一种基于稀疏数据的超声信号重建方法
【专利摘要】本发明涉及一种基于稀疏数据的超声信号重建方法，属于压缩传感【技术领域】。首先以Gabor原子库作为超声信号的稀疏变换域，利用测量矩阵对超声信号进行非线性变换得到测量值；根据测量值和传感矩阵，由正交匹配追踪算法重建出原始信号；本发明引入人工鱼群算法对正交匹配追踪算法进行优化，可减少内积计算的次数，提高计算的速度。该方法具有重构精度高，计算速度快的特点，可用于数据压缩、传输、存储及高分辨率成像等领域。
【专利说明】一种基于稀疏数据的超声信号重建方法【技术领域】:
[0001]本发明涉及一种基于稀疏数据的超声信号重建方法，基于压缩传感理论重建超声信号，并引入人工鱼群算法对正交匹配追踪算法进行优化，属于压缩传感【技术领域】。
【背景技术】:
[0002]由于超声波频率高，按常规奈奎斯特采样定理对其数字化后会带来数据量巨大的问题，特别是在超声传感器阵列、超声相控阵及高分辨率等应用场合，严重制约了其应用。近年来兴起的压缩传感思想为解决上述问题提供了新思路。压缩传感的概念由Candes和Donoho于2006年首次提出，主要思想为压缩和采样同时进行，首先利用测量矩阵压缩采样得到信号的测量值，然后根据信号的稀疏性或者可压缩性，由测量值通过求解最优化问题精确重建信号。压缩传感的测量值远远小于奈奎斯特采样数据，突破了奈奎斯特采样定理的瓶颈，使得高分辨率信号的采集成为可能。
[0003]目前，国内外在压缩传感的超声波领域开展了一些研究。Celine等根据图像在傅里叶变换域的稀疏性，将压缩传感应用于3D超声图像(Celine Q, F d VieillevillejABasarabj D Kouame.Compressed sensing of ultrasound single—orthant analyticalsignals.1EEE International Ultrasonics Symposium Proceedings, 2011.1419-1422.),减少了采样数据和时间，又根据超声信号的解析形式增加图像的稀疏度，进一步减少了采样数据。Celine等还将伯努利_高斯先验性应用于超声图像的傅里叶变换域以保证稀疏度，根据超声图像的统计特性，定义其在频域的先验稀疏度，提出了超声图像的贝叶斯重建算法(Celine Qj N Dobigeonj A Basarabj D Kouame, J Y Tourneret.BAYESIAN COMPRESSEDSENSING IN ULTRASOUND IMAGING.1EEE International Workshop on ComputationalAdvances in Mult1-Sensor Adaptive Processing，2011.101-104.)，不需要调整参数且可以估计图像的频域稀疏度。Sulieman等将压缩传感应用于多普勒超声信号的研究，对信号进行随机釆样和非均匀釆样，通过求解最小I1范数问题重建信号，结果表明两种釆样方法下的重建效果相当(Sulieman M S，Zobly.Yasser M，Kakah.Compressed SensingiDopplerUltrasound Signal Recovery by Using Non-uniform SampIing&Random Sampling.28thNational Radio Science Conference, National Telecommunication Institute, Egypt,April26-28，2011.)。沈民奋等提出了一种基于分布式压缩传感的波束接收方法，以随机向量形式返回的信号投影作为测量值，由自适应波束算法重建高分辨率超声图像，显著降低了米样步页率(Shen M F，Zhang Qj Yang J Y.A Novel Receive Beamforming Approach ofUltrasound Signals Based on Distributed Compressed Sensing.1EEE.201L 1-5.)。李德来等对超声医学图像进行小波变换，以结构化随机矩阵为测量矩阵，由梯度投影算法很好地重建了图像(Li D Lj Zhang Qj Shen H H，Shi J B，Shen M F.The Application ofCompressed Sensing based on Wavelet in the Reconstruction of Ultrasonic MedicalImage.1EEE Mechanic Automation and Control Engineering.2011.5350-5353.)。
[0004]这些都是对压缩传感在超声信号或图像的具体应用领域的研究，稀疏变换域多为标准正交基，或者根据超声信号或图像的具体性质提出相应的稀疏变换基。但是他们并没有对超声信号在冗余字典下的压缩传感进行研究。研究表明冗余字典的稀疏表示效果优于标准正交基，但是冗余字典会带来计算量巨大的问题。本发明重点研究了超声信号在Gabor原子库下的压缩传感，另外还应用人工鱼群算法对正交匹配追踪算法进行了优化，成功解决了计算量巨大的问题，并且显著提高了超声信号的重建精度。
【发明内容】
:
[0005]本发明提供了一种基于稀疏数据的超声信号重建方法，该方法鉴于压缩传感理论，以Gabor原子库为稀疏变换域，通过正交匹配追踪算法对超声信号进行了重建。为了克服Gabor原子库带来的计算量巨大、重建速度缓慢的问题，应用人工鱼群算法优化正交匹配追踪算法，显著提高了超声信号的重建精度和速度。
[0006]本发明提供了一种基于稀疏数据的超声信号重建方法，具体步骤如下:
[0007](I)超声信号f，测量矩阵Φ，通过测量矩阵Φ对超声信号f进行非线性变换，得到测量值Y=Of ;
[0008](2)初始化:测量值余量r°=y,稀疏信号s°= Φ ,索引集 °= φ，迭代次数η=1 ；
[0009](3)应用人工鱼群算法优化计算测量值余量产1和传感矩阵
【权利要求】
1.一种基于稀疏数据的超声信号重建方法，其特征在于:包括如下步骤: (1)超声信号f，测量矩阵Φ，通过测量矩阵Φ对超声信号f进行非线性变换，得到测量值Y=Of ； (2)初始化:测量值余量r°=y，稀疏信号8°=Φ，索引集°=φ，迭代次数η=1； (3)应用人工鱼群算法优化计算测量值余量r11—1和传感矩阵φ
2.根据权利要求1中所述的一种基于稀疏数据的超声信号重建方法，其特征在于:应用人工鱼群算法优化计算测量值余量r11和传感矩阵Φ = ΦΨ每一列的内积απ[/] = φ[/] 1，进行如下优化:Gabor原子的时频参数Y = (s，u，v，w)为待寻优参数,测量值余量rn与传感矩阵φ (p4列的内积的绝对值为目标函数；Gabor原子库的时频参数Y(s, U，V, w)的定义域不同,其中 l<s<N，0<ui^N,0i^v<23i,0i^wi^23i,人工鱼群算法中的s、u、v、w各自的视野和移动的最大步长的设置也不同，s、u的视野和移动的最大步长分别记为Visuala、Stepa, v、w的视野和移动的最大步长分别记为Visualb、Stepb。具体步骤为: Cl)初始化设置:人工鱼总数Na, s、u的视野和移动的最大步长Visuala、Stepa, v、w的视野和移动的最大步长Visualb、Stepb;尝试次数Try_number,拥挤度因子δ ,人工鱼群行为次数L ； (2)设置人工鱼初始行为次数num=0,在控制变量定义域内随机形成初始鱼群； (3)计算各条人工鱼当前位置的食物浓度值
3.根据权利要求1或2中所述一种基于稀疏数据的超声信号重建方法，其特征在于:的应用人工鱼群算法优化计算测量值余量rn和传感矩阵Φ = ΦΨ每一列的内积
【文档编号】G06T9/00GK103679762SQ201310681384
【公开日】2014年3月26日 申请日期:2013年12月13日 优先权日:2013年12月13日
【发明者】宋寿鹏, 耿伟, 路欣, 胥保文, 潘海彬, 赵腾飞, 鲍丙好 申请人:江苏大学