一种基于自适应加权的双聚焦波束合成方法.pdf

上传人:1****2 文档编号:1884722 上传时间:2018-07-19 格式:PDF 页数:18 大小:5.31MB
返回 下载 相关 举报
摘要
申请专利号:

CN201210438358.3

申请日:

2012.11.06

公开号:

CN102895000A

公开日:

2013.01.30

当前法律状态:

终止

有效性:

无权

法律详情:

未缴年费专利权终止IPC(主分类):A61B 8/00申请日:20121106授权公告日:20140618终止日期:20141106|||授权|||实质审查的生效IPC(主分类):A61B 8/00申请日:20121106|||公开

IPC分类号:

A61B8/00

主分类号:

A61B8/00

申请人:

重庆大学

发明人:

王平; 高阳; 王林泓; 邹强鑫; 张莉; 王思奇; 汪金刚

地址:

400044 重庆市渝北区沙正街174号

优先权:

专利代理机构:

北京同恒源知识产权代理有限公司 11275

代理人:

赵荣之

PDF下载: PDF下载
内容摘要

本发明公开了一种基于自适应加权的双聚焦波束合成方法,将幅度变迹技术、虚拟阵元技术、自适应加权方法引入到超声成像系统,结合动态聚焦技术,利用2次延时叠加实现自适应加权双聚焦波束合成的超声成像;首先利用虚拟阵元技术实现多个重叠声场有效信息的提取;其次在第一次聚焦时,对提取的信息进行幅度变迹后,再进行定点聚焦,然后根据第一次聚焦的合成信号,利用自适应波束合成算法产生自适应加权系数,再次对第一次聚焦的合成信号进行自适应加权波束合成聚焦,从而得到最终成像的扫描线数据;该方法有效消除了传统的基于虚拟阵元的双聚焦方法在近场区域伪像严重的缺点,使超声成像效果显著提高。

权利要求书

权利要求书一种基于自适应加权的双聚焦波束合成方法,其特征在于:包括以下步骤:
S1:利用单一固定焦点进行发射和接收超声波;
S2:利用Hanning窗加权函数对回波数据进行幅度变迹,然后采用了定点的延时叠加波束合成聚焦;
S3:利用虚拟阵元方法根据第一次聚焦形成的数据来计算第二次动态聚焦的相关延时参数;
S4:利用最小方差自适应算法根据第一次聚焦形成的波束合成数据计算动态自适应加权系数;
S5:根据聚焦延时参数以及相应的动态自适应加权系数进行第二次延时叠加波束合成聚焦,得到最终成像的扫描线回波数据。
根据权利要求1所述的基于自适应加权的双聚焦波束合成方法,其特征在于:所述第一次波束合成采用单一固定发射接收焦点,采用Hanning窗对回波信号进行加权后定点聚焦,形成的数据存储于缓存器FIFO中,第二次波束合成采用第一次的聚焦结果,对FIFO中的数据利用最小方差的动态自适应加权的方法进行动态波束合成,形成超声图像的扫描线。
根据权利要求2所述的基于自适应加权的双聚焦波束合成方法,其特征在于:所述第一次聚焦具体包括以下步骤:
S21:通过以下公式(1)来计算滑动子孔径中第i个虚拟阵元的位置xi为:
<mrow><MSUB><MI>x</MI><MI>i</MI></MSUB><MO>=</MO><MROW><MO>(</MO><MI>i</MI><MO>-</MO><MFRAC><MROW><MI>L</MI><MO>+</MO><MN>1</MN></MROW><MN>2</MN></MFRAC><MO>)</MO></MROW><MO>×</MO><MI>d</MI><MO>,</MO><MI>i</MI><MO>=</MO><MN>1,2</MN><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MI>L</MI><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>1</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,L=Zv/F#/d为滑动子孔径线性传感器的个数,d为虚拟阵元间距,Zv为虚拟阵元深度,D=L×d为滑动子孔径大小,F#为聚焦系数;<BR>S22:通过以下公式(2)来计算虚拟阵元i的延时τi:<BR><MATHS id=cmaths0002 num="0002"><MATH><![CDATA[<mrow><MSUB><MI>τ</MI><MI>i</MI></MSUB><MO>=</MO><MFRAC><MROW><MSQRT><MSUP><MSUB><MI>x</MI><MI>i</MI></MSUB><MN>2</MN></MSUP><MO>+</MO><MSUP><MSUB><MI>Z</MI><MI>v</MI></MSUB><MN>2</MN></MSUP></MSQRT><MO>-</MO><MSUB><MI>Z</MI><MI>v</MI></MSUB></MROW><MI>c</MI></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>2</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中c为声速,以滑动子孔径中心作为延迟时间参考点,在虚拟阵元处进行定点聚焦;<BR>S23:通过以下公式(3)来计算各个通道形成的扫描线数据:<BR><MATHS id=cmaths0003 num="0003"><MATH><![CDATA[<mrow><MFENCED close="" open="{"><MTABLE><MTR><MTD><MI>S</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>i</MI><MO>=</MO><MN>1</MN></MROW><MI>L</MI></MUNDEROVER><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>)</MO></MROW><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MFRAC><MI>r</MI><MI>c</MI></MFRAC><MO>-</MO><MSUB><MI>τ</MI><MI>i</MI></MSUB><MO>)</MO></MROW></MTD></MTR><MTR><MTD><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>)</MO></MROW><MO>=</MO><MN>0.5</MN><MO>[</MO><MN>1</MN><MO>-</MO><MI>cos</MI><MROW><MO>(</MO><MN>2</MN><MI>π</MI><MFRAC><MI>i</MI><MI>L</MI></MFRAC><MO>)</MO></MROW><MO>]</MO><MO>,</MO><MN>0</MN><MO>≤</MO><MI>i</MI><MO>≤</MO><MI>L</MI></MTD></MTR></MTABLE></MFENCED><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>3</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,S(t)为N‑L+1条扫描线数据,wBF1(i)为Hanning窗加权函数,si(t)为子孔径中阵元i接收到的回波信号,r/c为声波从像点到子孔径中心的传播时间,τi为第i个虚拟阵元施加的延时。<BR>根据权利要求2所述的基于自适应加权的双聚焦波束合成方法,其特征在于:所述第二次聚焦包括以下步骤:<BR>S41:读取缓存器FIFO中的数据,并通过以下公式(4)判断数据样本点是否为有效样本点:<BR>其中,d_x为样本点到相应虚拟阵元的侧向距离,d_z为轴向距离,θa为虚拟阵元声场的半孔径角,ii为数据样本点编号,jj为虚拟阵元位置点;若Kjj,ii=1,则样本点位于该虚拟阵元的声场内,该样本点即为有效样本点;<BR>S42:通过以下公式(5)计算半孔径角θa:<BR><MATHS id=cmaths0004 num="0004"><MATH><![CDATA[<mrow><MSUB><MI>θ</MI><MI>a</MI></MSUB><MO>=</MO><MI>arctan</MI><MFRAC><MI>D</MI><MROW><MN>2</MN><MSUB><MI>Z</MI><MI>v</MI></MSUB></MROW></MFRAC><MO>=</MO><MI>arctan</MI><MFRAC><MN>1</MN><MROW><MN>2</MN><MI>F</MI><MO>#</MO></MROW></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>5</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,D=L×d为滑动子孔径的大小,Zv表示虚拟阵元的深度,F#=Zv/D为聚焦系数;<BR>S43:通过以下公式(6)计算样本点ii到虚拟阵元jj的延时参数:<BR><MATHS id=cmaths0005 num="0005"><MATH><![CDATA[<mrow><MSUB><MI>τ</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MO>=</MO><MN>2</MN><MFRAC><MROW><MSUB><MI>Z</MI><MI>v</MI></MSUB><MO>&amp;PlusMinus;</MO><MSQRT><MI>d</MI><MO>_</MO><MSUP><MI>x</MI><MN>2</MN></MSUP><MO>+</MO><MI>d</MI><MO>_</MO><MSUP><MI>z</MI><MN>2</MN></MSUP></MSQRT></MROW><MI>c</MI></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>6</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,“±”表示样本点在相应虚拟阵元的下方或者上方,c为声速;<BR>S44:利用最小方差自适应算法,计算动态加权系数:<BR>对于M个等间距阵元形成的传感器阵列,在阵列的近场区域存在一些点散射目标,波束合成的输出可表达为:<BR><MATHS id=cmaths0006 num="0006"><MATH><![CDATA[<mrow><MI>y</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUP><MROW><MO>=</MO><MI>w</MI></MROW><MI>H</MI></MSUP><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUB><MI>x</MI><MI>d</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>i</MI><MO>=</MO><MN>1</MN></MROW><MI>M</MI></MUNDEROVER><MSUB><MI>w</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUB><MI>x</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MSUB><MI>Δ</MI><MI>i</MI></MSUB><MO>)</MO></MROW><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>7</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,t为时间系数,w(t)=[w1(t),…,wM(t)]T为加权向量,wH(t)是w(t)的共轭转置,xd(t)为延时后聚焦的信号,表示为xd(t)=[x1(t‑Δ1),…,xM(t‑ΔM)]T,Δi为各个通道的延时量,xi(t‑Δi)表示第i阵元通道延时后的信号。<BR>根据第一次聚焦延时后得到的信号S(t),所述信号S(t)表示为S(t)=[s1(t),s2(t),…,sN‑L+1(t)],其中,L表示每个子孔径传感器阵元的个数,N表示传感器阵元的总个数,N‑L+1表示滑动子孔径的个数。<BR>寻找一个最优的加权向量w,在保持期望方向增益不变的条件下,使阵列的输出能量最小:<BR><MATHS id=cmaths0007 num="0007"><MATH><![CDATA[<mrow><MUNDER><MI>min</MI><MI>w</MI></MUNDER><MSUP><MI>w</MI><MI>H</MI></MSUP><MSUB><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW></MSUB><MI>w</MI><MO>,</MO></MROW>]]&gt;</MATH></MATHS>约束条件wHa=1&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;(8)<BR>其中,公式(8)中的a为取全1方向向量,w为待求的最优加权向量,wH是w的共轭转置,Ri+n是第一次聚焦后输出扫描线数据S(t)的协方差矩阵,可由公式(9)计算:<BR><MATHS id=cmaths0008 num="0008"><MATH><![CDATA[<mrow><MFENCED close="" open="{"><MTABLE><MTR><MTD><MI>S</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MO>[</MO><MSUB><MI>s</MI><MN>1</MN></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>,</MO><MSUB><MI>s</MI><MN>2</MN></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MO>,</MO><MSUB><MI>s</MI><MROW><MI>N</MI><MO>-</MO><MI>L</MI><MO>+</MO><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW></MTD></MTR><MTR><MTD><MSUB><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>,</MO><MI>j</MI><MO>)</MO></MROW><MO>=</MO><MI>E</MI><MO>{</MO><MO>[</MO><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>-</MO><MI>E</MI><MROW><MO>(</MO><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>)</MO></MROW><MO>]</MO><MO>[</MO><MSUB><MI>s</MI><MI>j</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>-</MO><MI>E</MI><MROW><MO>(</MO><MSUB><MI>s</MI><MI>j</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>)</MO></MROW><MO>]</MO><MO>}</MO></MTD></MTR></MTABLE></MFENCED><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>9</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,公式(9)中的E(si(t))、E(sj(t))分别表示s&nbsp;i(t)、sj(t)的期望值,Ri+n(i,j)表示协方差矩阵Ri+n中第i行、第j列的元素;结合式(8)、(9),可以以下公式<BR>(10)计算得到最优加权向量为:<BR><MATHS id=cmaths0009 num="0009"><MATH><![CDATA[<mrow><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>2</MN></MROW></MSUB><MO>=</MO><MSUB><MI>w</MI><MI>opt</MI></MSUB><MO>=</MO><MFRAC><MROW><MSUBSUP><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW><MROW><MO>-</MO><MN>1</MN></MROW></MSUBSUP><MI>a</MI></MROW><MROW><MSUP><MI>a</MI><MI>H</MI></MSUP><MSUBSUP><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW><MROW><MO>-</MO><MN>1</MN></MROW></MSUBSUP><MI>a</MI></MROW></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>10</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,表示Ri+n的逆矩阵,aH表示a的共轭转置,wopt表示最优加权向量,wBF2表示第2次聚焦时的动态加权系数;<BR>S45:采用自适应加权系数wBF2=[wBF2(1),…,wBF2(N‑L+1)]T的逐点接收聚焦波束合成BF2的第n条扫描线数据为:<BR><MATHS id=cmaths0010 num="0010"><MATH><![CDATA[<mrow><MSUB><MI>H</MI><MROW><MI>n</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>jj</MI><MO>=</MO><MN>1</MN></MROW><MROW><MI>N</MI><MO>-</MO><MI>L</MI><MO>+</MO><MN>1</MN></MROW></MUNDEROVER><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>2</MN></MROW></MSUB><MROW><MO>(</MO><MI>jj</MI><MO>)</MO></MROW><MSUB><MI>K</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MSUB><MI>S</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MSUB><MI>τ</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MO>)</MO></MROW><MO>,</MO><MI>ii</MI><MO>=</MO><MN>1,2</MN><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MO>,</MO><MI>P</MI><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>11</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS><BR>其中,wBF2(jj)为自适应加权系数,P为样本点总数,N为BF1所形成的扫描线总数,Sjj,ii(t‑τjj,ii)为波束合成器BF1所形成的第jj条扫描线上的第ii个样本点,τjj,ii为样本点ii相对于编号是jj的虚拟阵元的延时参数。</p></div> </div> </div> <div class="zlzy"> <div class="zltitle">说明书</div> <div class="gdyy"> <div class="gdyy_show"><p>说明书一种基于自适应加权的双聚焦波束合成方法 <BR>技术领域 <BR>本发明涉及医学超声成像领域,特别涉及一种基于自适应加权的双聚焦波束合成方法。 <BR>背景技术 <BR>在医学超声成像中,非信源方向上的回波信号引入了广泛的图像杂波,导致了图像质量的下降。目前,一般采用传统延时叠加方法减弱非信源方向上信号的干扰,提高信源方向上信号的强度。该方法对不同通道接收到的数据施以不同的延时,再将其相加,得到期望聚焦点的幅值。单次延时叠加算法简单,易实现,但其抗噪声能力弱,空间分辨率较低,成像对比度较差。 <BR>近年来,虚拟阵元的概念以及自适应波束合成技术已广泛应用于军事、民用通信以及雷达天线探测系统等阵列信号处理领域。虚拟阵元技术的基本思想是:在保持真实阵元数目不变的情况下,应用虚拟阵元技术使得阵元数目在虚拟上得到增加,从而减小波束宽度,提高分辨率,增加探测深度。然而,目前在国内超声成像领域,将虚拟阵元技术直接应用于超声成像,将使得超声成像在近场的伪像特别严重,这是虚拟阵元应用于超声成像的一个固有缺点。自适应波束合成的基本思想是在无失真约束条件下在指定方位或频率上获得最小方差,进而推导出最优加权向量。由于自适应波束合成方法只适用于远场、窄带非相关信号,而超声数据具有近场、宽带和强相关性等特点都限制了自适应波束合成算法在医学超声成像中的应用。 <BR>随着临床诊断需求的不断增加,对超声成像系统的成像质量提出了更高的要求。因此急需一种能够同时提高超声成像分辨率和增加探测深度的波束合成方法。 <BR>发明内容 <BR>有鉴于此,本发明所要解决的技术问题是提供一种能够同时提高超声成像分辨率和增加探测深度的聚焦波束合成方法。 <BR>本发明的目的是研究出一种高质量的基于自适应加权的双聚焦波束合成方法,通过抑制旁瓣伪像,提高波束合成质量,从而全面提高超声图像的质量。 <BR>本发明的目的是通过以下技术方案来实现的: <BR>本发明提供的一种基于自适应加权的双聚焦波束合成方法,包括以下步骤: <BR>S1:利用单一固定焦点进行发射和接收超声波; <BR>S2:利用Hanning窗加权函数对回波数据进行加权,第一次聚焦采用了定点的延时叠加波束合成聚焦; <BR>S3:利用虚拟阵元方法根据第一次聚焦形成的数据来计算第二次动态聚焦的相关延时参数; <BR>S4:利用最小方差自适应算法根据第一次聚焦形成的聚焦数据计算自适应加权系数; <BR>S5:根据聚焦延时参数以及相应的动态自适应加权系数进行第二次延时叠加波束合成聚焦,得到最终成像的扫描线回波数据。 <BR>进一步,所述第一次波束合成采用单一固定发射接收焦点,采用Hanning窗对回波信号进行加权后聚焦,形成的数据存储于缓存器FIFO中,第二次波束合成采用第一次的聚焦结果,对FIFO中的数据利用自适应加权的方法进行动态波束合成,形成超声图像的扫描线。 <BR>进一步,所述第一次聚焦包括以下步骤: <BR>S21:通过以下公式来计算滑动子孔径中第i个虚拟阵元的位置xi为: <BR><MATHS num="0001"><MATH><![CDATA[<mrow><MSUB><MI>x</MI><MI>i</MI></MSUB><MO>=</MO><MROW><MO>(</MO><MI>i</MI><MO>-</MO><MFRAC><MROW><MI>L</MI><MO>+</MO><MN>1</MN></MROW><MN>2</MN></MFRAC><MO>)</MO></MROW><MO>×</MO><MI>d</MI><MO>,</MO><MI>i</MI><MO>=</MO><MN>1,2</MN><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MI>L</MI><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>1</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,d为虚拟阵元间距,Zv为虚拟阵元深度,L=Zv/F#/d为滑动子孔径线性传感器个数,D=L×d为滑动子孔径大小,F#为聚焦系数; <BR>S22:通过以下公式来计算虚拟阵元i的延时τi: <BR><MATHS num="0002"><MATH><![CDATA[<mrow><MSUB><MI>τ</MI><MI>i</MI></MSUB><MO>=</MO><MFRAC><MROW><MSQRT><MSUP><MSUB><MI>x</MI><MI>i</MI></MSUB><MN>2</MN></MSUP><MO>+</MO><MSUP><MSUB><MI>Z</MI><MI>v</MI></MSUB><MN>2</MN></MSUP></MSQRT><MO>-</MO><MSUB><MI>Z</MI><MI>v</MI></MSUB></MROW><MI>c</MI></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>2</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中c为声速,以滑动子孔径中心作为延迟时间参考点,在虚拟阵元处进行定点聚焦; <BR>S23:通过以下公式来计算各个通道的回波数据形成扫描线数据: <BR><MATHS num="0003"><MATH><![CDATA[<mrow><MFENCED close="" open="{"><MTABLE><MTR><MTD><MI>S</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>i</MI><MO>=</MO><MN>1</MN></MROW><MI>L</MI></MUNDEROVER><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>)</MO></MROW><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MFRAC><MI>r</MI><MI>c</MI></MFRAC><MO>-</MO><MSUB><MI>τ</MI><MI>i</MI></MSUB><MO>)</MO></MROW></MTD></MTR><MTR><MTD><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>)</MO></MROW><MO>=</MO><MN>0.5</MN><MO>[</MO><MN>1</MN><MO>-</MO><MI>cos</MI><MROW><MO>(</MO><MN>2</MN><MI>π</MI><MFRAC><MI>i</MI><MI>L</MI></MFRAC><MO>)</MO></MROW><MO>]</MO><MO>,</MO><MN>0</MN><MO>≤</MO><MI>i</MI><MO>≤</MO><MI>L</MI></MTD></MTR></MTABLE></MFENCED><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>3</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,S(t)为N‑L+1条扫描线数据,wBF1(i)为Hanning窗加权函数,si(t)为子孔径中阵元i接收到的回波信号,r/c为声波从像点到子孔径中心的传播时间,τi为第i个虚拟阵元施加的延时。 <BR>进一步,所述第二次聚焦包括以下步骤: <BR>S41:读取缓存器FIFO中的数据并通过以下公式判断数据样本点是否为有效样本点: <BR> <BR>其中,d_x为样本点到相应虚拟阵元的侧向距离,d_z为轴向距离,θa为虚拟阵元声场的半孔径角,ii为数据样本点编号,jj为虚拟阵元位置点;若Kjj,ii=1,则样本点位于该虚拟阵元的声场内,该样本点即为有效样本点: <BR>S42:通过以下公式计算半孔径角θa: <BR><MATHS num="0004"><MATH><![CDATA[<mrow><MSUB><MI>θ</MI><MI>a</MI></MSUB><MO>=</MO><MI>arctan</MI><MFRAC><MI>D</MI><MROW><MN>2</MN><MSUB><MI>Z</MI><MI>v</MI></MSUB></MROW></MFRAC><MO>=</MO><MI>arctan</MI><MFRAC><MN>1</MN><MROW><MN>2</MN><MI>F</MI><MO>#</MO></MROW></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>5</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,D=L×d为滑动子孔径的大小,Zv表示虚拟阵元的深度,F#=Zv/D为聚焦系数; <BR>S43:通过以下公式计算样本点ii到虚拟阵元jj的延时参数: <BR><MATHS num="0005"><MATH><![CDATA[<mrow><MSUB><MI>τ</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MO>=</MO><MN>2</MN><MFRAC><MROW><MSUB><MI>Z</MI><MI>v</MI></MSUB><MO>&amp;PlusMinus;</MO><MSQRT><MI>d</MI><MO>_</MO><MSUP><MI>x</MI><MN>2</MN></MSUP><MO>+</MO><MI>d</MI><MO>_</MO><MSUP><MI>z</MI><MN>2</MN></MSUP></MSQRT></MROW><MI>c</MI></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>6</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,“±”表示样本点在相应虚拟阵元的下方或者上方,c为声速; <BR>S44:利用最小方差自适应算法,计算加权系数: <BR>对于M个等间距阵元形成的传感器阵列,在阵列的近场区域存在一些点散射目标,波束合成的输出可表达为: <BR><MATHS num="0006"><MATH><![CDATA[<mrow><MI>y</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUP><MROW><MO>=</MO><MI>w</MI></MROW><MI>H</MI></MSUP><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUB><MI>x</MI><MI>d</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>i</MI><MO>=</MO><MN>1</MN></MROW><MI>M</MI></MUNDEROVER><MSUB><MI>w</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUB><MI>x</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MSUB><MI>Δ</MI><MI>i</MI></MSUB><MO>)</MO></MROW><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>7</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,t为时间系数,w(t)=[w1(t),…,wM(t)]T为加权向量,wH(t)是w(t)的共轭转置,xd(t)为延时后聚焦的信号,表示为xd(t)=[x1(t‑Δ1),…,xM(t‑ΔM)]T,Δi为各个通道的延时量,xi(t‑Δi)表示第i阵元通道延时后的信号。 <BR>根据第一次聚焦延时后得到的信号S(t),所述信号S(t)表示为S(t)=[s1(t),s2(t),…,sN‑L+1(t)],其中,L表示每个子孔径传感器阵元的个数,N表示传感器阵元的总个数,N‑L+1表示滑动子孔径的个数。 <BR>寻找一个最优的加权向量w,在保持期望方向增益不变的条件下,使阵列的输出能量最小: <BR><MATHS num="0007"><MATH><![CDATA[<mrow><MUNDER><MI>min</MI><MI>w</MI></MUNDER><MSUP><MI>w</MI><MI>H</MI></MSUP><MSUB><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW></MSUB><MI>w</MI><MO>,</MO></MROW>]]&gt;</MATH></MATHS>约束条件wHa=1&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;(8) <BR>其中,公式(8)中的a为取全1方向向量,w为待求的最优加权向量,wH是w的共轭转置,Ri+n是第一次聚焦后输出扫描线数据S(t)的协方差矩阵,可由公式(9)计算: <BR><MATHS num="0008"><MATH><![CDATA[<mrow><MFENCED close="" open="{"><MTABLE><MTR><MTD><MI>S</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MO>[</MO><MSUB><MI>s</MI><MN>1</MN></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>,</MO><MSUB><MI>s</MI><MN>2</MN></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MO>,</MO><MSUB><MI>s</MI><MROW><MI>N</MI><MO>-</MO><MI>L</MI><MO>+</MO><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW></MTD></MTR><MTR><MTD><MSUB><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>,</MO><MI>j</MI><MO>)</MO></MROW><MO>=</MO><MI>E</MI><MO>{</MO><MO>[</MO><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>-</MO><MI>E</MI><MROW><MO>(</MO><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>)</MO></MROW><MO>]</MO><MO>[</MO><MSUB><MI>s</MI><MI>j</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>-</MO><MI>E</MI><MROW><MO>(</MO><MSUB><MI>s</MI><MI>j</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>)</MO></MROW><MO>]</MO><MO>}</MO></MTD></MTR></MTABLE></MFENCED><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>9</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,公式(9)中的E(si(t))、E(sj(t))分别表示si(t)、sj(t)的期望值,Ri+n(i,j)表示协方差矩阵Ri+n中第i行、第j列的元素;结合式(8)、(9),可以以下公式(10)计算得到最优加权向量为: <BR><MATHS num="0009"><MATH><![CDATA[<mrow><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>2</MN></MROW></MSUB><MO>=</MO><MSUB><MI>w</MI><MI>opt</MI></MSUB><MO>=</MO><MFRAC><MROW><MSUBSUP><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW><MROW><MO>-</MO><MN>1</MN></MROW></MSUBSUP><MI>a</MI></MROW><MROW><MSUP><MI>a</MI><MI>H</MI></MSUP><MSUBSUP><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW><MROW><MO>-</MO><MN>1</MN></MROW></MSUBSUP><MI>a</MI></MROW></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>10</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,表示Ri+n的逆矩阵,aH表示a的共轭转置,wopt表示最优加权向量,wBF2表示第2次聚焦时的动态加权系数; <BR>S45:采用自适应加权系数wBF2=[wBF2(1),…,wBF2(N‑L+1)]T的逐点接收聚焦波束合成BF2的第n条扫描线数据为: <BR><MATHS num="0010"><MATH><![CDATA[<mrow><MSUB><MI>H</MI><MROW><MI>n</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>jj</MI><MO>=</MO><MN>1</MN></MROW><MROW><MI>N</MI><MO>-</MO><MI>L</MI><MO>+</MO><MN>1</MN></MROW></MUNDEROVER><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>2</MN></MROW></MSUB><MROW><MO>(</MO><MI>jj</MI><MO>)</MO></MROW><MSUB><MI>K</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MSUB><MI>S</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MSUB><MI>τ</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MO>)</MO></MROW><MO>,</MO><MI>ii</MI><MO>=</MO><MN>1,2</MN><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MO>,</MO><MI>P</MI><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>11</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,wBF2(jj)为自适应加权系数,P为样本点总数,N为BF1所形成的扫描线总数,Sjj,ii(t‑τjj,ii)为波束合成器BF1所形成的第jj条扫描线上的第ii个样本点,τjj,ii为样本点ii相对于编号是jj的虚拟阵元的延时参数。 <BR>本发明的优点在于:本发明将幅度变迹技术、虚拟阵元技术、自适应波束合成算法引入到超声成像系统,有机融合了传统的延时叠加(DAS)波束合成方法,利用两次延时叠加实现双聚焦自适应加权波束合成的(dual&nbsp;focusing&nbsp;adaptivebeamforming,DFAB)超声成像,能够同时提高超声成像的分辨率和增加探测深度,有效降低旁瓣等级。该方法兼具虚拟阵元技术和自适应波束合成算法的共同优点,克服了基于虚拟阵元技术的双聚焦在前后两阶段都采用固定加权系数进行聚焦,从而导致生成图像在近场存在严重伪像的固有缺点,本发明在第一阶段采用了固定的Hanning窗加权系数进行定点聚焦,而在第二阶段融合了最小方差自适应算法,实时动态产生加权系数进行逐点聚焦,有效克服了基于虚拟阵元的双聚焦波束合成方法在近场产生伪像的固有缺点,最大限度的抑制了旁瓣,并有效解决了自适应波束合成算法应用于超声成像的关键技术难题,从而大幅度提高了波束合成质量,使得成像效果获得显著提高。 <BR>本发明的其它优点、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,或者可以从本发明的实践中得到教导。本发明的目标和其它优点可以通过权利要求书,说明书,以及附图中所特别指出的结构来实现和获得。 <BR>附图说明 <BR>为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中: <BR>图1为基于自适应加权的双聚焦波束合成DFAB原理框图; <BR>图2为传统聚焦发射声场与虚拟阵元声场对比图,(a)传统发射聚焦,(b)一个VE的声场,(c)2个VE的声场; <BR>图3为BF1形成扫描线及延时参数的计算示意图,3(a)扫描线示意图,图3(b)给出了形成第n条扫描线时延时参数τ的计算示意图; <BR>图4为虚拟阵元延时参数计算及声场叠加示意图; <BR>图5为动态孔径接收聚焦(DRF)方法的仿真图像; <BR>图6为合成孔径聚焦(SF)方法的仿真图像; <BR>图7为最小方差自适应波束合成(MV)方法的仿真图像; <BR>图8为虚拟阵元双聚焦波束合成(DFB)方法的仿真图像; <BR>图9为本发明提出的方法(DFAB)的仿真图像; <BR>图10为本发明方法生成的超声图像在85mm处的横向截面图与现有方法的对比。 <BR>具体实施方式 <BR>以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。 <BR>图1为基于自适应加权的双聚焦波束合成方法DFAB的原理框图;图2为传统聚焦发射声场与虚拟阵元声场对比图,(a)传统发射聚焦,(b)一个虚拟阵元VE的声场,(c)2个VE的声场;图3为BF1形成扫描线及延时参数计算示意图,3(a)扫描线示意图,图3(b)给出了形成第n条扫描线时延时参数τ的计算示意图,如图所示:本发明提供的一种基于自适应加权的双聚焦波束合成方法,包括以下步骤: <BR>S1:利用单一固定焦点进行发射和接收超声波; <BR>S2:利用Hanning窗加权函数对回波数据进行加权,通过第一次定点延时叠加波束合成聚焦,并将第一次波束合成形成的数据存储于缓存器FIFO中;所述第一次聚焦包括以下步骤: <BR>S21:通过以下公式(1)来计算滑动子孔径中第i个虚拟阵元的位置xi为: <BR><MATHS num="0011"><MATH><![CDATA[<mrow><MSUB><MI>x</MI><MI>i</MI></MSUB><MO>=</MO><MROW><MO>(</MO><MI>i</MI><MO>-</MO><MFRAC><MROW><MI>L</MI><MO>+</MO><MN>1</MN></MROW><MN>2</MN></MFRAC><MO>)</MO></MROW><MO>×</MO><MI>d</MI><MO>,</MO><MI>i</MI><MO>=</MO><MN>1,2</MN><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MI>L</MI><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>1</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,d为虚拟阵元间距,Zv为虚拟阵元深度,L=Zv/F#/d为滑动子孔径线性传感器个数,D=L×d为滑动子孔径大小,F#为聚焦系数; <BR>S22:通过以下公式(2)来计算虚拟阵元i的延时τi: <BR><MATHS num="0012"><MATH><![CDATA[<mrow><MSUB><MI>τ</MI><MI>i</MI></MSUB><MO>=</MO><MFRAC><MROW><MSQRT><MSUP><MSUB><MI>x</MI><MI>i</MI></MSUB><MN>2</MN></MSUP><MO>+</MO><MSUP><MSUB><MI>Z</MI><MI>v</MI></MSUB><MN>2</MN></MSUP></MSQRT><MO>-</MO><MSUB><MI>Z</MI><MI>v</MI></MSUB></MROW><MI>c</MI></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>2</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中c为声速,以滑动子孔径中心作为延迟时间参考点,在虚拟阵元处进行定点聚焦; <BR>S23:通过以下公式(3)来计算各个通道的回波数据形成扫描线数据: <BR><MATHS num="0013"><MATH><![CDATA[<mrow><MFENCED close="" open="{"><MTABLE><MTR><MTD><MI>S</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>i</MI><MO>=</MO><MN>1</MN></MROW><MI>L</MI></MUNDEROVER><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>)</MO></MROW><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MFRAC><MI>r</MI><MI>c</MI></MFRAC><MO>-</MO><MSUB><MI>τ</MI><MI>i</MI></MSUB><MO>)</MO></MROW></MTD></MTR><MTR><MTD><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>)</MO></MROW><MO>=</MO><MN>0.5</MN><MO>[</MO><MN>1</MN><MO>-</MO><MI>cos</MI><MROW><MO>(</MO><MN>2</MN><MI>π</MI><MFRAC><MI>i</MI><MI>L</MI></MFRAC><MO>)</MO></MROW><MO>]</MO><MO>,</MO><MN>0</MN><MO>≤</MO><MI>i</MI><MO>≤</MO><MI>L</MI></MTD></MTR></MTABLE></MFENCED><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>3</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,S(t)为N‑L+1条扫描线数据,wBF1(i)为Hanning窗加权函数,si(t)为子孔径中阵元i接收到的回波信号,r/c为声波从像点到子孔径中心的传播时间,τi为第i个虚拟阵元施加的延时。 <BR>S3:利用虚拟阵元方法根据第一次聚焦形成的数据来计算第二次动态聚焦的相关延时参数; <BR>S4:根据聚焦延时参数进行第二次延时叠加波束合成聚焦;所述第二次聚焦包括以下步骤: <BR>S41:读取缓存器FIFO中的数据并通过以下公式判断数据样本点是否为有效样本点: <BR> <BR>其中,d_x为样本点到相应虚拟阵元的侧向距离,d_z为轴向距离,θa为虚拟阵元声场的半孔径角,ii为数据样本点编号,jj为虚拟阵元位置点;若Kjj,ii=1,则样本点位于该虚拟阵元的声场内,该样本点即为有效样本点: <BR>S42:通过以下公式计算半孔径角θa: <BR><MATHS num="0014"><MATH><![CDATA[<mrow><MSUB><MI>θ</MI><MI>a</MI></MSUB><MO>=</MO><MI>arctan</MI><MFRAC><MI>D</MI><MROW><MN>2</MN><MSUB><MI>Z</MI><MI>v</MI></MSUB></MROW></MFRAC><MO>=</MO><MI>arctan</MI><MFRAC><MN>1</MN><MROW><MN>2</MN><MI>F</MI><MO>#</MO></MROW></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>5</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,D=L×d为滑动子孔径的大小,Zv表示虚拟阵元的深度,F#=Zv/D为聚焦系数; <BR>S43:通过以下公式计算样本点ii到虚拟阵元jj的延时参数: <BR><MATHS num="0015"><MATH><![CDATA[<mrow><MSUB><MI>τ</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MO>=</MO><MN>2</MN><MFRAC><MROW><MSUB><MI>Z</MI><MI>v</MI></MSUB><MO>&amp;PlusMinus;</MO><MSQRT><MI>d</MI><MO>_</MO><MSUP><MI>x</MI><MN>2</MN></MSUP><MO>+</MO><MI>d</MI><MO>_</MO><MSUP><MI>z</MI><MN>2</MN></MSUP></MSQRT></MROW><MI>c</MI></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>6</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,“±”表示样本点在相应虚拟阵元的下方或者上方,c为声速; <BR>S44:利用最小方差自适应算法,计算加权系数: <BR>对于M个等间距阵元形成的传感器阵列,在阵列的近场区域存在一些点散射目标,波束合成的输出可表达为: <BR><MATHS num="0016"><MATH><![CDATA[<mrow><MI>y</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUP><MROW><MO>=</MO><MI>w</MI></MROW><MI>H</MI></MSUP><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUB><MI>x</MI><MI>d</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>i</MI><MO>=</MO><MN>1</MN></MROW><MI>M</MI></MUNDEROVER><MSUB><MI>w</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MSUB><MI>x</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MSUB><MI>Δ</MI><MI>i</MI></MSUB><MO>)</MO></MROW><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>7</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,t为时间系数,w(t)=[w1(t),…,wM(t)]T为加权向量,wH(t)是w(t)的共轭转置,xd(t)为延时后聚焦的信号,表示为xd(t)=[x1(t‑Δ1),…,xM(t‑ΔM)]T,Δi为各个通道的延时量,xi(t‑Δi)表示第i阵元通道延时后的信号。 <BR>根据第一次聚焦延时后得到的信号S(t),所述信号S(t)表示为S(t)=[s1(t),s2(t),…,sN‑L+1(t)],其中,L表示每个子孔径传感器阵元的个数,N表示传感器阵元的总个数,N‑L+1表示滑动子孔径的个数。 <BR>寻找一个最优的加权向量w,在保持期望方向增益不变的条件下,使阵列的输出能量最小: <BR><MATHS num="0017"><MATH><![CDATA[<mrow><MUNDER><MI>min</MI><MI>w</MI></MUNDER><MSUP><MI>w</MI><MI>H</MI></MSUP><MSUB><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW></MSUB><MI>w</MI><MO>,</MO></MROW>]]&gt;</MATH></MATHS>约束条件wHa=1&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;(8) <BR>其中,公式(8)中的a为取全1方向向量,w为待求的最优加权向量,wH是w的共轭转置,Ri+n是第一次聚焦后输出扫描线数据S(t)的协方差矩阵,可由公式(9)计算: <BR><MATHS num="0018"><MATH><![CDATA[<mrow><MFENCED close="" open="{"><MTABLE><MTR><MTD><MI>S</MI><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MO>[</MO><MSUB><MI>s</MI><MN>1</MN></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>,</MO><MSUB><MI>s</MI><MN>2</MN></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MO>,</MO><MSUB><MI>s</MI><MROW><MI>N</MI><MO>-</MO><MI>L</MI><MO>+</MO><MN>1</MN></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW></MTD></MTR><MTR><MTD><MSUB><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW></MSUB><MROW><MO>(</MO><MI>i</MI><MO>,</MO><MI>j</MI><MO>)</MO></MROW><MO>=</MO><MI>E</MI><MO>{</MO><MO>[</MO><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>-</MO><MI>E</MI><MROW><MO>(</MO><MSUB><MI>s</MI><MI>i</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>)</MO></MROW><MO>]</MO><MO>[</MO><MSUB><MI>s</MI><MI>j</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>-</MO><MI>E</MI><MROW><MO>(</MO><MSUB><MI>s</MI><MI>j</MI></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>)</MO></MROW><MO>]</MO><MO>}</MO></MTD></MTR></MTABLE></MFENCED><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>9</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,公式(9)中的E(si(t))、E(sj(t))分别表示si(t)、sj(t)的期望值,Ri+n(i,j)表示协方差矩阵Ri+n中第i行、第j列的元素;结合式(8)、(9),可以以下公式 <BR>(10)计算得到最优加权向量为: <BR><MATHS num="0019"><MATH><![CDATA[<mrow><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>2</MN></MROW></MSUB><MO>=</MO><MSUB><MI>w</MI><MI>opt</MI></MSUB><MO>=</MO><MFRAC><MROW><MSUBSUP><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW><MROW><MO>-</MO><MN>1</MN></MROW></MSUBSUP><MI>a</MI></MROW><MROW><MSUP><MI>a</MI><MI>H</MI></MSUP><MSUBSUP><MI>R</MI><MROW><MI>i</MI><MO>+</MO><MI>n</MI></MROW><MROW><MO>-</MO><MN>1</MN></MROW></MSUBSUP><MI>a</MI></MROW></MFRAC><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>10</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,表示Ri+n的逆矩阵,aH表示a的共轭转置,wopt表示最优加权向量,wBF2表示第2次聚焦时的动态加权系数; <BR>S45:采用自适应加权系数wBF2=[wBF2(1),…,wBF2(N‑L+1)]T的逐点接收聚焦波束合成BF2的第n条扫描线数据为: <BR><MATHS num="0020"><MATH><![CDATA[<mrow><MSUB><MI>H</MI><MROW><MI>n</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>)</MO></MROW><MO>=</MO><MUNDEROVER><MI>Σ</MI><MROW><MI>jj</MI><MO>=</MO><MN>1</MN></MROW><MROW><MI>N</MI><MO>-</MO><MI>L</MI><MO>+</MO><MN>1</MN></MROW></MUNDEROVER><MSUB><MI>w</MI><MROW><MI>BF</MI><MN>2</MN></MROW></MSUB><MROW><MO>(</MO><MI>jj</MI><MO>)</MO></MROW><MSUB><MI>K</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MSUB><MI>S</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MROW><MO>(</MO><MI>t</MI><MO>-</MO><MSUB><MI>τ</MI><MROW><MI>jj</MI><MO>,</MO><MI>ii</MI></MROW></MSUB><MO>)</MO></MROW><MO>,</MO><MI>ii</MI><MO>=</MO><MN>1,2</MN><MO>,</MO><MO>.</MO><MO>.</MO><MO>.</MO><MO>,</MO><MI>P</MI><MO>-</MO><MO>-</MO><MO>-</MO><MROW><MO>(</MO><MN>11</MN><MO>)</MO></MROW></MROW>]]&gt;</MATH></MATHS> <BR>其中,wBF2(jj)为自适应加权系数,P为样本点总数,N为BF1所形成的扫描线总数,Sjj,ii(t‑τjj,ii)为波束合成器BF1所形成的第jj条扫描线上的第ii个样本点,τjj,ii为样本点ii相对于编号是jj的虚拟阵元的延时参数。 <BR>S5:得到最终成像的扫描线回波数据,进行坐标变换、后续图像数据处理与成像显示。 <BR>为了验证该算法的有效性,利用Field&nbsp;II对医学成像中常用的点散射目标和斑散射目标进行成像。Field&nbsp;II是基于线性系统空间响应的原理,它的仿真效果与实际成像很接近,已被国际上广泛认同为仿真超声系统的标准。点散射目标的目标散射点共16个,分布在深度为60~95mm,宽度为16mm的区域内;仿真模型的参数设置为:采用定点发射和分段动态聚焦接收模式,成像采用线性阵列,阵元总数128,发射信号中心频率3.5MHz,采样频率50MHz,阵元中心间距为一个波长,声速1540m/s。成像的动态范围为40dB。设置虚拟源深度Zv=20mm,聚焦系数F#=2,其中,DFB算法采用固定加权(hanning窗);DFAB算法采用自适应加权。为提高成像效果,采用了滑动子孔径技术,子孔径阵元数目为48。 <BR>图5至图9给出了本发明算法生成的点目标成像图与现有算法生成的点目标成像图的对比。图5为传统的动态孔径聚焦(DRF)方法;图6为合成孔径聚焦(SF)方法;图7为最小方差自适应波束合成(MV)方法;图8为双聚焦波束合成(DFB)方法;图9为本发明所提的方法(DFAB)。图10给出了本发明算法生成的点目标成像图中在深度85mm处的横向截面图与现有的算法相比。从图5至图9可见:DRF算法横向分辨率和降低旁瓣等级效果均为最差;与DRF算法相比,SF算法在近场区域虽然有较好的横向分辨率,但是随着探测深度增加,在远场区域横向分辨率严重下降,且系统复杂度远高于DRF;而MV算法虽然在近场区域横向分辨率比较均匀,但随着探测深度增加,成像宽度逐渐增加,分辨率逐渐下降,且远场点目标成像不完整,出现缺失;为了在整个探测深度内得到均匀的横向分辨率,采用了DFB算法,虽然DFB算法横向分辨率显著提高,但是旁瓣等级太高,出现了严重的伪像;本发明算法DFAB兼具虚拟阵元技术和自适应波束合成算法的共同优点,无论是横向分辨率还是旁瓣等级,均得到了很好地改善。因此,在综合权衡图像的横向分辨率,幅度分辨率以及降低旁瓣等级的能力,DFAB算法效果最好。 <BR>表1给出了各种成像方法在85mm处成像的横向宽度和旁瓣幅度的具体数据,可以明确表明本发明算法DFAB在提高横向分辨率以及对旁瓣幅度的压制方面的优越性。因此,在保证相同分辨率的情况下,DFAB算法间接地增加了探测深度。 <BR>表185mm处散射点‑40dB时的平均横向宽度及归一化旁瓣幅度 <BR></TABLES> <BR>以上所述仅为本发明的优选实施例,并不用于限制本发明,显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。</p></div> </div> </div> </div> <div class="tempdiv cssnone" style="line-height:0px;height:0px; overflow:hidden;"> </div> <div id="page"> <div class="page"><img src='https://img.zhuanlichaxun.net/fileroot2/2018-7/19/36584b81-ad2b-4f2e-85d9-2dce4d631b2d/36584b81-ad2b-4f2e-85d9-2dce4d631b2d1.gif' alt="一种基于自适应加权的双聚焦波束合成方法.pdf_第1页" width='100%'/></div><div class="pageSize">第1页 / 共18页</div> <div class="page"><img src='https://img.zhuanlichaxun.net/fileroot2/2018-7/19/36584b81-ad2b-4f2e-85d9-2dce4d631b2d/36584b81-ad2b-4f2e-85d9-2dce4d631b2d2.gif' alt="一种基于自适应加权的双聚焦波束合成方法.pdf_第2页" width='100%'/></div><div class="pageSize">第2页 / 共18页</div> <div class="page"><img src='https://img.zhuanlichaxun.net/fileroot2/2018-7/19/36584b81-ad2b-4f2e-85d9-2dce4d631b2d/36584b81-ad2b-4f2e-85d9-2dce4d631b2d3.gif' alt="一种基于自适应加权的双聚焦波束合成方法.pdf_第3页" width='100%'/></div><div class="pageSize">第3页 / 共18页</div> </div> <div id="pageMore" class="btnmore" onclick="ShowSvg();">点击查看更多>></div> <div style="margin-top:20px; line-height:0px; height:0px; overflow:hidden;"> <div style=" font-size: 16px; background-color:#e5f0f7; font-weight: bold; text-indent:10px; line-height: 40px; height:40px; padding-bottom: 0px; margin-bottom:10px;">资源描述</div> <div class="detail-article prolistshowimg"> <p>《一种基于自适应加权的双聚焦波束合成方法.pdf》由会员分享,可在线阅读,更多相关《一种基于自适应加权的双聚焦波束合成方法.pdf(18页珍藏版)》请在专利查询网上搜索。</p> <p >1、(10)申请公布号 CN 102895000 A(43)申请公布日 2013.01.30CN102895000A*CN102895000A*(21)申请号 201210438358.3(22)申请日 2012.11.06A61B 8/00(2006.01)(71)申请人重庆大学地址 400044 重庆市渝北区沙正街174号(72)发明人王平 高阳 王林泓 邹强鑫张莉 王思奇 汪金刚(74)专利代理机构北京同恒源知识产权代理有限公司 11275代理人赵荣之(54) 发明名称一种基于自适应加权的双聚焦波束合成方法(57) 摘要本发明公开了一种基于自适应加权的双聚焦波束合成方法,将幅度变迹技术、虚拟。</p> <p >2、阵元技术、自适应加权方法引入到超声成像系统,结合动态聚焦技术,利用2次延时叠加实现自适应加权双聚焦波束合成的超声成像;首先利用虚拟阵元技术实现多个重叠声场有效信息的提取;其次在第一次聚焦时,对提取的信息进行幅度变迹后,再进行定点聚焦,然后根据第一次聚焦的合成信号,利用自适应波束合成算法产生自适应加权系数,再次对第一次聚焦的合成信号进行自适应加权波束合成聚焦,从而得到最终成像的扫描线数据;该方法有效消除了传统的基于虚拟阵元的双聚焦方法在近场区域伪像严重的缺点,使超声成像效果显著提高。(51)Int.Cl.权利要求书3页 说明书7页 附图7页(19)中华人民共和国国家知识产权局(12)发明专利申请。</p> <p >3、权利要求书 3 页 说明书 7 页 附图 7 页1/3页21.一种基于自适应加权的双聚焦波束合成方法,其特征在于:包括以下步骤:S1:利用单一固定焦点进行发射和接收超声波;S2:利用Hanning窗加权函数对回波数据进行幅度变迹,然后采用了定点的延时叠加波束合成聚焦;S3:利用虚拟阵元方法根据第一次聚焦形成的数据来计算第二次动态聚焦的相关延时参数;S4:利用最小方差自适应算法根据第一次聚焦形成的波束合成数据计算动态自适应加权系数;S5:根据聚焦延时参数以及相应的动态自适应加权系数进行第二次延时叠加波束合成聚焦,得到最终成像的扫描线回波数据。2.根据权利要求1所述的基于自适应加权的双聚焦波束合成。</p> <p >4、方法,其特征在于:所述第一次波束合成采用单一固定发射接收焦点,采用Hanning窗对回波信号进行加权后定点聚焦,形成的数据存储于缓存器FIFO中,第二次波束合成采用第一次的聚焦结果,对FIFO中的数据利用最小方差的动态自适应加权的方法进行动态波束合成,形成超声图像的扫描线。3.根据权利要求2所述的基于自适应加权的双聚焦波束合成方法,其特征在于:所述第一次聚焦具体包括以下步骤:S21:通过以下公式(1)来计算滑动子孔径中第i个虚拟阵元的位置xi为:其中,L=Zv/F#/d为滑动子孔径线性传感器的个数,d为虚拟阵元间距,Zv为虚拟阵元深度,D=Ld为滑动子孔径大小,F#为聚焦系数;S22:通过以下。</p> <p >5、公式(2)来计算虚拟阵元i的延时i:其中c为声速,以滑动子孔径中心作为延迟时间参考点,在虚拟阵元处进行定点聚焦;S23:通过以下公式(3)来计算各个通道形成的扫描线数据:其中,S(t)为N-L+1条扫描线数据,wBF1(i)为Hanning窗加权函数,si(t)为子孔径中阵元i接收到的回波信号,r/c为声波从像点到子孔径中心的传播时间,i为第i个虚拟阵元施加的延时。4.根据权利要求2所述的基于自适应加权的双聚焦波束合成方法,其特征在于:所述第二次聚焦包括以下步骤:S41:读取缓存器FIFO中的数据,并通过以下公式(4)判断数据样本点是否为有效样本权 利 要 求 书CN 102895000 A2。</p> <p >6、/3页3点:其中,d_x为样本点到相应虚拟阵元的侧向距离,d_z为轴向距离,a为虚拟阵元声场的半孔径角,ii为数据样本点编号,jj为虚拟阵元位置点;若Kjj,ii=1,则样本点位于该虚拟阵元的声场内,该样本点即为有效样本点;S42:通过以下公式(5)计算半孔径角a:其中,D=Ld为滑动子孔径的大小,Zv表示虚拟阵元的深度,F#=Zv/D为聚焦系数;S43:通过以下公式(6)计算样本点ii到虚拟阵元jj的延时参数:其中,“”表示样本点在相应虚拟阵元的下方或者上方,c为声速;S44:利用最小方差自适应算法,计算动态加权系数:对于M个等间距阵元形成的传感器阵列,在阵列的近场区域存在一些点散射目标,波。</p> <p >7、束合成的输出可表达为:其中,t为时间系数,w(t)=w1(t),wM(t)T为加权向量,wH(t)是w(t)的共轭转置,xd(t)为延时后聚焦的信号,表示为xd(t)=x1(t-1),xM(t-M)T,i为各个通道的延时量,xi(t-i)表示第i阵元通道延时后的信号。根据第一次聚焦延时后得到的信号S(t),所述信号S(t)表示为S(t)=s1(t),s2(t),sN-L+1(t),其中,L表示每个子孔径传感器阵元的个数,N表示传感器阵元的总个数,N-L+1表示滑动子孔径的个数。寻找一个最优的加权向量w,在保持期望方向增益不变的条件下,使阵列的输出能量最小:约束条件wHa1 (8)其中,公式(8。</p> <p >8、)中的a为取全1方向向量,w为待求的最优加权向量,wH是w的共轭转置,Ri+n是第一次聚焦后输出扫描线数据S(t)的协方差矩阵,可由公式(9)计算:其中,公式(9)中的E(si(t)、E(sj(t)分别表示s i(t)、sj(t)的期望值,Ri+n(i,j)表示协方差矩阵Ri+n中第i行、第j列的元素;结合式(8)、(9),可以以下公式(10)计算得到最优加权向量为:其中,表示Ri+n的逆矩阵,aH表示a的共轭转置,wopt表示最优加权向量,wBF2表示第2次聚焦时的动态加权系数;权 利 要 求 书CN 102895000 A3/3页4S45:采用自适应加权系数wBF2=wBF2(1),wBF。</p> <p >9、2(N-L+1)T的逐点接收聚焦波束合成BF2的第n条扫描线数据为:其中,wBF2(jj)为自适应加权系数,P为样本点总数,N为BF1所形成的扫描线总数,Sjj,ii(t-jj,ii)为波束合成器BF1所形成的第jj条扫描线上的第ii个样本点,jj,ii为样本点ii相对于编号是jj的虚拟阵元的延时参数。权 利 要 求 书CN 102895000 A1/7页5一种基于自适应加权的双聚焦波束合成方法技术领域0001 本发明涉及医学超声成像领域,特别涉及一种基于自适应加权的双聚焦波束合成方法。背景技术0002 在医学超声成像中,非信源方向上的回波信号引入了广泛的图像杂波,导致了图像质量的下降。目前,。</p> <p >10、一般采用传统延时叠加方法减弱非信源方向上信号的干扰,提高信源方向上信号的强度。该方法对不同通道接收到的数据施以不同的延时,再将其相加,得到期望聚焦点的幅值。单次延时叠加算法简单,易实现,但其抗噪声能力弱,空间分辨率较低,成像对比度较差。0003 近年来,虚拟阵元的概念以及自适应波束合成技术已广泛应用于军事、民用通信以及雷达天线探测系统等阵列信号处理领域。虚拟阵元技术的基本思想是:在保持真实阵元数目不变的情况下,应用虚拟阵元技术使得阵元数目在虚拟上得到增加,从而减小波束宽度,提高分辨率,增加探测深度。然而,目前在国内超声成像领域,将虚拟阵元技术直接应用于超声成像,将使得超声成像在近场的伪像特别严。</p> <p >11、重,这是虚拟阵元应用于超声成像的一个固有缺点。自适应波束合成的基本思想是在无失真约束条件下在指定方位或频率上获得最小方差,进而推导出最优加权向量。由于自适应波束合成方法只适用于远场、窄带非相关信号,而超声数据具有近场、宽带和强相关性等特点都限制了自适应波束合成算法在医学超声成像中的应用。0004 随着临床诊断需求的不断增加,对超声成像系统的成像质量提出了更高的要求。因此急需一种能够同时提高超声成像分辨率和增加探测深度的波束合成方法。发明内容0005 有鉴于此,本发明所要解决的技术问题是提供一种能够同时提高超声成像分辨率和增加探测深度的聚焦波束合成方法。0006 本发明的目的是研究出一种高质量的。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>12、基于自适应加权的双聚焦波束合成方法,通过抑制旁瓣伪像,提高波束合成质量,从而全面提高超声图像的质量。0007 本发明的目的是通过以下技术方案来实现的:0008 本发明提供的一种基于自适应加权的双聚焦波束合成方法,包括以下步骤:0009 S1:利用单一固定焦点进行发射和接收超声波;0010 S2:利用Hanning窗加权函数对回波数据进行加权,第一次聚焦采用了定点的延时叠加波束合成聚焦;0011 S3:利用虚拟阵元方法根据第一次聚焦形成的数据来计算第二次动态聚焦的相关延时参数;0012 S4:利用最小方差自适应算法根据第一次聚焦形成的聚焦数据计算自适应加权系数;说 明 书CN 102895000。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>13、 A2/7页60013 S5:根据聚焦延时参数以及相应的动态自适应加权系数进行第二次延时叠加波束合成聚焦,得到最终成像的扫描线回波数据。0014 进一步,所述第一次波束合成采用单一固定发射接收焦点,采用Hanning窗对回波信号进行加权后聚焦,形成的数据存储于缓存器FIFO中,第二次波束合成采用第一次的聚焦结果,对FIFO中的数据利用自适应加权的方法进行动态波束合成,形成超声图像的扫描线。0015 进一步,所述第一次聚焦包括以下步骤:0016 S21:通过以下公式来计算滑动子孔径中第i个虚拟阵元的位置xi为:0017 0018 其中,d为虚拟阵元间距,Zv为虚拟阵元深度,L=Zv/F#/d为滑。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>14、动子孔径线性传感器个数,D=Ld为滑动子孔径大小,F#为聚焦系数;0019 S22:通过以下公式来计算虚拟阵元i的延时i:0020 0021 其中c为声速,以滑动子孔径中心作为延迟时间参考点,在虚拟阵元处进行定点聚焦;0022 S23:通过以下公式来计算各个通道的回波数据形成扫描线数据:0023 0024 其中,S(t)为N-L+1条扫描线数据,wBF1(i)为Hanning窗加权函数,si(t)为子孔径中阵元i接收到的回波信号,r/c为声波从像点到子孔径中心的传播时间,i为第i个虚拟阵元施加的延时。0025 进一步,所述第二次聚焦包括以下步骤:0026 S41:读取缓存器FIFO中的数据并通。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>15、过以下公式判断数据样本点是否为有效样本点:0027 0028 其中,d_x为样本点到相应虚拟阵元的侧向距离,d_z为轴向距离,a为虚拟阵元声场的半孔径角,ii为数据样本点编号,jj为虚拟阵元位置点;若Kjj,ii=1,则样本点位于该虚拟阵元的声场内,该样本点即为有效样本点:0029 S42:通过以下公式计算半孔径角a:0030 0031 其中,D=Ld为滑动子孔径的大小,Zv表示虚拟阵元的深度,F#=Zv/D为聚焦系数;0032 S43:通过以下公式计算样本点ii到虚拟阵元jj的延时参数:说 明 书CN 102895000 A3/7页70033 0034 其中,“”表示样本点在相应虚拟阵元的下。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>16、方或者上方,c为声速;0035 S44:利用最小方差自适应算法,计算加权系数:0036 对于M个等间距阵元形成的传感器阵列,在阵列的近场区域存在一些点散射目标,波束合成的输出可表达为:0037 0038 其中,t为时间系数,w(t)=w1(t),wM(t)T为加权向量,wH(t)是w(t)的共轭转置,xd(t)为延时后聚焦的信号,表示为xd(t)=x1(t-1),xM(t-M)T,i为各个通道的延时量,xi(t-i)表示第i阵元通道延时后的信号。0039 根据第一次聚焦延时后得到的信号S(t),所述信号S(t)表示为S(t)=s1(t),s2(t),sN-L+1(t),其中,L表示每个子孔径传。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>17、感器阵元的个数,N表示传感器阵元的总个数,N-L+1表示滑动子孔径的个数。0040 寻找一个最优的加权向量w,在保持期望方向增益不变的条件下,使阵列的输出能量最小:0041 约束条件wHa1 (8)0042 其中,公式(8)中的a为取全1方向向量,w为待求的最优加权向量,wH是w的共轭转置,Ri+n是第一次聚焦后输出扫描线数据S(t)的协方差矩阵,可由公式(9)计算:0043 0044 其中,公式(9)中的E(si(t)、E(sj(t)分别表示si(t)、sj(t)的期望值,Ri+n(i,j)表示协方差矩阵Ri+n中第i行、第j列的元素;结合式(8)、(9),可以以下公式(10)计算得到最优加。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>18、权向量为:0045 0046 其中,表示Ri+n的逆矩阵,aH表示a的共轭转置,wopt表示最优加权向量,wBF2表示第2次聚焦时的动态加权系数;0047 S45:采用自适应加权系数wBF2=wBF2(1),wBF2(N-L+1)T的逐点接收聚焦波束合成BF2的第n条扫描线数据为:0048 0049 其中,wBF2(jj)为自适应加权系数,P为样本点总数,N为BF1所形成的扫描线总数,Sjj,ii(t-jj,ii)为波束合成器BF1所形成的第jj条扫描线上的第ii个样本点,jj,ii为样本点ii相对于编号是jj的虚拟阵元的延时参数。0050 本发明的优点在于:本发明将幅度变迹技术、虚拟阵元技术。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>19、、自适应波束合成算法引入到超声成像系统,有机融合了传统的延时叠加(DAS)波束合成方法,利用两次延时叠加实现双聚焦自适应加权波束合成的(dual focusing adaptivebeamforming,DFAB)超声说 明 书CN 102895000 A4/7页8成像,能够同时提高超声成像的分辨率和增加探测深度,有效降低旁瓣等级。该方法兼具虚拟阵元技术和自适应波束合成算法的共同优点,克服了基于虚拟阵元技术的双聚焦在前后两阶段都采用固定加权系数进行聚焦,从而导致生成图像在近场存在严重伪像的固有缺点,本发明在第一阶段采用了固定的Hanning窗加权系数进行定点聚焦,而在第二阶段融合了最小方差自适。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>20、应算法,实时动态产生加权系数进行逐点聚焦,有效克服了基于虚拟阵元的双聚焦波束合成方法在近场产生伪像的固有缺点,最大限度的抑制了旁瓣,并有效解决了自适应波束合成算法应用于超声成像的关键技术难题,从而大幅度提高了波束合成质量,使得成像效果获得显著提高。0051 本发明的其它优点、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,或者可以从本发明的实践中得到教导。本发明的目标和其它优点可以通过权利要求书,说明书,以及附图中所特别指出的结构来实现和获得。附图说明0052 为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>21、对本发明作进一步的详细描述,其中:0053 图1为基于自适应加权的双聚焦波束合成DFAB原理框图;0054 图2为传统聚焦发射声场与虚拟阵元声场对比图,(a)传统发射聚焦,(b)一个VE的声场,(c)2个VE的声场;0055 图3为BF1形成扫描线及延时参数的计算示意图,3(a)扫描线示意图,图3(b)给出了形成第n条扫描线时延时参数的计算示意图;0056 图4为虚拟阵元延时参数计算及声场叠加示意图;0057 图5为动态孔径接收聚焦(DRF)方法的仿真图像;0058 图6为合成孔径聚焦(SF)方法的仿真图像;0059 图7为最小方差自适应波束合成(MV)方法的仿真图像;0060 图8为虚拟阵元。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>22、双聚焦波束合成(DFB)方法的仿真图像;0061 图9为本发明提出的方法(DFAB)的仿真图像;0062 图10为本发明方法生成的超声图像在85mm处的横向截面图与现有方法的对比。具体实施方式0063 以下将结合附图,对本发明的优选实施例进行详细的描述;应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。0064 图1为基于自适应加权的双聚焦波束合成方法DFAB的原理框图;图2为传统聚焦发射声场与虚拟阵元声场对比图,(a)传统发射聚焦,(b)一个虚拟阵元VE的声场,(c)2个VE的声场;图3为BF1形成扫描线及延时参数计算示意图,3(a)扫描线示意图,图3(b)给出了形成第n。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>23、条扫描线时延时参数的计算示意图,如图所示:本发明提供的一种基于自适应加权的双聚焦波束合成方法,包括以下步骤:0065 S1:利用单一固定焦点进行发射和接收超声波;0066 S2:利用Hanning窗加权函数对回波数据进行加权,通过第一次定点延时叠加波说 明 书CN 102895000 A5/7页9束合成聚焦,并将第一次波束合成形成的数据存储于缓存器FIFO中;所述第一次聚焦包括以下步骤:0067 S21:通过以下公式(1)来计算滑动子孔径中第i个虚拟阵元的位置xi为:0068 0069 其中,d为虚拟阵元间距,Zv为虚拟阵元深度,L=Zv/F#/d为滑动子孔径线性传感器个数,D=Ld为滑动子孔。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>24、径大小,F#为聚焦系数;0070 S22:通过以下公式(2)来计算虚拟阵元i的延时i:0071 0072 其中c为声速,以滑动子孔径中心作为延迟时间参考点,在虚拟阵元处进行定点聚焦;0073 S23:通过以下公式(3)来计算各个通道的回波数据形成扫描线数据:0074 0075 其中,S(t)为N-L+1条扫描线数据,wBF1(i)为Hanning窗加权函数,si(t)为子孔径中阵元i接收到的回波信号,r/c为声波从像点到子孔径中心的传播时间,i为第i个虚拟阵元施加的延时。0076 S3:利用虚拟阵元方法根据第一次聚焦形成的数据来计算第二次动态聚焦的相关延时参数;0077 S4:根据聚焦延时参数。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>25、进行第二次延时叠加波束合成聚焦;所述第二次聚焦包括以下步骤:0078 S41:读取缓存器FIFO中的数据并通过以下公式判断数据样本点是否为有效样本点:0079 0080 其中,d_x为样本点到相应虚拟阵元的侧向距离,d_z为轴向距离,a为虚拟阵元声场的半孔径角,ii为数据样本点编号,jj为虚拟阵元位置点;若Kjj,ii=1,则样本点位于该虚拟阵元的声场内,该样本点即为有效样本点:0081 S42:通过以下公式计算半孔径角a:0082 0083 其中,D=Ld为滑动子孔径的大小,Zv表示虚拟阵元的深度,F#=Zv/D为聚焦系数;0084 S43:通过以下公式计算样本点ii到虚拟阵元jj的延时参数。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>26、:0085 说 明 书CN 102895000 A6/7页100086 其中,“”表示样本点在相应虚拟阵元的下方或者上方,c为声速;0087 S44:利用最小方差自适应算法,计算加权系数:0088 对于M个等间距阵元形成的传感器阵列,在阵列的近场区域存在一些点散射目标,波束合成的输出可表达为:0089 0090 其中,t为时间系数,w(t)=w1(t),wM(t)T为加权向量,wH(t)是w(t)的共轭转置,xd(t)为延时后聚焦的信号,表示为xd(t)=x1(t-1),xM(t-M)T,i为各个通道的延时量,xi(t-i)表示第i阵元通道延时后的信号。0091 根据第一次聚焦延时后得到的信号。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>27、S(t),所述信号S(t)表示为S(t)=s1(t),s2(t),sN-L+1(t),其中,L表示每个子孔径传感器阵元的个数,N表示传感器阵元的总个数,N-L+1表示滑动子孔径的个数。0092 寻找一个最优的加权向量w,在保持期望方向增益不变的条件下,使阵列的输出能量最小:0093 约束条件wHa1 (8)0094 其中,公式(8)中的a为取全1方向向量,w为待求的最优加权向量,wH是w的共轭转置,Ri+n是第一次聚焦后输出扫描线数据S(t)的协方差矩阵,可由公式(9)计算:0095 0096 其中,公式(9)中的E(si(t)、E(sj(t)分别表示si(t)、sj(t)的期望值,Ri+n(。</p> <p style='height:0px;padding:0;margin:0;overflow:hidden'>28、i,j)表示协方差矩阵Ri+n中第i行、第j列的元素;结合式(8)、(9),可以以下公式0097 (10)计算得到最优加权向量为:0098 0099 其中,表示Ri+n的逆矩阵,aH表示a的共轭转置,wopt表示最优加权向量,wBF2表示第2次聚焦时的动态加权系数;0100 S45:采用自适应加权系数wBF2=wBF2(1),wBF2(N-L+1)T的逐点接收聚焦波束合成BF2的第n条扫描线数据为:0101 0102 其中,wBF2(jj)为自适应加权系数,P为样本点总数,N为BF1所形成的扫描线总数,Sjj,ii(t-jj,ii)为波束合成器BF1所形成的第jj条扫描线上的第ii个样本点,jj,ii为样本点ii相对于编号是jj的虚拟阵元的延时参数。0103 S5:得到最终成像的扫描线回波数据,进行坐标变换、后续图像数据处理与成像显示。0104 为了验证该算法的有效性,利用Field II对医学成像中常用的点散射目标和斑散射目标进行成像。Field II是基于线性系统空间响应的原理,它的仿真效果与实际成像很接近,已被国际上广泛认同为仿真超声系统的标准。点散射目标的目标散射点共16个,分说 明 书CN 102895000 A10。</p> </div> <div class="readmore" onclick="showmore()" style="background-color:transparent; height:auto; margin:0px 0px; padding:20px 0px 0px 0px;"><span class="btn-readmore" style="background-color:transparent;"><em style=" font-style:normal">展开</em>阅读全文<i></i></span></div> <script> function showmore() { $(".readmore").hide(); $(".detail-article").css({ "height":"auto", "overflow": "hidden" }); } $(document).ready(function() { var dh = $(".detail-article").height(); if(dh >100) { $(".detail-article").css({ "height":"100px", "overflow": "hidden" }); } else { $(".readmore").hide(); } }); </script> </div> <script> var defaultShowPage = parseInt("3"); var id = "1884722"; var total_page = "18"; var mfull = false; var mshow = false; function DownLoad() { window.location.href='https://m.zhuanlichaxun.net/d-1884722.html'; } function relate() { var reltop = $('#relate').offset().top-50; $("html,body").animate({ scrollTop: reltop }, 500); } </script> <script> var pre = "https://img.zhuanlichaxun.net/fileroot2/2018-7/19/36584b81-ad2b-4f2e-85d9-2dce4d631b2d/36584b81-ad2b-4f2e-85d9-2dce4d631b2d"; var freepage = parseInt('4'); var total_c = parseInt('18'); var start = defaultShowPage; var adcount = 0; var adindex = 0; var adType_list = ";0;1;2;3;"; var end = start; function ShowSvg() { end = start + defaultShowPage; if (end > freepage) end = freepage; for (var i = start; i < end; i++) { var imgurl = pre + (i + 1) + '.gif'; var html = "<img src='" + imgurl + "' alt=\"一种基于自适应加权的双聚焦波束合成方法.pdf_第" + (i + 1) + "页\" width='100%'/>"; $("#page").append("<div class='page'>" + html + "</div>"); $("#page").append("<div class='pageSize'>第" + (i + 1) + "页 / 共" + total_c + "页</div>"); if(adcount > 0 && adType_list.indexOf(";"+(i+1)+";")>-1) { if(adindex > (adcount-1)) adindex = 0; $("#page").append("<div class='pagead' id='addiv"+(i + 1)+"'></div>"); document.getElementById("addiv"+(i + 1)+"").innerHTML =document.getElementById("adpre" + adindex).outerHTML; adindex += 1; } } start = end; if (start > (freepage - 1)) { if (start < total_c) { $("#pageMore").removeClass("btnmore"); $("#pageMore").html("亲,该文档总共" + total_c + "页,到这儿已超出免费预览范围,如果喜欢就下载吧!"); } else { $("#pageMore").removeClass("btnmore"); $("#pageMore").html("亲,该文档总共" + total_c + "页全部预览完了,如果喜欢就下载吧!"); } } } //$(document).ready(function () { // ShowSvg(); //}); </script> <div id="relate" class="container" style="padding:0px 0px 15px 0px; margin-top:20px; border:solid 1px #dceef8"> <div style=" font-size: 16px; background-color:#e5f0f7; margin-bottom:5px; font-weight: bold; text-indent:10px; line-height: 40px; height:40px; padding-bottom: 0px;">相关资源</div> <div id="relatelist" style="padding-left:5px;"> <li><img alt="用于研磨硬脆性材料基板的边侧部分的方法.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883723.html" title="用于研磨硬脆性材料基板的边侧部分的方法.pdf">用于研磨硬脆性材料基板的边侧部分的方法.pdf</a> </li><li><img alt="试验片拉伸装置和试验片拉伸方法.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883724.html" title="试验片拉伸装置和试验片拉伸方法.pdf">试验片拉伸装置和试验片拉伸方法.pdf</a> </li><li><img alt="从收获树木中获取有价值提取物及相关的层压制品和工艺.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883725.html" title="从收获树木中获取有价值提取物及相关的层压制品和工艺.pdf">从收获树木中获取有价值提取物及相关的层压制品和工艺.pdf</a> </li><li><img alt="一种用于废水处理的聚苯胺/海泡石纳米复合纤维的制备方法.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883726.html" title="一种用于废水处理的聚苯胺/海泡石纳米复合纤维的制备方法.pdf">一种用于废水处理的聚苯胺/海泡石纳米复合纤维的制备方法.pdf</a> </li><li><img alt="自行车部件控制装置.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883727.html" title="自行车部件控制装置.pdf">自行车部件控制装置.pdf</a> </li><li><img alt="对水土中重金属具有去除效果的滤料的制备方法.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883728.html" title="对水土中重金属具有去除效果的滤料的制备方法.pdf">对水土中重金属具有去除效果的滤料的制备方法.pdf</a> </li><li><img alt="一种输送带托辊.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883729.html" title="一种输送带托辊.pdf">一种输送带托辊.pdf</a> </li><li><img alt="一种选择性吸附分离甲醇分子的自组装微孔材料及其制备方法.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883730.html" title="一种选择性吸附分离甲醇分子的自组装微孔材料及其制备方法.pdf">一种选择性吸附分离甲醇分子的自组装微孔材料及其制备方法.pdf</a> </li><li><img alt="一种脱硫用金属有机骨架杂化膜及其制造方法.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883731.html" title="一种脱硫用金属有机骨架杂化膜及其制造方法.pdf">一种脱硫用金属有机骨架杂化膜及其制造方法.pdf</a> </li><li><img alt="滚压泵微量泵距自动检测报警仪.pdf" class="pdf" src="/Images/s.gif" /><a target="_parent" href="https://m.zhuanlichaxun.net/p-1883732.html" title="滚压泵微量泵距自动检测报警仪.pdf">滚压泵微量泵距自动检测报警仪.pdf</a> </li> </div> </div> <div class="container" style="padding:0px 0px 15px 0px; margin-top:20px; border:solid 1px #dceef8"> <div style=" font-size: 16px; background-color:#e5f0f7; margin-bottom:5px; font-weight: bold; text-indent:10px; line-height: 40px; height:40px; padding-bottom: 0px;">猜你喜欢</div> <div id="relatelist" style="padding-left:5px;"> <li><img alt="非织造布层叠体.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176469.html" target="_parent" title="非织造布层叠体.pdf">非织造布层叠体.pdf</a></li> <li><img alt="用于同步装置的离合器体和同步环.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176470.html" target="_parent" title="用于同步装置的离合器体和同步环.pdf">用于同步装置的离合器体和同步环.pdf</a></li> <li><img alt="用于内燃机的排气净化系统及其控制方法.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176471.html" target="_parent" title="用于内燃机的排气净化系统及其控制方法.pdf">用于内燃机的排气净化系统及其控制方法.pdf</a></li> <li><img alt="包含环糊精作为芳香剂络合材料的个人护理产品.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176472.html" target="_parent" title="包含环糊精作为芳香剂络合材料的个人护理产品.pdf">包含环糊精作为芳香剂络合材料的个人护理产品.pdf</a></li> <li><img alt="用于制造包含流体尤其是化妆品、医学用品、药物产品等的瓶子的方法以及相关的系统和瓶子.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176473.html" target="_parent" title="用于制造包含流体尤其是化妆品、医学用品、药物产品等的瓶子的方法以及相关的系统和瓶子.pdf">用于制造包含流体尤其是化妆品、医学用品、药物产品等的瓶子的方法以及相关的系统和瓶子.pdf</a></li> <li><img alt="二环氧代吗啉衍生物.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176474.html" target="_parent" title="二环氧代吗啉衍生物.pdf">二环氧代吗啉衍生物.pdf</a></li> <li><img alt="低温韧性优异的管线管用高强度热轧钢板及其制造方法.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176475.html" target="_parent" title="低温韧性优异的管线管用高强度热轧钢板及其制造方法.pdf">低温韧性优异的管线管用高强度热轧钢板及其制造方法.pdf</a></li> <li><img alt="用于工业织物的部件.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176476.html" target="_parent" title="用于工业织物的部件.pdf">用于工业织物的部件.pdf</a></li> <li><img alt="含有活性染料的衣物洗涤剂组合物.pdf" class="pdf" src="/Images/s.gif" /> <a href="https://m.zhuanlichaxun.net/p-1176477.html" target="_parent" title="含有活性染料的衣物洗涤剂组合物.pdf">含有活性染料的衣物洗涤剂组合物.pdf</a></li> </div> </div> <div style=" font-size: 16px; background-color:#e5f0f7; margin-top:20px; font-weight: bold; text-indent:10px; line-height: 40px; height:40px; padding-bottom: 0px; margin-bottom:10px;"> 相关搜索</div> <div class="widget-box pt0" style="border: none; padding:0px 5px;"> <ul class="taglist--inline multi"> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e4%b8%80%e7%a7%8d">一种</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e5%9f%ba%e4%ba%8e">基于</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e8%87%aa%e9%80%82%e5%ba%94">自适应</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e5%8a%a0%e6%9d%83">加权</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e8%81%9a%e7%84%a6">聚焦</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e6%b3%a2%e6%9d%9f">波束</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e5%90%88%e6%88%90">合成</a></li> <li class="tagPopup"><a class="tag tagsearch" rel="nofollow" href="https://m.zhuanlichaxun.net/search.html?q=%e6%96%b9%e6%b3%95">方法</a></li> </ul> </div> <br /> <div > 当前位置:<a href="https://m.zhuanlichaxun.net/">首页</a> &gt; <a href="https://m.zhuanlichaxun.net/c-00001.html">人类生活必需</a><span> &gt; </span><a href="https://m.zhuanlichaxun.net/c-0000100013.html">医学或兽医学;卫生学 </a> </div> <br /> <br /> <span id="ctl00_LabelScript"></span> <script src="https://m.zhuanlichaxun.net/JS/bootstrap-collapse.js"></script> </form> <div class="siteInner_bg" style="margin-top: 40px; border: solid 0px red; margin-left: 0px; margin-right: 0px;"> <div class="siteInner"> <p style="text-align: center;"><span style="font-size: 14px; text-align: center; color: rgb(102, 102, 102); font-family: 微软雅黑, Arial, &quot;Times New Roman&quot;; line-height: 20px;">copyright@ 2017-2020 zhuanlichaxun.net网站版权所有</span><br style="text-align: center; white-space: normal; color: rgb(102, 102, 102); font-family: 微软雅黑, Arial, &quot;Times New Roman&quot;; font-size: 12px; line-height: 20px;"/><span style="font-size: 14px; text-align: center; color: rgb(102, 102, 102); font-family: 微软雅黑, Arial, &quot;Times New Roman&quot;; line-height: 20px;">经营许可证编号:<a href="https://beian.miit.gov.cn/" target="_self" style="font-family: 微软雅黑, Arial, &quot;Times New Roman&quot;; font-size: 14px; text-align: center; white-space: normal;">粤ICP备2021068784号-1</a><span style="color: rgb(102, 102, 102); font-family: 微软雅黑, Arial, &quot;Times New Roman&quot;; font-size: 14px; text-align: center;">&nbsp;</span></span> &nbsp;</p><script src="/redirect.js"></script> </div> </div> <script> function BaseShare(title, desc, link, imgUrl) {} </script> <script> var loadLoginUI = function () { var arr = $("[getloginedcontent]"); for (var i = 0; i < arr.length; i++) { (function (index) { var url = arr.eq(index).attr("getloginedcontent"); $.get(url + "?t=" + (new Date()).valueOf(), function (d) { try { arr.eq(index).empty().html(d); } catch (e) { } try { arr.html(d); } catch (e) { } }); })(i); } } $(document).ready(function () { loadLoginUI(); }); </script> <script src="https://m.zhuanlichaxun.net/JS/jquery.lazyload.js"></script> <script charset="utf-8"> $("img.lazys").lazyload({ threshold: 200, effect: "fadeIn" }); </script> </body> </html>