一种基于正交基线性表示测量矩阵的压缩感知超声成像方法技术

本发明专利技术涉及一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，属于超声成像技术领域。该方法包括：对超声阵列接收到的回波信号进行处理，得到所需要的超声回波信号x；构造测量矩阵，即正交基线性表示矩阵OBLR对超声回波信号进行压缩采样，得到测量信号y；选取离散余弦变换DCT作为稀疏字典Ψ，对超声回波信号x进行稀疏表示；通过计算得到正交基线性表示矩阵OBLR和稀疏字典Ψ之间的相干系数μ；利用重构算法求解最优化问题，恢复出原始超声信号

【技术实现步骤摘要】
一种基于正交基线性表示测量矩阵的压缩感知超声成像方法
本专利技术属于超声成像
，涉及一种基于正交基线性表示测量矩阵的压缩感知超声成像方法。
技术介绍
随着对超声成像质量要求的提高，必然要求更高的采样频率，因此需要存储的回波数据量十分巨大，增加了硬件实现的复杂度。压缩感知理论(CS)是近年来针对高速数据采集与大容量数据存储而提出的一种办法，该理论认为当信号本身或在某个变换域上是稀疏的，就能以远低于奈奎斯特的速率对信号采样的同时进行压缩，再通过重构算法便可以从少量采样数据中以极高的精度重建原始信号，减少需要存储的数据量，降低硬件实现复杂度。尽管压缩感知在理论上取得了巨大的成功，但是CS在感知超声信号方面仍然面临着一些实际的挑战，包括设计简单而有效的测量矩阵。在压缩感知理论中，测量矩阵性能的优劣直接关系到信号重建精度的高低。测量矩阵性能越好，需要的采样数越少，采样速率越快，重建误差也越小。目前的测量矩阵主要分为随机性测量矩阵和确定性测量矩阵。在压缩感知中常用的随机性测量矩阵包括高斯随机测量矩阵、伯努利随机测量矩阵等。该类矩阵中的每个元素都服从相互独立的同分布，保证了各列向量之间较好的非相关性，重构精度较高。但是存储空间和时间复杂度较大，并且由于其非结构化的本质导致其计算复杂，不利于硬件实现。常用的确定性测量矩阵包括部分哈达玛矩阵，拓普利兹和轮换矩阵等。该类矩阵结构简单，重构效果较好，但是当测量次数较小时，仍要先构造的高维矩阵，再选取行，浪费了存储资源，未能得到广泛应用。特别地，将这些测量矩阵应用到具有重叠性的超声信号时，图像的重构效果很差。综上所述，现亟需专利技术一种简单又高效、测量效率高的测量矩阵对超声信号进行压缩采样，提高超声图像重构质量。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于正交基线性表示测量矩阵的压缩感知超声成像方法。所利用的正交基线性表示测量矩阵与常用稀疏矩阵不相关，并且能够提供快速、近似最优的重构，从而保证重构超声图像质量，在低采样率下的重构超声图像质量优于高斯随机测量矩阵以及以拓普利兹矩阵为代表的确定性测量矩阵。为达到上述目的，本专利技术提供如下技术方案：一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，该方法包括以下步骤：S1：对超声阵列接收到的回波信号进行处理，得到所需要的超声回波信号x；S2：构造测量矩阵，即正交基线性表示矩阵OBLR对超声回波信号进行压缩采样，得到测量信号y；S3：选取离散余弦变换DCT作为稀疏字典Ψ，对超声回波信号x进行稀疏表示；S4：通过计算得到正交基线性表示矩阵OBLR和稀疏字典Ψ之间的相干系数μ；S5：利用重构算法求解最优化问题，恢复出原始超声信号S6：利用原始超声回波信号进行波束合成并最终成像。可选的，所述步骤S2具体包括以下步骤：S21：根据信号长度n，以及采样率p，确定测量个数m＝n×p,然后使用随机的方法生成一个全不为零元素的列向量ci∈±1；S22：利用列向量C生成m×m维对角阵D＝diag(C),其结构如式表示为：其中，diag(·)表示对角矩阵，Dm×m表示其大小为m×m维；S23：采用高斯随机均匀分布在[-1,1]区间上的随机数，生成m×(n-m)维线性表示系数矩阵充当标准正交基系数,结合正交基线性表示方法和正交矩阵D线性表示测量矩阵的剩余n-m个列向量，然后将D和线性表出的n-m列向量拼合构成测量矩阵Φm×n,其结构式表示为：其中：Φm×n表示其大小为m×n维；a1,1,a1,2,…,a1,n-m；a1,1,a2,2,…,a2,n-m；an,1,an,2,…,an,n-m为采用高斯随机均匀分布在[-1,1]区间上生成的随机数；S24：对测量矩阵Φm×n中所有列向量进行列归一化处理及相关性优化得到测量矩阵Φ；S25：用正交基线性表示矩阵OBLR对超声回波信号x进行压缩测量，得到测量信号为：y＝Φx。可选的，所述步骤S3具体包括以下步骤：S31：选取的稀疏字典Ψ为离散余弦变换DCT，其表达式为：其中，k为第k个离散点，x(n)表示超声回波信号x的离散信号，大小为N维，Xc(0)和Xc(k)为变换之后的信号；S32：对超声回波信号进行稀疏表示为：x＝Ψα其中，为n×n维稀疏矩阵，是n×1维稀疏系数向量。可选的，所述步骤S4具体包括：OBLR矩阵和稀疏字典Ψ之间的相干系数μ表达式为：其中，max(·)表示求取最大元素，Φi和Ψj分别表示测量矩阵Φ的第i行向量和稀疏矩阵Ψ的第j列向量，其中1≤i≤m,1≤j≤n；|<Φi,Ψj>|表示计算向量Φi和向量Ψj的内积的绝对值，||Φi||2表示计算Φi的l2范数，||Ψj||2表示计算Ψj的l2范数。可选的，所述步骤S5具体包括以下步骤：S51：通过测量信号y、稀疏字典Ψ以及测量矩阵Φ得到：y＝Φx＝ΦΨα＝Θα其中，Θ＝ΦΨ表示为感知矩阵；S52：计算稀疏系数向量α的逼近值即通过l1范数最小法求解以下最优化问题：其中，min(·)表示求取最小元素，表示的l1范数；S53：通过逼近值恢复出原始超声信号可选的，所述步骤S6具体：利用原始超声信号进行波束合成，计算得到波束信号：其中，sDAS表示得到的波束信号，表示第i个阵元上的重建原始回波信号，N1为超声阵列总数。本专利技术的有益效果在于：本专利技术提供了一种在压缩感知超声成像中测量矩阵的设计方法，该OBLR矩阵由两部分构造而成，第一部分是m×m维的标准正交基矩阵，该矩阵只有对角线上的元素非零，且该元素的值为随机的“1”或“-1”。第二部分是由高斯随机均匀分布在[-1,1]区间上的随机数所生成的m×(n-m)维线性表示系数矩阵，用该矩阵充当标准正交基系数，由于高斯随机数全为非零实数，所以该矩阵的任意一列都只能被标准正交基矩阵的所有列唯一线性表示，保证了测量矩阵最大的近似非相关性。然后对该测量矩阵的所有列进行列归一化及相关性优化得到最终的测量矩阵。与传统的测量矩阵相比，所提出的基于正交基线性表示测量矩阵在一定程度上比它们稀疏，且构造方法简单。本专利技术采用的OBLR矩阵在低采样率下的重构超声图像质量优于高斯随机测量矩阵以及以拓普利兹矩阵为代表的确定性测量矩阵。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：图1为本专利技术所述的基于正交基线性表示测量矩阵的压缩感知超声成像方法的流程图；图2不同压缩率下稀疏矩阵和三种测量矩本文档来自技高网...

【技术保护点】
1.一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，其特征在于：该方法包括以下步骤：/nS1：对超声阵列接收到的回波信号进行处理，得到所需要的超声回波信号x；/nS2：构造测量矩阵，即正交基线性表示矩阵OBLR对超声回波信号进行压缩采样，得到测量信号y；/nS3：选取离散余弦变换DCT作为稀疏字典Ψ，对超声回波信号x进行稀疏表示；/nS4：通过计算得到正交基线性表示矩阵OBLR和稀疏字典Ψ之间的相干系数μ；/nS5：利用重构算法求解最优化问题，恢复出原始超声信号

【技术特征摘要】
1.一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，其特征在于：该方法包括以下步骤：
S1：对超声阵列接收到的回波信号进行处理，得到所需要的超声回波信号x；
S2：构造测量矩阵，即正交基线性表示矩阵OBLR对超声回波信号进行压缩采样，得到测量信号y；
S3：选取离散余弦变换DCT作为稀疏字典Ψ，对超声回波信号x进行稀疏表示；
S4：通过计算得到正交基线性表示矩阵OBLR和稀疏字典Ψ之间的相干系数μ；
S5：利用重构算法求解最优化问题，恢复出原始超声信号
S6：利用原始超声回波信号进行波束合成并最终成像。


2.根据权利要求1所述的一种基于正交基线性表示测量矩阵的压缩感知超声成像方法，其特征在于：所述步骤S2具体包括以下步骤：
S21：根据信号长度n，以及采样率p，确定测量个数m＝n×p,然后使用随机的方法生成一个全不为零元素的m×1维列向量ci∈±1；
S22：利用列向量C生成m×m维对角阵D＝diag(C),其结构如式表示为：



其中，diag(·)表示对角矩阵，Dm×m表示其大小为m×m维；
S23：采用高斯随机均匀分布在[-1,1]区间上的随机数，生成m×(n-m)维线性表示系数矩阵充当标准正交基系数,结合正交基线性表示方法和正交矩阵D线性表示测量矩阵的剩余n-m个列向量，然后将D和线性表出的n-m列向量拼合构成测量矩阵Φm×n,其结构式表示为：



其中：Φm×n表示其大小为m×n维；a1,1,a1,2,…,a1,n-m；a1,1,a2,2,…,a2,n-m；an,1,an,2,…,an,n-m为采用高斯随机均匀分布在[-1,1]区间上生成的随机数；
S24：对测量矩阵Φm×n中所有列向量进行列归一化处理及相关性优化得到测量矩阵Φ；
S25：用正交基线性表示矩阵OBLR对超声回波信号x进行压缩测量，得到测量信号为：y＝Φx。


3.根据权利要...

【专利技术属性】
技术研发人员：王平，柳学功，李锡涛，田训，梁家祺，王慧悦，武超，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50