比如平均流速，最大流速，最小流速，收缩期、舒张末期最大流速比，阻尼指数，脉动指数等。所有这些参数都是基于声谱图包络曲线或者平均频率曲线计算获得，因此准确计算声谱图的包络信息在临床上有重大的意义。传统的声谱图包络提取方法包括百分比法、过阈值法、改进的阈值法、混合法、几何法、改进的几何法、自适应阈值法等等。专利US5，287，753、US5，935，074采用自适应估计阈值的方法，实际操作中为了增加最大频率估算的鲁棒性而设置较大的阈值，而阈值来自于频谱的信噪比，当信噪比较小时，估算不是很准确；专利CN 1875887A采用改进的几何法估算最大频率并利用之前时刻的噪声计算当前谱线的噪声，这种方法对混叠状态的处理以及信噪比较低时包络的处理不尽人意。以上的方法基本都存在噪声计算不准的情况，另外通过预定噪声阈值的方法来确定实时的噪声鲁棒性较低。图1为现有技术中的多普勒信号处理流程，其包络提取在处理压缩和增益之前进行，因此在图像冻结状态不能进行包络的调节。
技术实现思路
针对现有技术中的不足，本专利技术提出了一种超声频谱自适应噪声估计包络提取方法，用于实时计算谱线噪声，准确提取声谱图包络，从而可提供能准确计算临床应用参数的数据。一种超声频谱自适应噪声估计包络提取方法，其特征在于，包括以下步骤：1)、预存储经过解调、滤波、DFT处理的t时刻声功率谱线数据Pt(i)，同时进入步骤2)与步骤4)；2)、读取预存储的t时刻声功率谱线数据Pt(i)，计算其正向谱最大值标签和反向谱最大值标签，同时分类确定t时刻声功率谱线数据Pt(i)的噪声序列分布，其中分类确定噪声序列的计算公式如下： P t n o i s e 1 ( i ) = P t ( 0 : n - 1 ) | P t ( p + 1 : M a x I n d e x ) , p ≥ n P t ( p + 1 : n - p ) , p < n ]]>其中，p表示正向谱最大值标签；n表示负向谱最大值标签；MaxIndex表示最大谱频率标签；i表示t时刻谱线上的点序号；|表示逻辑“或”关系；0：n-1表示0、1、2……n-1序列；p+1：Max表示p+1、p+2、p+3……MaxIndex序列；p+1：n-p表示p+1、p+2、p+3……n-p序列；噪声序列计算完毕，进入步骤3)；3)、统计计算t时刻声功率谱线数据Pt(i)噪声分布序列Ptnoise1(i)的平均噪声Ptnoise，其中平均噪声Ptnoise计算步骤如下：31)把噪声序列Ptnoise1(i)按照各噪声Ptnoise1(i)的值的大小，按从小到大的顺序排列，然后把排好序的Ptnoise1(i)划分为N等分；32)对每一等分内的噪声数据求平均值，记为mean(j)，其中0≤j＜N；33)对噪声序列mean(j)去掉一个最大值、去掉一个最小值后，获得新序列meannew(j)，对meannew(j)序列求其平均值，记为meanall；34)新序列meannew(j)与阈值meanall进行比较判断获得t时刻声功率谱线数据Pt(i)的平均噪声MeanNoiset，具体公式如下： MeanNoise t = Σ j = k N - 2 - k 本文档来自技高网...

【技术保护点】
一种超声频谱自适应噪声估计包络提取方法，其特征在于，包括以下步骤：1)、预存储经过解调、滤波、DFT处理的t时刻声功率谱线数据Pt(i)，同时进入步骤2)与步骤4)；2)、读取预存储的t时刻声功率谱线数据Pt(i)，计算其正向谱最大值标签和反向谱最大值标签，同时分类确定t时刻声功率谱线数据Pt(i)的噪声序列分布，其中分类确定噪声序列的计算公式如下：Ptnoise1(i)=Pt(0:n-1)|Pt(p+1:MaxIndex),p≥nPt(p+1:n-p),p<n]]>其中，p表示正向谱最大值标签；n表示负向谱最大值标签；MaxIndex表示最大谱频率标签；i表示t时刻谱线上的点序号；|表示逻辑“或”关系；0：n‑1表示0、1、2……n‑1序列；p+1：Max表示p+1、p+2、p+3……MaxIndex序列；p+1：n‑p表示p+1、p+2、p+3……n‑p序列；噪声序列计算完毕，进入步骤3)；3)、统计计算t时刻声功率谱线数据Pt(i)噪声分布序列Ptnoise1(i)的平均噪声Ptnoise，其中平均噪声Ptnoise计算步骤如下：31)把噪声序列Ptnoise1(i)按照各噪声Ptnoise1(i)的值的大小，按从小到大的顺序排列，然后把排好序的Ptnoise1(i)划分为N等分；32)对每一等分内的噪声数据求平均值，记为mean(j)，其中0≤j<N；33)对噪声序列mean(j)去掉一个最大值、去掉一个最小值后，获得新序列meannew(j)，对meannew(j)序列求其平均值，记为meanall；34)新序列meannew(j)与阈值meanall进行比较判断获得t时刻声功率谱线数据Pt(i)的平均噪声MeanNoiset，具体公式如下：MeanNoiset=Σj=kN-2-k(meannew(j))N-1-k,meannew(k)>meanall]]>其中，N表示噪声功率Ptnoise1(i)序列的等分数；k表示在meannew(j)序列中第一个大于阈值meanall的数据meanall(k)的标签值，0≤k<N‑2；之后进入步骤4)；4)、计算t时刻声功率谱线数据Pt(i)的正向平均功率Ppt(i)，负向平均功率Pnt(i)，全局平均功率Pmt(i)，对Ppt(i)、Pnt(i)、Pmt(i)、MeanNoiset进行数据筛选获得t时刻声功率谱线数据的最佳平均噪声noiset，其中所述数据筛选具体的计算公式如下：noiset＝Min{MeanNoiset，Max(Ppt(i),Pnt(i),Pmt(i))}其中Min{}表示取最小值函数；Max()表示取最大值函数；5)、重复步骤1)到4)，按时间顺序连续计算t‑2、t‑1、t三时刻声功率谱线数据Pt‑2(i)、Pt‑1(i)、Pt(i)的最佳平均噪声，分别记为noiset‑2，noiset‑1，noiset，对三组噪声进行时间方向数据处理获得t时刻声功率谱线数据的最终平均噪声，记为NoiseEndt，所述时间方向数据处理的具体计算公式如下：NoiseEndt=Max(noiset-2,noiset-1,noiset)+noiset-2+noiset-1+noiset32]]>其中：t‑1表示t时刻的前一时刻；t‑2表示t‑1时刻的前一时刻；Pt‑1(i)表示t‑1时刻声功率谱线数据；Pt‑2(i)表示t‑2时刻声功率谱线数据；Max()表示取最大值函数；6)、对当前谱线Pt(i)减去最终计算噪声并积分，以基线为边界重新确定新的正向谱最大值标签和负向谱最大值标签，具体计算公式如下：fp=find(fp,maxbase+fcM-1[Σi=0kPt(k)-NoiseEndt])]]>fn=find(fn,min0base-fc[Σi=0kPt(k)-NoiseEndt])]]>其中，base表示谱基线位置，可取0、1、2……M‑1；fc表示量化后的壁滤波截止频率；M表示量化后的谱频率；k的取值范围为0、1、2……M‑1；表示在base+fc到M‑1之间取最大值函数；表示在0到base‑fc之间取最小值函数；find(x,y)表示已知y，查找x的查询函数；fp表示正向谱最大值标签；fn表示负向谱最大值标签；7)、按时间顺序依次连接所有时刻谱线的fp以及fn值，即可获得PWD谱的正负包络值，存储正负包络值完成包络的提取。...

【技术特征摘要】
1.一种超声频谱自适应噪声估计包络提取方法，其特征在于，包括以下步骤：1)、预存储经过解调、滤波、DFT处理的t时刻声功率谱线数据Pt(i)，同时进入步骤2)与步骤4)；2)、读取预存储的t时刻声功率谱线数据Pt(i)，计算其正向谱最大值标签和反向谱最大值标签，同时分类确定t时刻声功率谱线数据Pt(i)的噪声序列分布，其中分类确定噪声序列的计算公式如下： P t n o i s e 1 ( i ) = P t ( 0 : n - 1 ) | P t ( p + 1 : M a x I n d e x ) , p ≥ n P t ( p + 1 : n - p ) , ...

【专利技术属性】
技术研发人员：丁勇，张晓明，肖均文，
申请(专利权)人：青岛惠尔医疗科技有限公司，
类型：发明
国别省市：山东;37