.按照步骤2-4的信号分解方法，对得到的余项ru(t)进行同样的信号分解，得 到第二个固有模态分量CnW及余项ri2(t) W26] 6.判断ri2(t)是否呈单调趋势，如果ri2(t)是呈单调趋势，则分解停止，得 到分解结果Cu,CnW及余项rc(t)，否则，继续按照步骤2-5的信号分解方法对ri2(t) 进行分解，直到余项呈单调趋势分解停止，此时，得到分解结果：多个固有模态分量 Cii(t),Ci2(t),Ci3(t),. . .，Ci.j(t)和余项；Ti.j(t)，其中，Ci.j(t)表示第i次加入白噪声后分解 所得的第j个固有模态分量
[0027] 7.利用不相关随机序列的统计均值为零的原理，将各个固有模态分量Ci,(t)进行 整体平均，W抵消多次加入白噪声对真实IMF的影响，最终分解结果为
式中，N指添加白噪声序列的数目。
[0028] 8.将得到的所有信号进行EEMD分解时选择白噪声系数为2. 0,循环次数为50,得 到分解后的IMFl至IMF13(即C1-C13)。如图2所示为天线A6发出超宽带微波，由天线 All接收到的包含肿瘤信息的信号原始图W及经过ffiMD分解得到的IMFl至IMF13及其余 项rl3的信号图。计算各个IMF与原始信号的相关系数，得到结果如表1所示。可W得到 IMF7与IMW的相关系数较大，将两信号相加，重构为一个新的信号。该信号即为含有肿瘤 响应的信号。
[0029] 9.对经过分解提取出的有效信号用共焦成像算法进行成像，即可得到包含肿瘤信 息的乳房图像。
[0030] 为验证本发明提出的乳房成像算法的有效性，采用图1所示的乳房组织模型进行 探测。模型尺寸设定为由十二个天线组成的天线阵列排布在皮肤层上，为接近真实探测环 境，依次设立皮肤、脂肪、肋骨，其中腺体和肿瘤存在于脂肪层中，天线阵列分布于皮肤表 面。直径为4mm的肿瘤位于（100, 50)。将得到的所有信号进行EEMD分解时选择白噪声系 数为2. 0,循环次数为50,得到分解后的IMFl至IMF13。如图2为有肿瘤时A6发射，All的 接收波形及其经分解后得到的IMF分量图。对所有得到的IMF,计算其与原始信号的相关 系数，提取出相关系数较大的IMF。运里IM巧与IMW的相关系数较大，因此提取IM巧与 IMW重构一个新的信号。运里提取IM巧与IMW相加后的信号，实现了肿瘤散射信号的提 取。将所有得到有效的信号使用共焦成像算法进行处理成像，可W得到更加清晰的包含肿 瘤的乳房成像图，如图3所示。验证了该算法的有效性。
[003U表1各个IMF与原始信号之间的相关系数
[0032]
【主权项】
1. 一种基于集成经验模式分解的肿瘤信号提取方法，该方法采用的天线为若干个间隔 均匀分布在乳房仿体表面的天线，包括下列步骤： 1) 天线阵列中其中一个天线发射信号，其余天线接收来自乳房内部的反射信号，设某 天线接收的反射信号为原始信号y(t); 2) 向原始信号y(t)中多次加入等长度的正态分布的白噪声ni(t)，得到yi(t)= y(t)+ni(t);其中，yi(t)为第i次加入白噪声后的信号，每加入一次白噪声，都要进行如下 的信号分解处理： a. 确定⑴的所有局部极值点，通过三次样条函数求取ydt)的上包络UilU)和下 包络U12 (t)的局部均值b. 通过从加入白噪声的信号中减去局部均值即可得到新的信号hjt) zyJO-mJt); c. 判断Ii1 (t)是否为固有模态函数（DIF):判断h(t)是否满足以下两个条件：（1)每 一个固有模态函数中，其过零点的数目要么与极值点的数目相等要么最多差一个；（2)在 h i (t)中截取到的任意的局部信号中，其极大值点形成的包络与其极小值点形成的包络 二者求平均的结果是零；如果不满足，则在原始信号y(t)中新加入一次白噪声得到新的 yjt)，重复步骤a)和b)，直到分解得到的Ill (t)满足固有模态函数的条件； d. 如果满足，则Ii1⑴为分解得到的第一个固有模态分量C11= h i⑴，同时得到余项 rn (t) = Yi (t)-Cil; 3) 按照步骤2)的信号分解方法，对步骤2)得到的余项ril(t)进行同样的信号分解， 得到第二个固有模态分量C 12以及余项rl2(t); 4) 判断rl2(t)是否呈单调趋势，如果rl2(t)是呈单调趋势，则分解停止，得到分 解结果 Cll，C12以及余项r l2 (t)，否则，继续按照步骤2)的信号分解方法对rl2 (t)进 行分解，直到余项呈单调趋势分解停止，此时，得到分解结果：多个固有模态分量 CilU), Ci2 (t)，Ci3⑴，…，CijU)和余项!^(t)，其中，CijU)表示第i次加入白噪声后分解 所得的第j个固有模态分量； 5) 利用不相关随机序列的统计均值为零的原理，将各个固有模态分量Cl](t)进行整体 平均，以抵消多次加入白噪声对真实MF的影响，最终分解结果为：6) 计算各个固有模态分量与原始信号的相关系数，将相关系数较大的固有模态分量提 取出来进行处理，得到进行乳房成像的超宽带信号。
【专利摘要】本发明涉及一种基于集成经验模式分解的肿瘤信号提取方法，该方法采用的天线为若干个间隔均匀分布在乳房仿体表面的天线，包括：天线阵列中其中一个天线发射信号，其余天线接收来自乳房内部的反射信号，设某天线接收的反射信号，向原始信号多次加入等长度的正态分布的白噪声，每加入一次白噪声，都要进行信号分解处理，对余项继续信号分解，直到余项呈单调趋势分解停止，得到分解结果；利用不相关随机序列的统计均值为零的原理，将各个固有模态分量进行整体平，计算各个固有模态分量与原始信号的相关系数，将相关系数较大的固有模态分量提取出来进行处理，得到超宽带肿瘤信号。本发明具有方案简单，可以获得更多的信息，使得乳房成像更为准确的优点。
【IPC分类】A61B5/00
【公开号】CN105342556
【申请号】CN201510621772
【发明人】肖夏, 李钦伟
【申请人】天津大学
【公开日】2016年2月24日
【申请日】2015年9月23日