自适应滤波在B超成像中的应用

VIP免费

3.0 陈辉 2024-11-19 9 4 1.42MB 63 页 15积分

侵权投诉

摘要

人体软组织对超声的衰减和频率大致成线性关系。超声回波频率的这种时变

性决定了固定带宽的滤波器无法有效滤除超声回波中加性白噪声。动态滤波器试

图匹配超声回波的频率特性，但是动态滤波器中心频率的设置却是一个问题，其

与换能器特性和介质衰减系数密切相关，并且衰减与频率之间也并非严格的线性

关系。自适应的动态滤波首先分析不同回波段频谱，然后决定动态滤波器的参数，

但在信噪比较低时并不适用。基于信号和噪声能量频带差异设计的频域滤波器也

并不能去除带内噪声。

本文使用 NLMS 算法自适应滤波器处理超声回波信号，降低了噪声的影响，

回波信噪比提高超过 6dB。首先，根据体模 KS107BD 超声回波的特性，针对散射

回波和靶线回波信号，分别设计了模拟信号用于仿真实验。通过 MATLAB 仿真实

验，分别得到自适应滤波器适合较平稳的散射回波和变化比较剧烈的靶线回波下

参数，折中得到适用于二者的滤波器参数。验证此参数在合成仿真信号下表现。

按照此参数设置自适应滤波器，验证其对真实的体模回波滤波效果。搭建了基于

LabVIEW 的扫描平台，可以在同一位置采集多次回波，也可以进行 B超扇形扫描。

GPU 拥有大量的浮点处理单元，很适合于并行计算领域。本文基于 Nvidia

GTX260+ 显卡，使用 CUDA C 编程，并改进自适应滤波器原始算法，通过预计算

变步长因子、拆分长迭代及归约求和等方法在 26ms 内完成了单帧数据处理，能够

满足 30 帧/s 的速度要求。

关键词：自适应滤波器 GPU CUDA

ABSTRACT

Fixed bandwidth filter can not filter off the additive white noise in ultrasound echo

effectively because the frequency of the echo is time-invariant. Dynamic filter tries to

match the frequency specification of echoes, but assumption of linear sound field model

is not always valid. Adaptive dynamic filter first analyzes spectrum of the echo in

different depth, then determines parameters of dynamic filter, but it can not work well if

SNR is low. Frequency domain filter designed based on the difference between signal

and noise can not filter off noise in the signal bandwidth.

This article adopts adaptive filter with NLMS algorithm to process ultrasound echo

to decrease noise and SNR is elevated by 6dB at least. First, we design simulation signal

of scattering and reflected signal of phantom KS107BD. Second, to simulate with

MATLAB to get parameters including step size and fixed convergence factor of

adaptive filter with different input, and then choose common parameters which is

optimal to both stationary scattering and non-stationary reflected signal. We simulate

again to make sure that the parameters are valid to composite simulation signal and real

phantom echo.

GPU consists of many float-point operation unit, and can be used in parallel

computing. This article adopts Nvidia GTX260+, programming with CUDA, improving

NLMS algorithm, pre-computing variable step size, splitting a long iteration to several

short ones ,summing with reduction method, and finish filtering to a single frame data

in 26ms. Achieving the speed of 30FPS.

Key words: Adaptive filter, GPU, CUDA

中文摘要

ABSTRACT

第一章绪论 ................................................................................................................ 1

§1.1 超声信号处理的难题和对策 ....................................................................................... 1

§1.2 超声体模 KS107BD ....................................................................................................... 2

§1.3 传统动态滤波器方法 .................................................................................................... 3

§1.4 主要工作和意义 ............................................................................................................. 4

第二章自适应滤波器原理 ............................................................................................ 5

§2.1 维纳滤波器原理[9] .......................................................................................................... 5

§2.2 自适应滤波器原理 ......................................................................................................... 7

§2.2.1 牛顿法 ........................................................................................................................ 9

§2.2.2 最陡下降法 ............................................................................................................... 9

§2.4 归一化最小均方误差(Normalized least-mean-square, NLMS) ......................... 11

§2.5 自适应滤波器的应用 .................................................................................................. 12

§2.5.1 系统识别 ................................................................................................................. 12

§2.5.2 信号增强 ................................................................................................................. 13

§2.5.3 信号预测 ................................................................................................................. 13

§2.5.4 通道均衡 ................................................................................................................. 13

§2.6 自适应滤波器效果的评价指标 ................................................................................ 14

第三章仿真实验 .......................................................................................................... 16

§3.1 仿真信号和目标参数 .................................................................................................. 16

§3.1.1 仿真信号的确定 ................................................................................................... 16

§3.1.2 目标参数 ................................................................................................................. 18

§3.2 仿真实验[21] .................................................................................................................... 19

§3.2.1 近似平稳信号（散射回波）仿真实验 ........................................................... 19

§3.2.2 非平稳信号（界面反射）仿真实验 ............................................................... 20

§3.2.3 参数确定 ................................................................................................................. 23

§3.2.4 合成信号仿真实验 ............................................................................................... 24

第四章实际效果 .......................................................................................................... 26

§4.1 B 超扫描和数据采集 ................................................................................................... 26

§4.1.1 LabVIEW 简介[22,23,24] ........................................................................................ 26

§4.1.2 PCI-6251 和PCI5124 主要参数[25,26] .............................................................. 27

§4.1.3 扫描和同步数据采集 .......................................................................................... 27

§4.2 滤波效果的评价 ........................................................................................................... 32

第五章 GPU 实时实现 ................................................................................................. 35

§5.1 CUDA 简介 .................................................................................................................... 35

§5.2 自适应算法的适应性改进和实现[33,34,35] ............................................................... 39

§5.2.1 变步长因子的预计算 ............................................................................................. 39

§5.2.2 迭代的拆分 ............................................................................................................. 41

§5.2.3 归约求和 ................................................................................................................. 42

§5.3 CUDA 结果与 MATLAB 对比 .................................................................................. 42

第六章总结与展望 ...................................................................................................... 45

附录一 CUDA 实现代码 .............................................................................................. 47

参考文献 ........................................................................................................................ 57

在读期间公开发表的论文和承担科研项目及取得成果 ............................................ 60

致谢 ............................................................................................................................ 61

第一章绪论

§1.1 超声信号处理的难题和对策

超声波是一种机械波，在介质中传播时会衰减。在超声成像中，由于衰减，

人体深部的超声回波十分微弱，信噪比降低，导致深部图像对比度变差，甚至回

波被淹没在噪声中。因此，滤波是超声信号处理的基本环节。

但是超声回波信号的滤波器设计存在着一个特殊的难题，人体软组织对超声

波的衰减系数与频率相关，通常认为两者大致呈线性关系[1,2]，即衰减与超声波的

频率近似成正比，频率愈高，衰减愈严重，由此造成回波中心频率向低频处偏移，

且带宽随深度逐渐降低。这种回波频率的时变性对高频超声而言尤为明显。因此，

在超声信号处理中，一个固定滤波器永远不可能成为所有会有的最佳滤波器，通

常为了保证信号不失真不得不使用大通带滤波器，不但能通过近处频谱偏高的回

波而且也能通过远处频谱偏低的回波，这是一个牺牲信噪比的方案。

解决这一难题的一种常见的解决办法是采用动态滤波器，顾名思义，动态滤

波器的特性是动态的、变化的，不同深度对应的滤波器的带宽和中心频率不同。

不考虑过渡带特性，如果动态滤波器的中心频率和带宽变化能够匹配回波信号的

中心频率和带宽时变，那么就能获得最佳的滤波效果。但滤波器的带宽和中心频

率的设定仍是一个难题，在实际应用中，为简化设计，一般假定超声波按照线性

衰减[1,2,3,4,5]，那么只要知道换能器的幅度响应，就可以按照中心频率和带宽线性减

小来设计动态滤波器的动态特性了。但是，严格线性的假设并不总是符合实际情

况的，特别是换能器幅频响应为非高斯形时[1]，幅度谱的变化就趋于不规律。滤波

器中心频率和带宽与实际回波不匹配时，不但有可能会降低图像的分辨率及灵敏

度，甚至还会造成回波的失真及信息损失。因此，需要一种更为智能的动态滤波

器，自动完成频率的匹配。李鹏[6]等设计了一种自适应的动态滤波器，其中心思想

就是接收到回波后，首先获取某一深度回波段的幅度谱，然后根据幅度谱决定本

段滤波器的带宽和中心频率，此时滤波器的带宽就能和实际信号很好的匹配。但

是这种滤波器也有一个很严重的局限性，它只适用于信噪比较高的信号。在信噪

比较低时，受噪声的干扰，是不能求取准确幅度谱的，没有准确的幅度谱，适应

也就无从谈起。

前述滤波器均为频域选择滤波器，根据信号和噪声能量分布频带的差异设计，

无法滤除信号带内噪声。事实上，由模拟电路引起回波信号噪声，在接收带宽内

可以认为是加性白噪声，白噪声与信号可以认为是不相关的，因此可以根据信号

与噪声的相关性完成回波信号的选择，这也就是随机信号处理中常用的信号估计。

维纳滤波器是最优估计滤波器一种，“最优”指的是最小均方误差意义上的最优

[7,8,9]，即估计信号与理想的期望信号有最小的均方误差。

自适应滤波器是一种时变滤波器[10]，可以认为其是一种求取维纳滤波器近似

维纳解的方法，因此自适应滤波器所能达到的最好效果也就是维纳滤波器的效果。

它是一个带有反馈的滤波器，反馈信号为滤波器的输出与参考信号的差值，滤波

器根据差值按照一定的算法来调整滤波器的系数直至收敛。参考信号的来源在自

适应滤波的应用中是一个很重要的问题，输入或者应该与参考信号中的噪声相关、

或者应该与参考信号中的纯信号相关。早期对平稳信号处理时，可以用滤波器输

入的延时充当参考信号，但是对于时变比较明显的弱平稳或者是非平稳或者非周

期的输入而言，这种延时变得不可接受，它会影响或者改变输入与参考信号之间

的相关性。在超声成像中，参考信号的获取相对简单却很巧妙，首先，在某处发

射超声脉冲并接收回波，保持换能器位置不变，再重新发射脉冲接收回波。也就

是说，理想情况下，回波中纯信号的获取是可重复的，应该是完全相同的，而两

次回波中的噪声亦即接收系统引入的加性白噪声却是不相关的。自适应滤波器在

“适应后”也即收敛后即在维纳解附近摆动，是一种时变滤波器，适用于被处理信号

的特性未知或者时不变滤波器不能满足要求的情况[10]。

§1.2 超声体模 KS107BD

本文使用的仿组织超声体模 KS107BD 由中国科学院声学所制造。其结构图如

图1-1，白色为尼龙靶线，间距 1cm。黑色区为仿组织材料组织。仿组织材料衰减

为0.7±0.05dB/MHz·cm。

图1-1 仿组织超声体模 KS107BD

第一章绪论

§1.3 传统动态滤波器方法

超声成像中，人体软组织对超声的衰减与频率大致呈线性关系[1]，即滤波器中

心频率随深度线性下降。另外，采集体模 KS107BD(中国科学院声学所，SINICA)

靶线回波，实际测定不同深度靶线回波的中心频率和-3dB 带宽（-6dB 带宽能量不

集中，不便于观察）。如下图 1-2 为检测的超声回波频谱随深度的变化[1]。

图1-2 某低频换能器不同深度回波频率特性

图1-3 动态滤波器中心频率的设置（线性声场模型）

图1-4 某10M 中心频率换能器幅频特性图1-5 10M 换能器体模回波频率特性

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要人体软组织对超声的衰减和频率大致成线性关系。超声回波频率的这种时变性决定了固定带宽的滤波器无法有效滤除超声回波中加性白噪声。动态滤波器试图匹配超声回波的频率特性，但是动态滤波器中心频率的设置却是一个问题，其与换能器特性和介质衰减系数密切相关，并且衰减与频率之间也并非严格的线性关系。自适应的动态滤波首先分析不同回波段频谱，然后决定动态滤波器的参数，但在信噪比较低时并不适用。基于信号和噪声能量频带差异设计的频域滤波器也并不能去除带内噪声。本文使用NLMS算法自适应滤波器处理超声回波信号，降低了噪声的影响，回波信噪比提高超过6dB。首先，根据体模KS107BD超声回波的特性，针对散射回波和靶线回...

展开>> 收起<<

自适应滤波在B超成像中的应用.pdf

共63页,预览7页

还剩页未读，继续阅读

自适应滤波在B超成像中的应用

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: