CN102834707B - 声波成像装置 - Google Patents

Abstract

一种声波成像装置具有：相位对准单元（9），其使通过多个声波接收元件（5）获得的接收信号的相位对准；复信号获取单元（21），其从所述相位对准的接收信号产生复信号；相关矩阵计算单元（22），其计算所述复信号的相关矩阵；和电功率计算单元（24a、24b、24c、24d），其使用所述相关矩阵和预先确定的约束向量计算所述接收信号的约束最小功率，其中，所述相关矩阵计算单元（22）以预先确定的周期计算所述相关矩阵，并且以预先确定的周期顺序地将所计算的相关矩阵输出到所述电功率计算单元（24a、24b、24c、24d），并且所述电功率计算单元（24a、24b、24c、24d）通过使用所计算的相关矩阵来并行地计算多个约束最小功率，所述多个约束最小功率分别对应于所述相关矩阵。

Description

声波成像装置

技术领域

本发明涉及一种声波成像装置和声波成像方法。

背景技术

使用声波（诸如超声波）产生物体内部的三维结构图像的声波成像装置（在使用超声波的情况下，超声波成像装置）作为产生很少副作用的便宜的医学图像诊断装置被广泛用于医学领域中。由于声波成像技术的改进，医学图像诊断装置的性能每年改进。作为进一步改进性能的一种技术，使用CMP（功率的约束最小化）方法的图像重构技术正在研究中。

CMP方法是作为一种自适应天线技术而被开发的信号处理技术。CMP方法是这种的接收方法，所述方法在来自所期望的方向的无线电波的接收增益必须恒定的约束下自适应地调整接收的方向性，以便一直使所有的接收信号（包括干涉波）的功率最小。根据该方法，因为可使干涉波的功率与接收功率的比率最小，所以可接收到具有良好SN比的信号。

自适应天线技术基于使用由多个接收元件构成的阵列天线的假设，并且CMP方法的具体计算通常如下。

假设阵列天线的n个数量的接收元件的接收信号是复信号形式的x[k,t]（k=1,2，...,n）。

假设n个数量的复数的权重是w[k]（k=1,2，...,n）。

在这种情况下，阵列天线的输出s[t]可由表达式(1)给出。

【数学式1】

$s\left[t\right]=\underset{k}{\mathrm{\Σ}}w{\left[k\right]}^{*}\·x[k,t]\·\·\·\left(1\right)$

瞬时接收功率p[t]由表达式(2)给出。变量的右肩处的星号（^*）表示复共轭。

【数学式2】

$p\left[t\right]=\frac{1}{2}\·{|\underset{k}{\mathrm{\Σ}}w{\left[k\right]}^{*}\·x[k,t\left]\right|}^2\·\·\·\left(2\right)$

如果用于CMP方法的接收功率P被定义为预先确定的时间内的瞬时接收功率p[t]的积分值，则接收功率P由表达式(3)以向量形式给出。

【数学式3】

$P=\underset{t}{\mathrm{\Σ}}p\left[t\right]$

$=\frac{1}{2}\·\underset{t}{\mathrm{\Σ}}{|\underset{k}{\mathrm{\Σ}}w{\left[k\right]}^{*}\·x[k,t\left]\right|}^2$

$=\frac{1}{2}\·\underset{k1}{\mathrm{\Σ}}\underset{k2}{\mathrm{\Σ}}(w{\left[k2\right]}^{*}\·\left(\underset{t}{\mathrm{\Σ}}x\right[k2,t]\·x{[k1,t]}^{*})\·w[k1\left]\right)$

$=\frac{1}{2}\·W^H\mathrm{AW}\·\·\·\left(3\right)$

在表达式(3)中，W是权重向量，由表达式(4)给出。

【数学式4】

$W=\left[\begin{array}{c}w\left[1\right]\\ w\left[2\right]\\ \·\\ \·\\ \·\\ w\left[n\right]\end{array}\right]\·\·\·\left(4\right)$

A是输入信号的相关矩阵，由表达式(5)给出。

【数学式5】

另一方面，已知CMP方法的约束（来自所期望的方向的信号增益是恒定的）可用表达式(6)使用与所期望的方向对应的约束向量C给出。

【数学式6】

C^HW＝1  …(6)

这里，变量的右肩上的“H”表示复共轭转置矩阵。因此，如果通过使用表达式(6)作为约束来计算使表达式(3)中的接收功率P最小的权重向量W_min，并且将所计算的权重向量W_min代入表达式(1)中，则可计算基于CMP方法的阵列天线的接收信号。在实际计算中，权重向量W_min被获得为表达式(7)。

【数学式7】

$W_{\min }=\frac{A^{-1}C}{C^H{A}^{-1}C}\·\·\·\left(7\right)$

最小接收功率P_min被获得为表达式(8)。

【数学式8】

$P_{\min }=\frac{1}{C^H{A}^{-1}c}\·\·\·\left(8\right)$

换句话讲，为了使用CMP方法来计算阵列天线的接收信号，顺序地执行以下[1]至[3]。

[1]使用输入信号x[k,t]来计算表达式(5)的相关矩阵A。

[2]使用约束向量C和相关矩阵A来计算表达式(7)中的权重系数向量W_min。

[3]使用权重系数向量W_min和输入信号x[k,t]来计算表达式(2)中的接收信号。

如果仅需要接收信号的功率作为接收信号，则通过表达式(8)计算的最小功率P_min简单地用作接收信号。于是，可以以干涉波的最小影响来获得具有良好SN比的接收信号。

非专利文献1（NPL1）报告了将CMP方法应用于超声回波图像处理的例子。超声回波图像处理是用于通过下述方式来产生物体内部的结构的图像的处理，即，将超声束辐射到物体上，并且通过一维或二维排列的多个接收元件来接收在该物体内部反射的超声波。如果由多个接收元件构成的探头被认为是阵列天线并且CMP方法被应用于接收信号的处理，则可预期超声回波图像处理的性能的改进。

【引文列表】 

【非专利文献】

【NPL 1】

J.F.Synnevag等人，"Adaptive Beamforming Applied to Medical Ultrasound Imaging",IEEE Trans.ULTRASONICS,FERROELECTRICS,AND FREQUENCY CONTROL,VOL.54,NO.8,2007年8月

【NPL 2】

M.Karkooti等人，"FPGA Implementation of Matrix Inversion Using QRD-RLS Algorithm",Asilomar Conference on Signals,Systems,and Computers,2005年10月,第1625-1629页

发明内容

技术问题

将描述如NPL1所示的将作为阵列天线技术的CMP方法应用于超声回波图像处理的情况下的问题。

第一个问题是通过阵列天线接收的所期望的波是来自无穷远的点

第二个问题是超声回波信号中所包括的干涉波的强度和方向随时间流逝而快速地变化。为了解决该问题，在NPL1中，以极其短的周期重复CMP方法的计算。

包括相关矩阵的逆矩阵计算处理的CMP方法本质上是需要大计算量的方法。如果该CMP方法应用于超声回波信号处理，则如上所述，必须以极其短的周期重复CMP方法的计算，并且与将该方法应用于阵列天线的情况相比，计算量变得庞大。

关于高速执行逆矩阵计算的计算电路，例如非专利文献2（NPL2）公开了假设应用于阵列天线的逆矩阵计算电路的例子。根据NPL2中所公开的方法，能够使用浮点类型的代数计算电路以0.13MHz的周期重复地执行对于4*4矩阵的逆矩阵计算。

另一方面，在超声回波图像处理的情况下，必须至少以5MHz或更快的周期频率执行计算，以便实现回波图像所要求的分辨率。相关矩阵必须至少为6*6矩阵至8*8矩阵大小。因为逆矩阵的计算量通常与矩阵大小的立方成比例，所以需要与常规方法相比130至300倍的计算速度来计算超声波回波图像处理所需要的逆矩阵，这意味着不能使用常规方法。

然而，关于CMP方法的使用实际商业用途所要求的速度和装置规模来实现该庞大计算量的方法（包括逆矩阵计算），NPL1没有公开任何内容。

如上所述，如果CMP方法应用于超声波成像处理，则可预期超声图像的对比度和分辨率的改进。用于它的计算过程也是已知的。但是为了将CMP方法应用于常见的医学诊断装置，必须高速执行庞大的数值计算处理，就装置规模和处理速度而言，将这变为实际使用是困难的。

鉴于以上，本发明的目的是提供一种用于在声波成像装置中高速处理基于CMP方法的计算的技术。

问题的解决方案

本发明提供一种声波成像装置，包括：

多个声波接收元件，每个声波接收元件接收从物体发射的声波，并且将所述声波转换为接收信号；

相位对准单元，其使从所述多个声波接收元件获得的多个接收信号的相位对准；

复信号获取单元，其从通过所述相位对准单元获得的相位对准的接收信号产生复信号，并且获取多个复信号；

相关矩阵计算单元，其计算所述多个复信号的相关矩阵；和

电功率计算单元，其使用所述相关矩阵和预先确定的约束向量来计算所述接收信号的约束最小功率，

其中，

所述相关矩阵计算单元以预先确定的周期计算所述相关矩阵，并且顺序地将所计算的相关矩阵输出到所述电功率计算单元，并且

所述电功率计算单元通过使用所输出的相关矩阵来并行地计算多个约束最小功率，所述多个约束最小功率分别对应于所输出的相关矩阵。

本发明还提供一种声波成像方法，包括：

接收步骤，其通过多个声波接收元件中的每个接收从物体内发射的声波，并且将所述声波转换为多个接收信号；

相位对准步骤，其使从所述多个声波接收元件获得的所述多个接收信号的相位对准；

复信号获取步骤，其从在所述相位对准步骤中获得的相位对准的接收信号产生复信号，并且获取多个复信号；

相关矩阵计算步骤，其计算所述多个复信号的相关矩阵；和

电功率计算步骤，其使用所述相关矩阵和预先确定的约束向量来 计算所述接收信号的约束最小功率，

其中，

在所述相关矩阵计算步骤中，以预先确定的周期计算所述相关矩阵，并且顺序地输出所述相关矩阵，并且

在所述电功率计算步骤中，通过使用所输出的相关矩阵来并行地计算多个约束最小功率，所述多个约束最小功率分别对应于所输出的相关矩阵。

本发明的有益效果

根据本发明，可在声波成像装置中高速处理基于CMP方法的计算。

从以下参照附图对示例性实施例的描述，本发明的进一步特征将变得明显。

附图说明

图1是描绘常规的声波成像装置的配置的示图；

图2是描绘本发明的声波成像装置的配置的示图；

图3是约束功率计算电路的时序图；

图4是描绘复信号获取电路的配置的示图；

图5是描绘复相关矩阵计算电路的配置的示图；

图6A是描绘空间平均化处理的示图；

图6B是描绘空间平均化处理的示图；

图6C是描绘空间平均化处理的示图；

图7是描绘约束功率计算电路的配置的示图；

图8是描绘QR分解电路的配置的示图；

图9是描绘后退代入计算电路的配置的示图；

图10是描绘例子2的QR分解基本计算电路的配置的示图；

图11是描绘例子2的约束功率计算电路的配置的示图；

图12是描绘例子2的声波成像装置的配置的示图；

图13A是描绘例子3的约束功率计算电路的配置的示图；

图13B是描绘例子3的约束功率计算电路的配置的示图；

图13C是描绘例子3的约束功率计算电路的配置的示图；

图14是描绘例子4的声波成像装置的配置的示图；

图15是描绘例子4的约束功率计算电路的配置的示图；和

图16是描绘例子5的光声波成像装置的配置的示图。

具体实施方式

现在将参照附图来描述本发明的实施例。

图1是描绘常规的声波成像装置的配置例子的示图。这里显示了使用超声波的超声波成像装置，但是无论声波是否在超声波区域中都对所述技术的本质没有影响。在图1中，在超声探头1中排列了多个超声波发送/接收元件。发送信号处理电路2基于来自作为信息处理器的CPU的指令产生发送信号3，通过开关电路4驱动超声发送/接收元件组5，并且发送脉冲超声束6。

通过超声束6的反射发射的超声回波7被超声波发送/接收元件组5转换为电信号，这些电信号通过开关电路4被发送到相位对准延迟电路8。相位对准延迟电路8调整延迟时间，以使得来自同一点P的回波信号的到达定时对准。由来自同一点P的超声回波产生并且通过相位对准延迟电路获得并相位对准的信号在一次处理中变为功率计算目标。总计电路9将其到达定时被对准的所有的处理目标信号相加，并且产生聚焦在点P上的强的接收信号。来自其的信号被接收元件接收的点P随着时间流逝在超声束路径上移动到更远，因此，如果随着时间流逝适当地更新相位对准延迟电路8的延迟时间，则可实时地产生聚焦在超声束路径上的所有点上的强的回波接收信号。在这种情况下，因为各个延迟时间值全都不同，所以来自除焦点位置之外的地点的干涉波通过总计而衰减，并且由超声束路径上的超声回波产生的信号被获得为一行接收信号。

由总计电路9输出的一行接收信号被包络检测电路10转换为回波 强度波形，然后其信息被LOG转换电路11压缩，并且被传送到CPU。CPU在适当地指示发送超声束的位置和方向的同时收集每个超声束路径上的回波强度波形，基于该回波强度波形创建回波图像数据，并且使显示装置12显示图像。

【例子1】

图2是描绘该例子的声波成像装置的配置的示图。应用CMP方法的声波成像装置与常规装置的不同之处在于从相位对准延迟电路8到CPU的接收信号处理电路部分。这个不同的电路部分是用于对于其到达定时被相位对准延迟电路8对准的接收信号（即，相位对准的接收信号）实时地计算由表达式(8)给出的约束最小功率值P_min的电路组。

复信号获取电路21是用于将每个接收信号转换为复信号x[k,t]的电路。在将输入信号（相位对准的接收信号）转换为复信号的处理中，输入信号被认为是实部，并且产生其相位从输入信号的相位偏移90度的信号，并且将其相位从输入信号的相位偏移90度的信号认为是虚部。如稍后所述，相位偏移90度的信号可以通过标准的FIR滤波处理产生，因此，复信号获取电路可被容易地实现为实时电路。

复相关矩阵计算电路22是用于从复信号x[k,t]计算由表达式(5)给出的相关矩阵A以获取相关矩阵数据的计算电路。如表达式(5)清楚地显示的，可通过每个信号与预先确定的时间间隔内的累加之间的乘积计算相关矩阵的每个元素。因此，如果对于每个元素组合乘法电路和累加电路，则可容易地实现实时计算。结果，复相关矩阵计算电路22可顺序地在执行累积处理的每个时间间隔Tm内将一个相关矩阵作为A[1],A[2],A[3]...输出。

由复相关矩阵计算电路22顺序地输出的相关矩阵被顺序地、循环地存储在多个存储电路：23a、23b、23c和23d中。多个约束电功率计算电路24a、24b、24c和24d使用所存储的相关矩阵和预先确定的约束向量C来并行地计算由表达式(8)给出的约束最小功率值。

图3是约束电功率计算电路24a、24b、24c和24d的操作的具体 时序图。如图3所示，四个存储电路23a、23b、23c和23d顺序地、循环地在周期Tm输入并存储从前一级中的相关矩阵计算电路输入的相关矩阵数据。在下一个相关矩阵数据被输入到同一存储电路的同时，每个约束电功率计算电路24a、24b、24c和24d计算最小电功率值，并且输出结果。那么，即使约束电功率计算电路需要相关矩阵产生时间Tm的四倍的处理时间，也可实时地执行从信号输入到电功率计算的整个处理（电功率计算处理Tp）。由约束最小功率计算电路24并行执行的所要求的处理次数N必须满足N>=Tp/Tm。相位对准延迟电路对应于本发明的相位对准单元。复信号获取电路对应于本发明的复信号获取单元。复相关矩阵计算电路对应于复相关矩阵计算单元。约束电功率计算电路对应于本发明的电功率计算单元。作为信息处理单元的CPU基于所计算的电功率创建图像数据，换句话讲，CPU起着本发明的图像创建单元的作用。

总地来讲，约束最小功率计算是由于诸如逆矩阵处理这样的处理而花费时间的处理，但是显然的是，如果提供用于并行计算的所要求的数量的电路，则可实时地执行从信号输入到电功率计算的整个处理。如果像这样实时计算的最小电功率值被传送到CPU，并且CPU重构回波图像并在显示装置12上显示它，则能以商业上可行的处理速度实现基于CMP方法的声波成像装置。

现在将描述每个处理块的具体例子，以便示出能以商业上可行的规模实现每个处理块。

图4是描绘复信号获取电路21的具体配置的示图。在用于使由一系列实数值构成的数字输入信号复数化的处理中，如上所述，输入信号被认为是实部，并且计算其相位从输入信号的相位偏移90度的信号，并且将其相位从输入信号的相位偏移90度的信号认为是虚部。用于产生其相位从输入信号偏移90度的信号的处理可容易地用FIR滤波器来实现，FIR滤波器根据滤波器理论具有奇数个抽头（tap）和奇对称系数。作为具有奇数个抽头和奇对称系数的FIR滤波器并且其增益特性在预先确定的频率区域中为“1”的带通滤波器可用其偶数系数 为“0”的滤波器来实现。

在图4中，33a,33b,33c，...是偏移和保持根据参考时钟输入的数字信号x[k,t]；（t=0,1,2，...）的移位寄存器。31a,31b,31c，...是用于存储FIR滤波器的系数的寄存器，32a,32b,32c，...是将系数与输入信号相乘的乘法电路，34是加法电路。如上所述，在要被实现的FIR滤波器的系数之中，从中心起的偶数位中的系数为“0”，所以可通过将每个输入信号与系数（不包括系数“0”部分）的乘法结果相加来计算输出信号的虚部Im[x[k,t]]。关于实部的输出Re[x[k,t]]，输入信号由于滤波器而延迟虚部的计算的延迟量，并且输出结果。然后，作为一系列实数输入的输入信号x[k,t]可被转换为新的复信号x[k,t]，并且被输出。

图5是描绘复相关矩阵计算电路22的具体配置的示图。在图5中，x[1,t]、x[2,t]、x[3,t]和x[4,t]是被转换为复信号的四个接收信号，并且在图5中，仅计算了4*4矩阵的上三角元素。如表达式(5)的计算所示，j*i元素和i＊j元素在相关矩阵中为复共轭关系，因此，如果仅计算十个上三角元素（包括对角元素），则它是足够的。

为了计算相关矩阵的每个元素，如图5所示的要被输入的每个信号在每个组合中被乘，并且结果在预先确定的时间范围内被累加。例如，乘法器51将输入x[1,t]乘以x[1,t]的复共轭，并且结果被加法器53和累积寄存器52累加。

换句话讲，在累加开始时，选择电路54选择“0”信号，并且直接在累积寄存器52中设置乘法电路54的输出。在累加继续的同时，选择电路54将乘法电路51的输出相加以便选择累积寄存器52的内容，并且再次在累积寄存器52中设置结果。在下一次累加开始时，累积计算的结果被传送到输出寄存器55。同样地关于相关矩阵的其它元素，执行类似的处理，由此在预先确定的周期内计算并输出相关矩阵的每个元素。所要求的乘法器的数量与输入信号的数量的平方成比例增加，但是即便是作为简化的LSI的FPGA也包含1000个或更多个乘法器，所以通过提出普通技术构思（诸如提高计算块的速度），一 个FPGA就足以实现该计算。

所计算的相关矩阵可直接用于计算约束最小功率，但是为了使计算结果稳定，优选的是对所计算的相关矩阵执行如图6所示的空间平均化处理，以便转换为约化的相关矩阵（reduced correlation matrix）。图6A是描绘用于从8*8相关矩阵创建经校正的5*5相关矩阵的空间平均化处理的示图。空间平均化处理是用于如图6A所示在对角线方向上从L*L矩阵提取K*K部分矩阵并且将提取的矩阵相加以计算K*K相关矩阵的处理。

图6B是描绘用于实时地执行空间平均化处理的电路的具体配置的示图。要被输入的相关矩阵A的每个元素a[0,0],a[0,1]，...从图5中的复相关矩阵计算电路22并行输出。因此，空间平均化处理仅要求：选择必要的矩阵元素a[0,0]、a[1,1]、a[2,2]和a[3,3]，通过加法电路56将这些元素相加，并且如图6B中的左上电路所示出的那样在输出寄存器57中设置加法结果。在图6B中，左侧的电路组是用于计算对角元素的电路例子。对于对角元素，还加上无穷小正数ε（epsilon），以通过保证逆矩阵的存在来使逆矩阵计算稳定。图6B的右侧显示了用于不包括对角元素的元素的计算电路例子。如果执行了空间平均化处理，则空间平均化处理的结果变为新的复相关矩阵，并且被用于后续处理。

图6C显示了空间平均化处理所要求的输入矩阵的元素。输入相关矩阵具有如上所述的上三角部分的元素是足够的，但是不用于空间平均化处理的元素的计算也是可省略的。在这种情况下，在前一级中的复相关矩阵中要被计算的矩阵元素仅仅是图6C中的阴影部分，并且电路规模可通过空间平均化处理来进一步缩小。

图7是描绘约束电功率计算电路的具体配置的示图。约束最小功率的计算是用于使用在前一级中计算的相关矩阵A和预先确定的约束向量C来计算由表达式(8)给出的最小接收电功率P_min的处理。

因为表达式的形式，表达式(8)的计算可分成由表达式(9)给出的步骤和由表达式(10)给出的步骤。 

表达式(9)显示了计算联立线性方程的解Y的步骤。

【数学式9】

AY＝C    …(9)

表达式(10)显示了计算Y与约束向量C的内积的倒数的步骤。

【数学式10】

$P_{\min }=\frac{1}{C^{H}Y}\·\·\·\left(10\right)$

用于确定联立线性方程(9)的解Y的计算处理可进一步分成用于将系数矩阵A转换为上三角矩阵的QR分解处理和用于对其系数为上三角矩阵的联立线性方程进行求解的后退代入处理。

在QR分解处理中，表达式(11)是通过将表达式(9)展开为元素来表示的联立线性方程。

【数学式11】

$\left[\begin{array}{cccc}{a}_{11}& a_{12}& a_{13}& a_{14}\\ a_{21}& a_{22}& a_{23}& a_{24}\\ a_{31}& a_{32}& a_{33}& a_{34}\\ a_{41}& a_{42}& a_{43}& a_{44}\end{array}\right]\left[\begin{array}{c}{y}_1\\ y_2\\ y_3\\ y_4\end{array}\right]=\left[\begin{array}{c}{c}_1\\ c_2\\ c_3\\ c_4\end{array}\right]\·\·\·\left(11\right)$

然后，从左侧起将表达式(11)乘以合适的旋转矩阵，以便将其转换为其系数是由表达式(12)给出的上三角矩阵的联立线性方程。

【数学式12】

$\left[\begin{array}{cccc}{r}_{11}& r_{12}& r_{13}& r_{14}\\ 0& r_{22}& r_{23}& r_{24}\\ 0& 0& r_{33}& r_{34}\\ 0& 0& 0& r_{44}\end{array}\right]\left[\begin{array}{c}{y}_1\\ y_2\\ y_3\\ y_4\end{array}\right]=\left[\begin{array}{c}{b}_1\\ b_2\\ b_3\\ b_4\end{array}\right]\·\·\·\left(12\right)$

后退代入处理是用于根据由表达式(13)给出的后退代入过程来计 算作为表达式(12)的解的Y向量的处理。 

【数学式13】

$y_4=\frac{1}{r_{44}}\·b_4$

$y_3=\frac{1}{r_{33}}\·(b_2-r_{34}\·y_4)$

$y_2=\frac{1}{r_{22}}\·(b_2-r_{24}\·y_4-r_{23}\·y_3)$

$y_1=\frac{1}{r_{11}}\·(b_1-r_{14}\·y_4-r_{13}\·y_3-r_{12}\·y_2)\·\·\·\left(13\right)$

图7是描绘根据上述步骤分离的一个约束电功率计算电路24a的具体配置的示图。换句话讲，QR分解计算电路62a输入存储在前一级中的存储电路23a中的相关矩阵A作为表达式(11)的系数矩阵，计算由表达式(12)给出的上三角矩阵的元素和常数项，并且将结果输出到系数存储电路63a。基于存储在系数存储电路63a中的上三角矩阵的元素和常数项，后退代入计算电路64a根据表达式(13)的计算过程来确定联立线性方程(11)的解向量Y，并且输出结果。

积和计算电路（product sum calculating circuit）65a是用于计算作为约束向量C与解向量Y的内积的、表达式(10)右侧的分母（denomination）的电路，并且输出约束最小功率P_min的倒数，该倒数为所述内积的结果。所计算的P_min的倒数可直接被传送到CPU。在许多情况下，通过对电功率值执行LOG转换来使用回波图像的密度值，因此，根据本实施例，后一级中的LOG转换电路66a对所计算的功率值的倒数执行LOG转换，并且相应地将结果传送到CPU。该倒数的LOG转换值在数学上与其符号相反的转换值相同，因此，该过程不产生任何问题。

关于用于QR分解的具体计算过程，许多数值计算算法（包括高斯消去法和吉文斯旋转）是已知的，并且在技术上可使用数字电路来 实现该计算过程。同样地关于后退代入处理，可根据表达式(13)的计算过程来设计数字电路。因此，约束最小功率计算可用数字电路来实现。

图8是描绘用于将QR分解电路62a实现为相对紧凑的电路的具体配置的示图。关于QR分解处理，重复擦除左下矩阵元素之一中的“0”的过程，以便在上述高斯消去法或吉文斯旋转中清除所有的左下元素中的“0”。因此，清除一个元素中的“0”的计算过程或者当以上计算过程分解成较小的基本计算步骤时的一个计算过程被实现为QR分解基本计算电路，并且在切换输入数据的同时按微程序格式重复地执行。从而，QR分解计算电路可被实现为相对紧凑的电路。

图8中的QR分解电路62a是基于该概念的实施例。在图8中，QR分解基本计算电路70a执行基本计算。QR分解基本计算电路70a重复输入存储在输入存储电路23a中的相关矩阵A的元素和存储在中间存储电路71a中的中间结果，并且将计算结果输出回中间存储电路71a或系数存储电路63a。图8中的下部是用于控制该计算过程的微程序部分。每次微程序计数器72a增加，就从微程序存储器73a将其地址是微程序计数器72a的值的微程序代码读取到命令寄存器74a。基于命令寄存器74a的内容，控制每个存储电路的操作定时和地址以及QR分解基本计算电路70a的计算功能。

在具有这种配置的电路中，如果每当从前一级输入新的相关矩阵数据，就从初始值开始微程序计数器72a，则能按预先确定的间隔执行QR分解计算处理。

图9是描绘后退代入计算电路64a的另一种具体配置的示图。通过提取表达式(13)的基本计算函数并且将这些函数实现为后退代入基本计算电路75a，后退代入计算电路64a可使用与QR分解计算电路62a完全相同的控制电路方法来实现。通过将需要大量计算的QR分解计算电路和后退代入计算电路构建为由像这样的微程序控制的计算电路，整个装置的电路规模的大小可缩小到商业上可行的规模。

【例子2】

在该例子中，将描述将图8中的QR分解基本计算电路70a构建为适用于高速计算的流水线型计算电路的情况。图10是描绘该QR分解基本计算电路70a的示图。流水线型电路由寄存器81a1,81a2,81a3，...,81an阵列串联和计算电路82a1,82a2,82a3，...,82an组成。设置在输入寄存器81a中的数据根据基本时钟顺序地移位到后面的寄存器81a2,81a3，...。在每次移位时，通过计算电路82a1,82a2,82a3，...,82an逐步地对移位的数据执行计算处理，并且当处理达到最后级中的寄存器81an时，输入数据被转换为最终结果。

如果使用具有这种配置的电路，则可在每个时钟设置不同的输入数据，因此，尽管到达最终结果花费时间，但是能以1次计算/时钟的高速执行复杂的计算处理。

为了根据吉文斯旋转算法设计QR分解电路，必须高速处理许多向量旋转计算。向量旋转计算通常是涉及平方根和乘法的复杂计算。因此，如果使用通称为CORDIC算法的算法，则该向量旋转计算可通过重复由移位操作和加法/减法组成的简单的整数型计算来执行，并且可容易地使用上述流水线型电路来实现。结果，如果由流水线型电路实现的CORDIC算法用作QR分解处理的基本电路，则可容易实现速度提高和电路大小缩小这二者。

然而，在流水线型电路的情况下，获得一个输入数据的计算结果要花费n个时钟。因此，在计算结果用于下一个步骤中的计算的QR分解处理和后退代入处理的情况下，下一个计算数据的输入延迟，并且计算效率降低。为了避免该问题，在图10中的例子中，对于多个相关矩阵A[1]、A[2]和A[3]的计算在一个流水线型处理电路70a中并行执行。

换句话讲，当计算相关矩阵A[1]、A[2]和A[3]时，在流水线计算电路的输入寄存器81a1中按优先级设置准备好的计算数据，于是可改进流水线计算电路的运算率。如果适当地选择要被并行计算的相关矩阵的数量，则流水线计算电路可被构建为平均在大约1个时钟时间内执行基本计算，因此，可使用这种电路类型来实现尺寸更小、速度也 更快的电路。

例如，当相关矩阵A的大小为6*6时，QR分解所要求的向量旋转计算的次数大约为90次。如上所述，如果向量旋转计算使用基于CORDIC算法的流水线型电路来实现，则净计算时间为90个时钟。然而，因为一个计算结果用于下一次计算，所以产生队列，并且实际计算时间大大地增大到大约800个时钟。在这种情况下，流水线电路的运算率为大约11%，这是非常低的。如果并行计算8个相关矩阵，则流水线电路的运算率改进到大约86%，并且8个相关矩阵的QR分解所要求的处理时间可在大约960个时钟内。

即使使用作为简化的LSI的FPGA，CORDIC算法的基本电路（其为由移位和整数型加法/减法组成的简单电路）也可用200Mhz或更快的基本时钟来驱动。在以200MHz驱动基本电路的情况下，为了实现声波回波图像处理所要求的5MHz或更快的计算周期，如果用于一个相关矩阵的计算时间保持在40个时钟内，则是足够的。根据上述电路配置，一个相关矩阵所要求的QR分解时间是120个时钟，因此如果设置上述三个电路并且并行驱动这三个电路，则用于一个相关矩阵的QR分解时间可以是40个时钟，并且可实现5MHz或更快的计算周期。

如果相关矩阵A的大小为8*8，则所要求的计算量大约为6*6矩阵的情况的计算量的两倍，那么如果设置上述电路中的六个，则可实现5MHz或更快的计算周期。该水平的电路规模可易于封装在一个FPGA中，并且如上所述，可实现尺寸更小、速度更快的电路。

该电路***还可以以相同的方式应用于后退代入基本计算电路。换句话讲，后退代入基本计算电路被实现为流水线型电路***，并且并行地对多个矩阵执行后退代入处理，于是也可在后退代入计算电路中现更小的尺寸和更快的速度这二者。如上所述，如果QR分解处理和后退代入处理中的至少一个用流水线***来计算，则处理速度可以更快。

图11是描绘基于上述概念的存储电路23a和约束电功率计算电路24a的另一种配置的示图。在存储电路23a中，存储多个相关矩阵91a1, 91a2，...，并且在一个QR分解计算电路62a中并行执行对所存储的多个相关矩阵的计算。计算结果作为系数矩阵92a1,92a2，...存储在系数存储电路63a中，并且后退代入计算电路64a并行地对多个系数矩阵92a1,92a2，...执行后退代入计算。

图12是描绘使用图11中所示的存储电路和约束电功率计算电路的声波成像装置的配置的示图。在图12中，23a,23b，...是分别存储多个相关矩阵的存储电路。62a,62b,...是分别对存储在存储电路23a,23b，...中的多个相关矩阵并行地执行QR分解的QR分解电路。93是分配顺序地从每个QR分解电路输出的系数矩阵并将这些系数矩阵存储到系数存储电路63a,63b，...中的分配电路。64a,64b...是分别对存储在系数存储电路63a,63b，...中的多个系数矩阵并行地执行后退代入计算的后退代入计算电路。65a是积和计算电路，其计算顺序地从后退代入计算电路输出的联立线性方程的解向量Y与预先确定的约束向量的内积。66a是对积和计算电路的输出执行LOG转换、将结果传送到CPU的LOG转换电路。

通过使用上述配置，约束电功率计算电路可选择将对每个计算步骤并行执行的计算的最佳数量。这里关键的是，并行地计算多个矩阵，以使得用于一个矩阵的有效的约束电功率计算时间变为相关矩阵产生周期或更短，由此几乎在与声波回波信号接收相同的时间产生基于CMP方法的回波图像信号。只要满足该条件，各种电路配置就是可能的。通过具有这样的配置的每个计算电路，能以商业上可行的电路规模来实现所述装置。

【例子3】

在本例子中，将描述其约束电功率计算电路具有与以上例子的配置不同的配置的声波成像装置。图13是描绘该例子的约束电功率计算电路的配置的示图。如上所述，约束最小功率计算可分为QR分解、后退代入、积和计算、以及LOG转换，并且由QR分解、后退代入、乘积和计算、以及LOG转换构成。在像这样分离的每个电路之中，QR分解需要最大的计算量，后退代入计算电路需要第二大的计算量， 积和计算以及LOG转换电路需要相对小的计算量。因此，为了减少电路的总数量，CPU在计算量小的后级中共享计算。

图13A显示CPU仅共享LOG转换处理66a的例子，图13B显示CPU共享积和计算65a以及LOG转换66a的例子，图13C显示CPU共享后退代入64a和后级中的所有计算的例子。在这些例子中，CPU共享约束最小功率计算的一部分，但是约束最小功率计算的大部分计算量是QR分解计算62a的计算量。为了高速执行QR分解计算62a，重要的是如本发明所公开的那样并行地计算多个相关矩阵。如果其计算量小的处理的一部分由CPU中的软件处理执行，则电路资源可被分配给其计算量大的处理，并且可提高处理速度。

【例子4】

在该例子中，将描述当约束最小功率的计算过程不同于以上例子的情况。图14显示下述装置的例子，该装置不直接通过表达式(8)计算约束最小功率，而是首先使用表达式(7)计算最佳权重向量W_min，然后将约束最小功率计算为所计算的权重向量W_min与输入信号向量X的内积。在这种情况下，因为约束功率计算电路24a,24b，...计算最佳权重向量W_min与复输入信号的内积，所以从复信号获取电路21输出的复输入信号94被输入到每个约束电功率计算电路。

图15是描绘该例子的约束电功率计算电路24a的具体配置的示图。在图15中，后退代入计算电路64a输出联立线性方程(9)的解Y，并且由表达式(14)给出。

【数学式14】

Y＝A^-1C    …(14)

因此，如果积和计算电路96a可如图15所示那样计算其时间已被延迟电路95a调整的复输入信号(X)94与Y的内积，则可计算表达式(15)的分子，表达式(15)是计算约束最小功率的表达式。

【数学式15】

$X^H{W}_{\min }=\frac{X^H{A}^{-1}C}{C^H{A}^{-1}C}\·\·\·\left(15\right)$

因为表达式(15)的分母由积和计算电路65a计算，所以表达式(15)的约束最小功率的LOG转换值可通过下述方式来计算，即，LOG转换电路97a和66a分别对分子和分母执行LOG转换，并且差值电路98a确定各个结果的差值。通过该操作，能以比计算相关矩阵的周期快的周期计算每个定时的约束最小功率，结果，可改进输出回波图像的分辨率。

【例子5】

在该例子中，将描述其将接收的声波是光声波的声波成像装置的情况。图16是其中CMP方法应用于光声信号的处理的光声成像装置的例子。在图16中，光源101基于来自CPU的指令将电磁波辐射到物体中。物体中所存在的每种检查目标物质吸收辐射的电磁波，并且同时通过热膨胀产生光声波。声波接收元件组106将到达的声波转换为电信号，并且通过选择电路105将这些电信号发送到相位对准延迟电路8。

这里，如果任意的扫描线104被定义在物体内部，并且仅在扫描线104上产生的光声波被聚焦，则要被声波接收元件组106接收的光声波102的产生位置P随时间流逝而从扫描线104上的近位置移动到远位置。因此，如果根据接收时间适当地改变相位对准延迟电路8中的延迟时间，则相位对准延迟电路8可将在一条扫描线104上的所有点处产生的光声波信号作为相位对准的信号输出。

这些信号与通过对通过在扫描线104方向上发送声波束而获得的回波信号执行相位对准延迟操作而产生的信号完全相同，因此，可使用图16中的与接收回波信号的情况下的电路配置完全相同的电路配置来基于CMP方法计算光声信号强度波形。结果，可在移动扫描线的位置的同时通过重复电磁波的辐射和光声波的接收来产生物体内部的整个表面的光声图像。

还可如图16所示那样设置用于存储接收信号的存储电路103，以使得第一次电磁波辐射的接收信号被存储在存储电路103中，并且从存储电路103读取的信号被用作第二次或后来的电磁波辐射的接收信号。通过这种配置，因为只要光源101和声波接收元件组106的位置没有改变，每次就使用相同的接收信号，所以可大大地减少电磁波辐射的次数，结果，可实现高效率的装置。

本发明是基于下述假设，即计算由表达式(1)至表达式(8)定义的约束最小功率值，但是可执行完全相同的计算，例如通过对n个数量的接收信号执行线性转换，并且将这些信号用作新近接收的信号。根据本发明，即使对接收的信号执行各种修改，也可使用表达式(16)的形式或者不影响计算结果的类似形式来将功率P定义为基于厄米（Hermitian）矩阵A的二次形式。

【数学式16】

P＝W^HAW    …(16)

本发明可完全相同地应用于确定在表达式(6)给出的约束下使由表达式(16)给出的电功率最小的解的任何问题。

虽然已参照示例性实施例描述了本发明，但是要理解本发明不限于所公开的示例性实施例。所附权利要求的范围应被赋予最宽泛的解释，以涵盖所有这样的修改以及等同的结构和功能。

本申请要求2010年4月12日提交的日本专利申请No.2010-091290的权益，其全部内容在此通过引用被并入。

Claims (9)

1.一种声波成像装置，包括：

多个声波接收元件，每个声波接收元件接收从物体发射的声波，并且将所述声波转换为接收信号；

相位对准单元，其使从所述多个声波接收元件获得的多个接收信号的相位对准；

复信号获取单元，其从通过所述相位对准单元获得的相位对准的接收信号产生复信号，并且获取多个复信号；

相关矩阵计算单元，其计算所述多个复信号的相关矩阵；

多个存储电路；和

电功率计算单元，其使用所述相关矩阵和预先确定的约束向量来计算所述接收信号的约束最小功率值，

其中，

所述相关矩阵计算单元以预先确定的周期计算所述相关矩阵，并且顺序地将所计算的相关矩阵输出到所述多个存储电路，并且

所述电功率计算单元包含多个电功率计算电路，其中所述多个电功率计算电路分别对应于所述多个存储电路，并且每对存储电路和电功率计算电路被并行地布置，

所述电功率计算电路通过使用从相关矩阵计算单元输入到相应的存储电路的相关矩阵来计算约束最小功率值，并且在下一个相关矩阵被输入到同一相应的存储电路的同时输出结果。

2.根据权利要求1所述的声波成像装置，其中，

N＞＝Tp/Tm成立，

其中，Tm是计算所述相关矩阵的相关矩阵计算单元的周期，Tp是从当所述电功率计算单元接收所述相关矩阵的输入时到当所述电功率计算单元计算约束最小功率值并且输出该功率值时的时间，N是所述电功率计算单元并行计算的多个约束最小功率值的数量。

3.根据权利要求1所述的声波成像装置，

其中，所述相关矩阵计算单元以5MHz或更快的周期计算所述相关矩阵。

4.根据权利要求1所述的声波成像装置，

其中，当计算所述约束最小功率值时，所述电功率计算单元执行QR分解处理和后退代入处理。

5.根据权利要求4所述的声波成像装置，

其中，所述电功率计算单元通过数字电路至少执行所述QR分解处理。

6.根据权利要求4所述的声波成像装置，

其中，所述电功率计算单元通过流水线型电路执行所述QR分解处理和所述后退代入处理中的至少一个。

7.根据权利要求1所述的声波成像装置，其中，

所述电功率计算单元基于所述相关矩阵和预先确定的约束向量来确定分别应用于所述多个复信号的权重向量，并且计算所述接收信号的约束最小功率值。

8.根据权利要求1至7中的任一项所述的声波成像装置，

其中，所述声波是通过所述声波接收元件发送的声波，并且在所述物体内部被反射。

9.根据权利要求1至7中的任一项所述的声波成像装置，

其中，所述声波是当所述物体吸收从光源辐射的光时所产生的光声波。