改进的经验模态分解法分离超声多普勒血流与管壁信号

超声多普勒血流信号常包含管壁信号的干扰,准确分离二者对提高血流检测的精度具有重要作用。本文提出两种改进的经验模态分解(EMD)方法,先将含管壁信号的超声多普勒信号分解成多层本征模态函数(IMF),然后根据血流信号与管壁信号的不同特性,对既含管壁信号又含血流信号的IMF分量进行分离处理,最后将各层IMF分量中的管壁成分叠加得到管壁信号的估计,而血流信号可通过原信号减去估计的管壁信号而得到。将本方法用于计算机仿真信号和人体实测的超声多普勒信号,并与高通滤波器法、空间选择性降噪法和原EMD法进行比较,结果表明:本文提出的两种方法能在较大的管壁搏动速度范围内准确地分离血流信号和管壁信号,其平均相对误差比高通滤波器的结果降低了约52%和57%。可见,本文提出的两种方法有望用于血流信号与管壁信号的准确分离。      

管壁和血流多普勒信号的分离研究

根据超声多普勒血流信号和血管壁搏动信号的统计特性,提出了一种基于主元分析的非线性滤波方法。并用于计算机仿真的超声多普勒信号和实际采集的人体颈总动脉多普勒信号的处理,同时与传统的高通滤波器方法进行了比较。实验中得到了与实际更接近的平均流速估计,相对误差仅为5.62％,与滤波法的相对误差12.83％相比,准确性得到了一定的提高。结果表明:基于主元分析的非线性滤波方法能在较大的管壁血流功率比范围内滤除管壁搏动信号,同时保留低频血流信号成分,因而可用于超声多普勒系统中管壁和血流信号成分的分离,分离后的这些低频的血流成分信号能使以后的参数提取和信号分析工作具有更高的精度和可靠性。     

双向血流超声多普勒信号的小波降噪

利用小波框架结合软阈值的方法对表征双向血流的超声多普勒信号进行降噪。为了避免软阈值非线性处理对双向血流多普勒信号方向表征的影响,先对超声多普勒信号进行方向分离,然后对分离后的信号分别进行小波降噪,最后合成降噪后的双向血流超声多普勒信号。对计算机仿真的股动脉超声多普勒血流信号的降噪实验结果分析表明:本方法在不影响双向血流信息的前提下,提高了多普勒信号的信噪比、最大频率曲线和平均频率曲线的估计精度。仿真实验的结果证明了本方法可以用于双向血流超声多普勒信号的降噪。     

含管壁搏动的超声多普勒血流信号仿真

基于血流和血管壁的物理模型,提出了对包含血管壁搏动的超声多普勒血流信号进行计算机仿真的方法。实验中生成了不同采样容积下的超声多普勒仿真信号,通过计算仿真信号的平均频率曲线,并与给定值进行比较,证明了方法的有效性。该方法的提出,为进一步研究分离血流信号和管壁搏动信号的方法提供了方便有效的信号源。     

基于投影寻踪的超声彩色血流成像杂波抑制方法

为抑制超声彩色血流成像(CFI)中杂波信号对血流速度估计的影响,提出一种基于投影寻踪(PP)的杂波抑制方法。根据回波信号的时域特性,采用投影寻踪法提取主元以降低主元对非血流区域的高强度杂波的敏感度;然后在特征向量空间去除估计得到的杂波成分,从而获得血流信号。将本方法用于计算机仿真信号和人体实测信号。结果表明:与传统的高通滤波器法相比,本方法能更好地保持流速剖面的完整性和血流轮廓;与特征向量法相比,在近似的流速完整度下本方法在非血流区域产生的误差较少,血管内外能量比高出特征向量法约5dB,能够有效地提高彩色血流成像的质量。      

基于动态规划的超声多普勒信号最大频率曲线提取

提出一种基于全局优化的动态规划算法以进行超声多普勒血流信号最大频率曲线的提取。并将该方法分别应用于仿真的超声多普勒信号和实际采集的多普勒血流信号,在信噪比小于20 dB的较强噪声背景下,基于动态规划方法提取的最大频率曲线较之传统方法提取的结果,相对误差最多可减小20倍以上。在强噪声背景下的估计精度明显高于其它方法,显示出基于动态规划的最大频率曲线提取算法具有较好的抗噪声性能。结果表明:基于全局优化的动态规划算法能够从较强噪声背景中准确提取超声多普勒血流信号的最大频率曲线,并可进一步用于诊断血管疾病。     

小波分析在激光多普勒信号处理中的应用

 提出将激光多普勒测速仪(LDV)应用于车载惯性导航系统中,阐述了激光多普勒自身速度仪的基本原理和小波变换的相关理论,并运用小波变换对多普勒信号进行检测、去噪及提取多普勒频率,仿真及实验结果表明：信号进行小波分解后,对每一级小波进行阈值处理,得到了较好的去噪效果;在小波降噪常见的阈值原则中,无偏似然估计阈值和极值阈值不容易丢失信号中的有用成分,而启发式阈值原则和固定阈值原则可以更有效地去除噪声;对于提取多普勒频率而言,小波变换与快速傅里叶变换所得的结果是一致的,而小波变换不但可以求出系统自身的运动速度,而且还可以求出对应速度发生的时刻。     

一种强噪声背景下微弱超声信号提取方法研究

为解决在强噪声背景下获取超声信号的难题,基于粒子群优化算法和稀疏分解理论提出一种强噪声背景下微弱超声信号提取方法.该方法将降噪问题转换为在无穷大参数集上对函数进行优化的问题,首先以稀疏分解理论和超声信号的结构特点为依据构建了粒子群优化算法运行所需要的目标函数及去噪后信号的重构函数,从而将粒子群优化算法和超声信号降噪联系在一起;然后根据粒子群优化算法可以在连续参数空间寻优的特点建立了用于匹配超声信号的连续超完备字典,并采用改进的自适应粒子群优化算法在该字典中对目标函数进行优化;最后根据对目标函数在字典上的优化结果确定最优原子,并利用最优原子按照重构函数重构出降噪后的超声信号.通过对仿真超声信号和实测超声信号的处理,结果表明本文提出的方法可以有效提取信噪比低至-4 dB的强噪声背景下的微弱超声信号,且和基于自适应阈值的小波方法相比本文方法表现出更好的降噪性能.     

超声多普勒栓子信号的小波特征提取及分类应用

采用超声多普勒技术无损检测栓子,有积极的临床意义。为降低探头或病人移动引起的干扰对检测栓子的影响,从超声多普勒信号小波变换的两个角度研究相应特征参数的提取。先根据小波尺度图分析信号波形的奇异性,提取表征尺度图特征的横向和纵向参数;然后提出自适应小波包基分析方法,提取表征信号最优逼近特性的能量、尺度等参数。综合两方面特征,通过求解Fisher广义最佳鉴别平面,建立起一个超声多普勒栓子信号分类系统。通过对300例仿真和298例临床采集的脑动脉超声多普勒信号的试用。结果表明:系统对训练集和测试集的栓子信号检测率分别达99.0%和98.5%。可见,本方法比传统方法在检测准确性上有了较大的提高,有望应用于栓子信号的临床自动检测。     

小波降噪提高时延估计精度的研究

为了估计两个在空间上分离的传感器所接收信号之间的时间延迟,结合小波降噪的特点,提出了一种基于小波降噪的广义相关时延估计算法.鉴于传统阈值降噪的不足,对小波阙值的选取进行改进,研究出一种新的小波阈值降噪技术.该算法克服了传统广义相关法需要信号和噪声先验知识的局限性,放宽了直接互相关法对信号和噪声的假设条件.仿真和实验结果...