CN107613877A - 用于通过脉冲响应估计和回溯采集进行编码激励成像的方法和*** - Google Patents

用于通过脉冲响应估计和回溯采集进行编码激励成像的方法和*** Download PDF

Info

Publication number
CN107613877A
CN107613877A CN201680030608.6A CN201680030608A CN107613877A CN 107613877 A CN107613877 A CN 107613877A CN 201680030608 A CN201680030608 A CN 201680030608A CN 107613877 A CN107613877 A CN 107613877A
Authority
CN
China
Prior art keywords
collection
impulse response
doppler
estimation
miso
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680030608.6A
Other languages
English (en)
Other versions
CN107613877B (zh
Inventor
约翰·A·弗林
劳伦·S·弗路格拉斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Micro Acoustic Acoustics Co
Verasonics Inc
Original Assignee
Micro Acoustic Acoustics Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Micro Acoustic Acoustics Co filed Critical Micro Acoustic Acoustics Co
Publication of CN107613877A publication Critical patent/CN107613877A/zh
Application granted granted Critical
Publication of CN107613877B publication Critical patent/CN107613877B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52085—Details related to the ultrasound signal acquisition, e.g. scan sequences
    • G01S7/5209—Details related to the ultrasound signal acquisition, e.g. scan sequences using multibeam transmission
    • G01S7/52093—Details related to the ultrasound signal acquisition, e.g. scan sequences using multibeam transmission using coded signals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B06—GENERATING OR TRANSMITTING MECHANICAL VIBRATIONS IN GENERAL
    • B06B—METHODS OR APPARATUS FOR GENERATING OR TRANSMITTING MECHANICAL VIBRATIONS OF INFRASONIC, SONIC, OR ULTRASONIC FREQUENCY, e.g. FOR PERFORMING MECHANICAL WORK IN GENERAL
    • B06B1/00—Methods or apparatus for generating mechanical vibrations of infrasonic, sonic, or ultrasonic frequency
    • B06B1/02—Methods or apparatus for generating mechanical vibrations of infrasonic, sonic, or ultrasonic frequency making use of electrical energy
    • B06B1/0207—Driving circuits
    • B06B1/0215—Driving circuits for generating pulses, e.g. bursts of oscillations, envelopes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/13—Tomography
    • A61B8/14—Echo-tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A61B8/4483—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device characterised by features of the ultrasound transducer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8909—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration
    • G01S15/8915—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array
    • G01S15/8927—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using a static transducer configuration using a transducer array using simultaneously or sequentially two or more subarrays or subapertures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8959—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using coded signals for correlation purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8979—Combined Doppler and pulse-echo imaging systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/89—Sonar systems specially adapted for specific applications for mapping or imaging
    • G01S15/8906—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques
    • G01S15/8997—Short-range imaging systems; Acoustic microscope systems using pulse-echo techniques using synthetic aperture techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52019—Details of transmitters
    • G01S7/5202—Details of transmitters for pulse systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52077—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging with means for elimination of unwanted signals, e.g. noise or interference
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
    • G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
    • G10K11/18—Methods or devices for transmitting, conducting or directing sound
    • G10K11/26—Sound-focusing or directing, e.g. scanning
    • G10K11/34—Sound-focusing or directing, e.g. scanning using electrical steering of transducer arrays, e.g. beam steering
    • G10K11/341—Circuits therefor
    • G10K11/346—Circuits therefor using phase variation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B06—GENERATING OR TRANSMITTING MECHANICAL VIBRATIONS IN GENERAL
    • B06B—METHODS OR APPARATUS FOR GENERATING OR TRANSMITTING MECHANICAL VIBRATIONS OF INFRASONIC, SONIC, OR ULTRASONIC FREQUENCY, e.g. FOR PERFORMING MECHANICAL WORK IN GENERAL
    • B06B2201/00—Indexing scheme associated with B06B1/0207 for details covered by B06B1/0207 but not provided for in any of its subgroups
    • B06B2201/70—Specific application
    • B06B2201/76—Medical, dental
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52017—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 particularly adapted to short-range imaging
    • G01S7/52046—Techniques for image enhancement involving transmitter or receiver
    • G01S7/52047—Techniques for image enhancement involving transmitter or receiver for elimination of side lobes or of grating lobes; for increasing resolving power

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Acoustics & Sound (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Mechanical Engineering (AREA)
  • Hematology (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Gynecology & Obstetrics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

一种方法包括在多个帧期间在多个元件上同时发送编码波形，根据代码构建第一多输入单输出(MISO)***以对发射‑接收路径进行建模，通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集，并且向与第一个MISO***类似地但是使用便于波束成形的脉冲构建的第二个MISO***应用估计，所述脉冲具有用于理想聚焦重构的聚焦的单周期脉冲集的形式。

Description

用于通过脉冲响应估计和回溯采集进行编码激励成像的方法 和***
相关申请的交叉引用
本申请根据35U.S.C.§119(e)要求于2015年4月1日提交的美国临时申请No.62/141，749的优先权，其全部内容以引用的方式并入本文中。
技术领域
本公开涉及用于在各种保真度准则下将任意波形编码为适合于控制三态RF超声发射机的序列的方法，并涉及相关***。
背景技术
编码脉冲激励为设计具有大时间带宽积的波形提供了机会，这是在保持相干成像的分辨率的同时改善信号渗透的手段。然而，随着超声成像特有的分布式散射，脉冲压缩旁瓣引起的杂波以及跨信道相关性导致对比度分辨率降低。
发明内容
本公开涉及执行用于编码激励成像的两步法的***和过程，第一步估计介质的脉冲响应(IR)，然后通过经由IR集进行回溯传输，来对用于波束成形的虚拟波前进行合成。
在步骤1中，在多个帧期间在多个元件上同时发送编码波形。多输入单输出(MISO)***是由代码构建的，以对发射-接收路径进行建模。通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集。在步骤2中，向与第一MISO***类似地但是使用便于波束成形的脉冲(例如，用于理想聚焦重构的聚焦的单周期脉冲集)构建的第二MISO***应用估计。因此，在声学时间预算下，探测序列可以被最佳地设计用于IR表征，而回溯采集在声学时间之外被合成。
该方法的实现方式表明在典型的成像***的约束和假设下，这种方法提供了实现波束形成像素的最佳无偏估计的框架。通过使用研究超声波平台，方法I在体模上并且在体内被论证。
根据本公开的一个方面，提供了一种方法，包括：在多个帧期间在多个元件上同时发送编码波形；根据代码来构建第一多输入单输出(MISO)***以对发射-接收路径进行建模；通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的脉冲响应(IR)集；以及向与所述第一MISO***类似地但是使用被配置为进行波束成形的脉冲构建的第二MISO***应用估计，所述脉冲具有用于聚焦重构的聚焦的单周期脉冲集的形式。
根据本公开的另一方面，提供了一种方法，包括：通过编码激励重构(CER)进行超声成像，包括：使用在多个采集事件的时间序列上同时从多个换能器元件或孔径发射的编码激励传输，在换能器元件上以估计多输入单输出(MISO)脉冲响应声学模型集的方式对随后接收的RF超声数据进行处理，针对每个发射-接收换能器信道对一个多输入单输出(MISO)脉冲响应声学模型；并且随后采用第二步骤，该步骤包括通过重复激励MISO模型来虚拟地采集虚拟RF数据作为存在的成像介质的替代，并且随后使用虚拟RF数据进行波束成形或图像重构以产生影像。
根据本公开的另一方面，提供了一种方法，包括：通过编码激励重构(CER)进行超声成像，还包括：使用本文的描述的超声成像方法的替代形式包括：使用编码激励传输在时间序列上同时从多个换能器元件向介质发射声信号；响应于所述发射而在多个换能器元件处接收回声信号；以估计多输入单输出(MISO)脉冲响应声学模型集的方式对所接收的回声信号进行处理，其中针对每个换能器元件处的每个发射-接收对一个多输入单输出(MISO)脉冲响应声学模型；通过重复地激励MISO模型来采集虚拟数据作为存在的成像介质的替代，以及使用虚拟数据进行图像重构，以在显示设备上产生可视图像。
根据本公开的另一方面，公开了一种用于超声组织运动成像的方法，包括：使用编码激励传输在时间序列上同时从多个换能器元件向介质发射声信号；响应于所述发射而在所述多个换能器元件处接收回声信号；对所接收的回声信号进行处理，包括：估计多输入单输出(MISO)脉冲响应声学模型集，其中针对每个换能器元件处的每个发射-接收对一个输入单输出(MISO)脉冲响应声学模型，并且保留拟合与所使用的数据相符的误差残差的相应估计，使得静止组织信号在拟合的残差中被抑制，同时所关注的血流或运动引起的多普勒信号在拟合的残差中被保留；以及对所述残差数据进行处理，以产生血流或移动组织影像。
根据本公开的另一方面，提供了一种***，包括：用于在多个帧期间在多个元件上同时发送编码波形的装置；用于根据代码来构建第一多输入单输出(MISO)***以对发射-接收路径进行建模的装置；用于通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集的装置；以及用于向与所述第一MISO***类似地但是使用被配置为进行波束成形的脉冲构建的第二MISO***应用估计的装置，所述脉冲具有用于聚焦重构的聚焦的单周期脉冲集的形式。
附图说明
本公开的前述和其他特征和优点将更容易理解，这是因为从以下结合附图的详细描述将更好地理解本公开的前述和其他特征和优点，在附图中：
图1是根据本公开形成的超声成像***的第一实施例；
图2是根据本公开形成的编码激励重构架构的图示；
图3是根据本公开的重构像素(顶部)和脉冲响应滞后(底部)之间的示意性关系；
图4是根据本公开的用于全卷积脉冲响应的Toeplitz矩阵算子的示意形式和稀疏结构；
图5是本公开的混合效应模型中用于卷积的矩阵算子的稀疏结构和划分的示意形式；
图6是用于单个采集的脉冲堆叠(高多普勒)模型的卷积算子稀疏结构的示意图；以及
图7是根据本公开的高多普勒模型(两个采集间隔)的稀疏结构的示意图；
图8示出了脉冲响应中观测到的多普勒上的运动效果的几何结构和定义；
图9是稀疏发射元件配置的示意图；
图10是具有扩展元件的稀疏发射孔径的示意图；
图11是具有虚拟顶点源位置的稀疏发射孔径的示意图；
图12是移动目标的编码激励脉冲响应估计(低流STR算法)的模拟示例的屏幕截图；
图13是用于静止组织排斥和血流成像的CER算法的架构的图示；
图14示出了用于同时波前合成的虚拟源位置；
图15示出了基于CER的向量运动成像的步骤的步骤；
图16示出了回溯传输期间任意波形合成的换能器补偿示例应用；
图17示出了具有2-D阵列的CER 3-D成像的稀疏发射孔径示例配置；
图18是使用Philips L7-4换能器在体内的CER颈动脉成像示例；
图19是假设的均匀和非均匀脉冲堆叠模型的估计精度比较；以及
图20是非均匀脉冲堆叠方法及其消隐间隔的未对准的示意图。
具体实施方式
在以下描述中，阐述了某些具体细节以便提供对各种公开实施例的透彻理解。然而，相关领域的技术人员将认识到，可以在没有这些具体细节中的一个或多个的情况下、或者利用其他方法、组件、材料等来执行实施例。在其他实例中，与本文讨论的超声成像相关联的公知的结构或组件或这两者没有被示出或描述以避免不必要地模糊实施例的描述。
除非上下文另有要求，否则在随后的整个说明书和权利要求书中，词语“包括”及其变形(例如“包含”和“含有”)应被解释为开放性的包含意思，即“包括，但不限于”。前述说明同样适用于词语“包含有”和“具有”。
贯穿本说明书对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性被包括在至少一个实施例中。因此，在整个说明书中各处出现的短语“在一个实施例中”或“在实施例中”并不一定都指相同的实施例。此外，特定特征、结构或特性可以以任何合适的方式组合在一个或多个实施例中。
1、引言
如上所述，编码脉冲激励提供了一种在维持相干成像的分辨率的同时改善信号渗透的手段。然而，随着超声成像特有的分布式散射，匹配滤波器脉冲压缩旁瓣引起的杂波减小了对比度分辨率。本公开通过两步法来解决这个问题，该两步法首先估计介质的脉冲响应(IR)，然后通过经由IR集进行回溯传输，对用于波束成形的虚拟波前进行合成。
在步骤1中，在多个帧期间在多个元件上同时传输编码波形。多输入单输出(MISO)***是根据这些代码构建的，以对发射-接收路径进行建模。通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集。在步骤2中，向与第一MISO***类似地但是利用便于波束成形的脉冲(例如用于理想聚焦重构的聚焦单周期脉冲集)构建的第二MISO***应用估计。因此，在声学时间预算下，探测序列可以被最佳地设计用于IR表征，而回溯采集在声学时间之外被合成。在典型的成像***约束和假设下，这种方法提供了实现波束成形像素的最佳无偏估计的框架。
线性模型理论表明，可以如何以远端滞后处的噪声为代价以期望的中心滞后控制IR估计的精确度。另外，IR估计模型的条件不好，而伪逆解会导致IR估计偏差。然而，通过将第二MISO***上的波束成形操作解释为IR估计的函数，可估计函数的理论提供了所得像素仍然无偏的条件。因此，除了特定的介质之外，对固有的像素偏差进行表征以用于设计。
所公开的两步法具有以下优点：(1)将旁瓣设计问题与信号渗透问题解耦；(2)允许任意波形的回溯传输，而不需要适应有限传输电压电平的编码技术(例如[20])；(3)允许在帧速率、主瓣分辨率和对比度分辨率与灵敏度之间灵活且逐渐的折中。
计算：描述了在计算资源和应用需求之间有明显折中的三种实现方法。
以前的工作：对应用于海洋声学遥测的基于BPSK的信道脉冲响应估计和回溯传输进行评估以预测在观测的声学环境的具体实现中的调制方案性能。这种方法被一般化到多个同时且独立的发射信道的情况。
II、描述
所公开的方法和过程在超声数据收发机采集和成像***的背景下是有意义的，其目的是从超声介质生成影像。图1示出了这种***的架构的一个实现的示意图。参照表1以获得关于关键变量和术语的定义。
使用两步过程来促进其后续作为合成孔径理想聚焦(SAIF)波束成形器的像素的最佳估计的动机；然而，为了实现的目的，该过程可以被合并为对接收的RF数据的一步过滤。这两个步骤是(1)估计存在的声学介质的脉冲响应表征，以及(2)通过所得介质模型回溯地发送虚拟波前集并执行SAIF成像波束成形器。图2中示出了实现本公开的方法的过程的概述。
算法的第一步估计每个发射信道和每个接收信道之间的脉冲响应集。该步骤的采集过程在所有的阵列发射元件上同时发送编码序列集。这在多个脉冲重复间隔期间重复，从而形成集合，其中在每个脉冲重复间隔期间使用唯一的编码序列。这些代码由用于相移键控(BPSK)(即，适合于换能器的单周期波形的调制)的二进制符号组成，其中符号率选择作为换能器额定中心频率。
注意，根据发射代码对脉冲响应向量集的维度编写索引的术语“发射信道”可以包括发射子阵列的概念。子阵列通过单个公共脉冲发生器序列(即发射代码)激励。为了有用，在步骤2中，该一般化需要波束成形器，该波束成形器被设计为利用子阵列几何结构。
在第二步中，采用由脉冲响应集定义的介质表征来模拟成像序列的虚拟发送和接收。然后，由适当的波束成形算法对所得的回溯采集进行处理。在我们的示例中，传输被实现为由分数延迟滤波器移位的克罗内克符号，以实现当与脉冲响应估计卷积时在所关注的像素处的聚焦。针对成像区域或视场中的所有像素重复回溯采集和波束成形过程。
词汇表
表1关键术语的词汇表
符号 含义
FC 发射中心RF频率
k PRI
l 脉冲响应滞后(延迟)索引
m 发射信道
n 接收信道
t 快时间RF样本
NC 发射代码长度
r RF采集测量
h ***-声学介质脉冲响应
X 发射信号卷积模型
cov() 协方差
E() 统计预期
BPSK 二进制相移键控
DAC 数模转换器
DF 动态聚焦
DFT 离散傅里叶变换
FET 场效应晶体管
FIR 有限脉冲响应(滤波器或模型)
符号 含义
IR 脉冲响应
MISO 多输入单输出
PPM 脉冲位置调制
PRF 脉冲重复频率
PRI 脉冲重复间隔
PW 平面波
RF 射频
SAIF 合成孔径理想聚焦
SEPIC 单端初级电感转换器
STR 静止组织排斥
A、代码结构和生成方法
在发送事件期间在阵列元件上发送的代码被生成为{+1，-1}中的等概率符号的伯努利序列。采用这种方法作为开发许多长的线性无关的代码实现的方便方法，实际上所述代码实现产生Toeplitz结构化的卷积模型矩阵，其秩足够高以便于脉冲响应估计。一旦生成了所实现的代码，所实现的代码就被视为确定性的，这是因为它们是已知的。代码符号是来自伪随机数发生器的实现，并且是跨发送元件、发送周期(快时间)和PRF(慢时间)的i.i.d.，使得可以试探性地论证空间-时间-频率分集是以高概率实现的。认为这意味着考虑到集合中的足够数量的脉冲间隔的情况下，得到(后续产生)良好的条件下的卷积模型矩阵。
二进制码传输符号序列中的每个代码符号对原型脉冲形状进行调制，在最简单的情况下，该原型脉冲形状是单周期方波，其时段与换能器中心频率相对应。其他原型脉冲形状通过明显的扩展而适用。在针对128元素线性阵列的典型成像示例中，每个突发包含48个周期，因此针对每个发射信道包含48个二进制符号。代码符号值例如，代码符号值可以在集合{+1，-1}中，而原型脉冲在操作在V伏特的发射机硬件中在三态脉冲发生器电路的情况下由值[+V，0，-V]来实现，或在多电平发射机中或者在由数模转换器(DAC)驱动的线性发射放大器的情况下由更多的电压电平来实现。当代码值限于集合{+1，-1}时，这种线性调制在通信文献中被称为BPSK信令。
通过简单地将所得的模型矩阵中的值一般化为调制符号值，具有多于两个级别的线性调制代码巧妙地用于所公开的方法。
也可以通过在上采样符号时段内为模型矩阵中定义的非零元素选择原型脉冲的不同时间偏移，将脉冲位置调制(PPM)代码构建到模型中。
B、信号模型和定义
贯穿整个开发而使用离散时间索引。假设调制、发射机、介质和接收机是线性和移不变的，并且接收的信号被等方差的加性零均值白噪声样本破坏。移不变的假设意味着在整体时间期间忽略介质运动(这将是后续放松的限制)。然后，经过适当的频带限制，由于在第k个PRI处在信道m上发送的信号xmk(t)，因此在离散时间样本t处在信道n上接收的信号rmnk的确定性部分是
E[rmnk(t)]＝hmn(t)*xmk(t) (1.1)
其中*算子表示卷积，E[]表示统计预期。然后，通过省略时间索引，以下离散时间组合脉冲响应描述对于发射信道m和接收信道n成立：
其中实现的发射机脉冲w(t)具有持续时间P＝l/Fc的形状，阵列元件的发射和接收定向脉冲响应分别为和并且发射元件m和接收元件n之间的声学介质脉冲响应为。为了本文的目的，(1.2)中的单个分量不需要被明确地求解，并且针对给定的(m，n)对，整个卷积被组合成总计hmn(t)。
为了使卷积模型hmn将以符号率指定的代码符号序列smk(t)映射到以其倍数采样的接收机数据，使用插值内核将发送的信号定义为零填充插值的代码符号序列
这有效地产生了后续定义的卷积模型中的插值脉冲响应估计。备选地，算法的一些扩展可能需要低通插值内核，其将代码值复制到相邻的插值样本(而不是零填充)中，或者通过正交插值内核[1，i，-1，-i]来将原始代码样本调制为正交的。
贯穿整个陈述，调制符号率等于FC，并且过采样率Rus＝4。
基本模型(确定性散射)在如上定义了插值模型之后，现在根据单发射信道卷积模型(1.1)得到了测量的矩阵向量形式的预期
E(rmnk)＝Xmkhmn (1.4)
其中
并且其中
具有Toeplitz结构，并且Xmk的维度为[Tx(T+Lx-1)]，其中Lx＝RUSNC。注意，接收的数据rn中的Nb个样本已经被删除，而没有损失(1.1)或(1.4)的有效性，以说明传输时间期间的接收机消隐的原因，或者进一步将处理限制于所关注的适当深的区域处的数据。这种删除意味着Toeplitz结构化的卷积矩阵Xm的相应行同样被删除，并且同样地，Xm的零前导列被删除，使得不对向量hmn的相应前导元素建模。在多个(M个)信道上同时发射代码序列的情况下，在接收机信道n处用于收集集合中的K个PRI的总预期信号是
E(rn)＝Xh (1.8)
其中用于同时传输的***模型和联合MISO脉冲响应h分别是
并且
其中
C、脉冲响应估计
为了求解与第j个接收信道相关联的脉冲响应的集合，线性统计模型的理论[8]将所陈述的假设的两种情况进行了区分：(满秩)高斯-马尔科夫模型和非满秩的高斯-马尔科夫模型。
在满秩的情况下，KT＞ML是必要的，但是不是充分的)。这个条件的断言取决于集合中的发射信道和PRI的数量、以及使用的具体代码及其长度。众所周知的最小二乘解是由最佳线性无偏估计准则得出的，使得残差平方和(RSS)
RSS＝||rn-Xhn||2 (1.12)
在hn上被最小化，从而导致标准方程
X′Xh＝X′r (1.13)
具有Moore-Penrose伪逆方面的解
其中
X+＝(X′X)-1x′ (1.15)
在非满秩的情况下，产生了非唯一的解，从而导致伪逆的替代形式和对h的有偏估计：
X+＝X(X′X)-1 (1.16)
虽然在这两种情况下伪逆都会给出唯一的解h，但是实际上选择通过用惩罚估计h中的能量的项来增广正规方程以简单形式的Tikhonov正则化方法来对非满秩的情况进行正则化。这导致增广的测量和***模型
(1.12)中的估计问题的解是脉冲响应集
表示第m个发射元件和第n个接收元件之间的路径。注意，在这个基本公式化中，估计过程和模型X对于所有n个接收元件是相同的；只有测量数据(以及可能的正则化系数)在不同的接收信道n中是不同的。因此，脉冲响应估计计算和数据存储可以通过接收信道来并行化。
D、回溯传输和成像
脉冲响应集(1.18)用作声学地表征在编码激励发送和接收期间存在的身体组织的结构和状态的模型。因此，IR集H能够在算法的第二阶段进行回溯发送、接收和随后的图像形成。
由于回溯采集是在存在的声学介质的模型上执行的，而不是在由模型表示的实际身体组织上执行的，因此它们不受帧速率的声传播时间限制。此外，通过增加集合中的编码波形的长度和PRI的数量，可预测地减少步骤1中可实现的估计方差(在部分II.F中讨论)。这使得能够在针对算法的估计步骤中要决定的SNR、杂波和帧速率之间的设计折中。因此，这些考虑允许在算法的回溯步骤中的合成孔径理想聚焦传输和重构，同时保持高效帧速率和高SNR。
这里给出了回溯采集和成像的示例，其通过对估计的脉冲响应函数进行操作来实现常规合成孔径理想聚焦(SAIF)波束成形以实现虚拟采集数据；但是注意，该原理适用于广泛的一般成像技术，包括但不限于平面波(PW)成像和动态聚焦(DF)成像。下面的描述开发了像素特定的回溯重构记法，其对脉冲响应估计集的加权的点积求和。其他数学上等价的公式化(例如，FIR滤波描述)与所呈现的描述基本相同；然而，下面的描述允许使用来自线性模型理论的标准技术进行简单的教科书式的噪声性能分析。可以分别通过在估计的脉冲响应H上操作的稀疏阵列A和b来表示第j个按字典排序的图像像素F(j)的回溯采集和成像
或者
其中
矩阵A(j)包含回溯发射信道波形{amj(t)}，长度为La的每个回溯发射信道波形包括在第j个像素散射位置处发送聚焦所必需的延迟。注意，脉冲响应变量在这里被大写，以指示稍后在(1.51)中描述的广义模型中的显式慢时间索引。向量b(j，n)是矩阵B(j)的第n行，并且包含插值权重以执行接收波束成形延迟，从而对来自接收信道n的数据上的第j个像素进行部分重构。A(j)具有块形式，并且具有单个块行，使得
A(j)＝[A1(j)…AM(j)] (1.22)
其中每个元素块A(j)是针对每个发射信道的回溯发射波形的卷积算子。
元素Am(j)对作为估计的脉冲响应hmn的列向量(通过左乘)进行操作，并且符合该列向量。等效地，这些卷积算子通过由针对所关注的发射-接收信道对的估计脉冲响应hmn定义的线性***来对回溯发射波形进行过滤。每个回溯发射波形包含由回溯发送事件的期望焦点设置的相对发射元件间延迟。典型地，波形amj(t)仅仅是根据波束定向的需要由分数延迟滤波器延迟的狄拉克δ函数。然而，后续公开了在回溯传输中利用高复杂度波形的变型应用。
接收波束成形算子b(j，n)对卷积AA(j)Hn的结果进行操作，以对齐来自接收信道[1，...，n，...，N]的回溯采集数据。然后对对齐的数据求和作为像素值。对齐算子，即向量b(j，n)，包括适当地通过零填充定位到大的整数延迟的分数延迟插值符，使得
其中第n个接收信道的波束成形器延迟D(n，j)是分数延迟d(n，j)和整数延迟floor[D(n，j)]之和。在级联中，在被选择为狄拉克δ函数的回溯发射波形的情况下，算子A和b因此简单地在由第j个待构建的像素的发射-接收聚焦点的往返延迟所指示的滞后索引处提取每个发射-接收信道对的脉冲响应的插值的值。
对于第j个像素的回溯发射-接收采集和波束成形重要的延迟参数DT(m，j)和DR(n，j)在图3中被图形化地定义。该图示意性地将换能器元件-像素信号延迟与第n个接收信道脉冲响应估计集Hn中的相应滞后相关。
给定的额定滞后索引l通过l＝FsD与延迟时间D相关。对于非整数滞后(通常是这种情况)，必须使用分数插值滤波器，或者备选地使用适当的过采样方案。在图3中，对脉冲响应估计数据H执行的像素j的回溯SAIF波束成形意味着当映射到A()矩阵时，发射元件m1上的回溯波形需要相对延迟DT(m1，j)。元素m2处的回溯发射波形类似地被映射到A()矩阵。相应地，通过映射到b(n)的适当插值滤波器将由于元素n引起的回溯接收波束成形信号分量的数据延迟DR(nj)。
基本B模式灰阶成像算法的架构如图2所示。
E、执行计算
这里概述了用于执行计算算法的三种方法。两种方法基于预先计算和存储的线性滤波器，而第三种方法基于迭代线性***解算器技术。在这里建议的计算方法中针对每个接收信道独立地执行构成绝大多数所需计算的所提出的算法的脉冲响应估计步骤。这为包括具有多个读信道的存储器在内的多处理器提供了自然分区。在计算***上执行该方法，该计算***尤其利用通常与超声成像设备相关联的微处理器和存储器。
第一种方法利用预先计算的滤波器，它是(1.17)中用于给定的正则化参数选择的增广X矩阵的伪逆的存储版本。在实践中，这个矩阵的分量可以通过将一定数量级以下的元素截断为零来进行压缩存储，其中截断是相对于行的最大值的。这种方法的典型压缩率是10∶1或更好。所得的存储矩阵针对每一个接收信道n独立地被应用于整个接收数据集，从而在每次应用逆矩阵时产生用于接收信道n的所有脉冲响应hn的集合：
其中，原则上，可以通过Moore-Penrose伪逆计算。
滤波器计算方法I
计算的行并因而将其用作滤波器的方法是求解欠定的最小二乘问题
针对l＝[1，..，ML]，其中gl是计算向量hn的参数中的第l个滞后所需的滤波器，并且il表示指示符向量。这里，已经将gl解释为估计hn的函数，所以给出上述求解公式化的方法在高斯-马尔可夫估计理论中是众所周知的[8，部分3.2.2]。
滤波器计算方法II
用于存储预先计算的滤波器的第二种方法是设计系数以使用公式化(1.20)直接计算图像的第j个像素的波束成形的计算的第n个接收信道分量被加数F(j)。此外，将滤波器B(n，j)A(j)解释为估计向量hn的函数，则乘积B(n，j)A(j)hn相当于滤波
gE(r)＝g Xh， (1.28)
使得类似于(1.12)，得到另一个欠定的最小二乘问题，
某些公开的CER架构将回溯波束成形解释为脉冲响应滞后估计的像素特定函数。这样做是为了调用可估计的函数理论，或者为了构建可识别性约束以减少脉冲响应估计的偏差或者以其他方式消除正则化的使用。这些方法的成功将通过减少偏差引起的杂波来改善所得图像的对比度分辨率。在可识别性约束的情况下，可以首先在整个图像的无约束设置中然后通过利用约束校正对估计进行更新来按照每个像素细化依次估计脉冲响应集。
在线求解方法
计算脉冲响应集合hn的第三种方法是使用数值分析文献中可用的迭代线性***求解器技术(LSQR)对该问题执行在线求解。这些算法被设计为利用***矩阵X中的稀疏性和结构。它们的效率取决于存在有效的方法来计算形式Xy和X′z的乘积，其中一般向量y和z分别符合h和r。在本文的情况下，X是稀疏的和块-Toeplitz结构，因此具有用于高效计算和简化规范的手段，作为线性时间不变的滤波器，其中针对每个PRI针对每个发射信道具有Nc个比特的系数。关于应用LSQR以使用适当的预处理技术来估计时变声学脉冲响应模型以及避免明确形成正规方程或协方差矩阵的讨论。
关于执行“离线”计算来评估贯穿本文呈现的技术或执行离线设计任务，应当注意的是，绝大多数指定的矩阵具有高度的稀疏性、或者结构和稀疏性的组合。正因为如此，稀疏线性代数库(例如MatLab等数值计算环境中可用的)可以有效地用于工作站级计算资源。
F、算法的动机和分析
基于在超过了基于动态接收聚焦射线的波束成形所需的帧速率的同时将合成孔径理想聚焦成像的空间分辨率质量与编码激励成像的灵敏度和低MI优势结合的目标描述了该算法的动机。
考虑应用于具有M个元素的阵列的合成孔径理想聚焦延迟相加成像方法，其中每个元素被单独激励。这需要M个采集事件的集合来聚集用于创建图像的整个RF数据集。如果每个元素的激励被解释为调制适合于换能器带宽的原型脉冲形状的克罗内克尔δ函数，则接收数据模型与(1.4)和(1.2)中的接收数据模型相同，其中xmk(t)是在激励代码向量是值为1的单个符号的数学上最简单的情况下指定的。在这种情况下得到的模型矩阵X是单位矩阵。
因此，SAIF算法执行脉冲响应估计的数学上最简单的版本，并且尽管具有最小的噪声抑制性能，但在(1.14)中导致相同的预期估计；然后考虑到针对第j个图像像素F(j)的回溯采集和波束成形设计B(n，j)A(n，j)，高斯-马尔可夫理论表明F(j)的最佳线性无偏估计(BLUE)是脉冲响应hn的BLUE最优估计的函数B(n，j)A(n，j)hn。然后，任务是确定估计hn的最佳方式，并且随后将像素确定为B(n，j)A(n，j)hn。可以看出，与常规的SAIF成像相比，对于有限的发射电压电平，增加代码长度会增加发射功率并降低IR估计方差。相反地，在保持恒定的参考发射功率水平的同时减小发射电压并增加代码长度降低了组织的整个成像区域的机械指数，同时保持灵敏度。
因此，编码激励使得在由[B，A]定义的给定成像方案中能够实现相对于噪声增加的灵敏度，同时保持该方法的预期点扩展函数和相关的确定性成像特性。
G、代码设计考虑
由随机伯努利试验产生的代码序列产生满秩模型矩阵X。然而，原则上，代码的随机实现可能具有差的估计特性(对于更短的突发长度NC而言更可能出现这种情况)，如逆Grammian矩阵(X′X)-1的对角线所指示的。等价地，模型矩阵X的条件数可能很差。通过这种方式，根据伯努利试验实现的候选代码可以针对统计效率而被评估，并且最佳的候选代码被选择以实施。
H、脉冲响应模型变型
如部分II.C中所定义的脉冲响应估计步骤需要定义的卷积模型，该卷积模型表示成像介质上所发送的序列的动作。根据关于成像介质的散射特性的统计假设和成像应用，并且随后根据关于成像算法整体的特定变型(在后续中概述)，基本卷积模型的几个变型中的一个或多个变型是有用的。这部分为单个发送信道和脉冲传输间隔定义了这些模型变型，因此为了清楚起见，省略了信道和慢时间索引m、n和k。
为了一般化到多个同时发射元件(或虚拟孔径)或多个传输间隔(PRI)，类似于(1.8)中所描述的多PRI和多发射元件模型，分别通过水平块结构或垂直块结构来扩展模型。
完全卷积的确定性模型当在标准线性模型(Gauss-Markov)中使用时，(1.7)中的完全卷积模型定义意味着未知参数的确定性向量。如前面部分所述，RF测量向量的预期是
E(r)＝Xh (1.30)
其中Toeplitz结构化的X的定义在这里为了方便而被重复为
上述模型适用于非因果脉冲响应的有限分段的无偏估计。在接下来的问题中，这对应于当接收机的发送消隐结束时开始并且在采集事件的最终RF样本处终止的RF测量的窗口。这意味着假设真实的脉冲响应具有无限的时间支持，而发送的数据具有有限的支持。为了帮助对模型分量X和h(它们的乘积形成RF数据测量)中数据的布局进行可视化，在图4中示意性地示出了矩阵公式化。
随机脉冲响应模型将这个模型扩展到随机的(任意的)流参数同时保留线性模型和随后的最小二乘求解方法的一种方法是通过缩放的单位矩阵形式的附加行来垂直增广脉冲响应模型矩阵。相应地，通过零的一致性向量来增广RF测量向量(观测)r，从而定义增广光测量然后，所得的增广***是
缩放参数α相当于非随机解释中的正则化参数，否则为方差参数。随机解释导致维纳滤波器问题]，或等价地导致回归模型。将问题公式化为增广***的目的在于，参数向量然后可以在数学上被视为确定性的，从而允许对求解进行标准最小二乘公式化。上述正则化公式化的一个好处是它允许直接使用最小二乘求解方法，并允许分析基本的线性模型。为了在惩罚脉冲响应滞后方面实现附加的灵活性，上述的α缩放的单位矩阵可以被一般化为具有对应于不同脉冲响应滞后的分离权重的对角矩阵，使得
这允许将h的某些滞后值视为确定性的(零权重)，而将其他滞后值视为随机性的(非零权重)。
异构(混合效应)模型在另一个变型中，脉冲响应卷积模型被划分为确定性分量和随机分量。在下文中，假设一个简化的近似，即已经通过静止组织排斥对流信号进行隔离，其中在比混合效应模型的支持更长的时间间隔内对静止阻止排斥进行处理。在当前的情况下，该模型将被应用于采集事件或PRI的有限子集。因此，将针对单个PRIk对该模型编写索引，但是可以使用更大的PRI子集(将在部分III.C和III.D中对该话题进行更详细的讨论)。组合的确定性项和随机项的以下演化在估计和统计学文献中被称为混合效应模型[8]。对于单个发送信道m和PRIk的分量，(1.7)中的卷积矩阵Xmk和脉冲响应hmk被划分为
并且为了方便
其中Xmk的上标F、M和B分别指示前、中和后，其中中间项表示由于来自期望的所关注的信号像素的散射而引起的嵌入在其相关联的脉冲响应滞后中的确定性分量；并且标记为前和后的项表示嵌入在与同所关注的像素相邻的区域相关联的滞后中的随机信号。项hA收集与中央滞后分段hM相邻的所有滞后。Xmk的块分量被定义为
并且
确定性模型分量矩阵块中的列数具有等于正在计算的确定性滞后的数量的列数。因此，可以具有与单个计算的脉冲响应滞后估计相对应的单个列。这意味着在像素特定的脉冲响应估计的情况下(部分II.C)，确定性IR分量估计具有有利的自由度条件，使得估计设置对于每个像素是超定的。然后，对于给定的混合效应模型，这导致了模型力矩分量
并且
其中，已经进行了简化：
其中σh表示先验的(或以其他方式预计的)对脉冲响应滞后有贡献的散射的根方差。本底噪声标准偏差为σv。在极端情况下，针对在重构期间所关注的特定像素的后续回溯TX-RX波束成形所需的脉冲响应滞后，模型分量XM仅包括单个列；在这个用法中，估计模型(以及因此的估计计算)是特定于像素的。混合模型估计方程[8]的经典解由以下各项组成：确定性项估计
和随机项估计
其中，协方差被定义为
并且
∑r＝cov(rk) (1.48)
在图5中示意性地示出了矩阵公式化。
高多普勒处理另一个卷积模型变型允许“脉冲堆叠”，或者在由于先前的传输引起的声学介质脉冲响应完全衰减之前发出的超调度传输。这可应用于高多普勒成像模式中，其中血液(或所关注的其他目标)速度超过由于成像的组织或目标位置的声学飞行时间限制可实现的脉搏率；并且针对编码激励，其中来自在先前的传输间隔(PRI)期间介入的远处组织的反射干扰了来自在当前传输间隔期间介入的成像组织的反射。对于双脉冲干扰(对应于通常根据飞行时间可实现的PRF的两倍的PRF)的情况，表示为XPS的脉冲堆叠卷积模型的示意图如图6所示。在示意性矩阵图中，每个对角线块对应于Toeplitz结构的完全卷积块，如X(1.7)的定义中一样。
如图6所示，该示意图表示用于单个RF数据采集(由于单个发射元件)的模型，其受到最近发送的突发以及在最近发送的突发之前的突发的影响。这种情况下的RF数据测量对应于单个采集突发。脉冲堆叠模型对附加干扰脉冲的一般化发生在两种布局中。这首先是通过附加更先前的脉冲作为模型XPS的附加列来进行的，因此这意味着将进一步的滞后扩展到脉冲响应向量。
第二种方法对于被认为是相关的给定的延迟扩展增加了所使用的RF数据的数量，使得h滞后的数量保持不变；因此XPS的行数增加。在图7的示意图中示出了第二种情况，其观测两个采集周期期间的RF数据。
注意，在图7中，第二突发的消隐时段(在两个采集周期之间)已经被删除。
对附加的同时发送信道的扩展遵循先前的非脉冲堆叠模型的示例。
注意，通过这些模型矩阵行与模型矩阵的发送的代码对角线的交集来指示的接收机消隐在所采集的RF数据分段之间的转换将构成与同代码对角线相交的相应模型列相关联的估计的脉冲响应滞后中的具有更高方差的区域。
上面描述的脉冲响应模型的变型将用作下面的部分III中所示的公开的成像方法的扩展的描述中的组成部分。
I、组织运动和多普勒
这里，通过在传输间隔之间(即，在慢时间或PRI维度中)以分段方式对脉冲响应分量进行建模来解决被介入的介质(组织或血液)中的运动的影响。相比之下，前面部分中描述的模型对固定的声学介质进行建模。所描述的模型是参数化的，这是因为针对多个参数计算脉冲响应，这些参数是表示预期的可能运动动态范围的基函数的系数。例如，在二阶多项式建模散射体运动的情况下，针对脉冲集合上的脉冲响应滞后的平均变型、线性变型和二次变型来计算脉冲响应。备选地，可以使用傅立叶基或正弦基来对运动进行建模。由运动参数参数化的所得的脉冲响应估计集用于计算的多普勒特定像素值所需的回溯波束成形步骤中。
在图8中示出了组织运动对发射元件和接收元件之间的脉冲响应的影响的模型。图8示出了椭圆，在该椭圆上存在像素或散射中心的轨迹，所有像素或散射中心共享发射元件和接收元件之间的单反射传播路径的恒定的往返距离Dl。在像素处的发射声波波前与发射机和像素之间的视线正交的情况下，当其速度方向与椭圆相切时，像素处的散射的运动引起零多普勒。在图8中，这种情况被表示为Vtan。相反地，观测到的由像素处的散射运动引起的多普勒在速度方向的离开切线的角度处增加。通过双静态范围-速率方程将有效入射和反射波前角之间的关系以及像素的散射运动的速度向量描述为
其中散射体速度为v＝[vx，vz]T，并且单位向量nTX和nRX分别从发射元件指向像素并且从像素指向接收元件。
通过在每个PRI处针对h使用显式慢时间索引扩展模型(1.4)，允许脉冲响应滞后值hmn(l)在集合上变化。在组织或“壁”运动的情况下，然后引入多项式基约束来对PRI上的这个时间变化进行建模；类似于彩色多普勒壁滤波器设计，可以类似地采用诸如正弦基或傅立叶基的其他基函数。然后可以将通过模型和估计的IR集获得的拟合测量解释为由于静止或缓慢移动的组织而引起的信号的分量。下面解释该过程，其中为了清楚起见，省略了接收信道下标n。因此，在这个方案中，脉冲响应集被扩展为包括显式慢时间(PRI)索引k，
其中
H＝ΠP h， (1.51)
其中在二阶多项式基的这个示例中将ΠP定义为
其中大小为T的单位矩阵IT在克罗内克积的左侧，其中
的维度为[Kx(P+1)]，其中第p列πp为
并且其中广义脉冲响应h包括固定项、线性项和二次项的分量。
注意，应当对多项式基矩阵进行归一化以用于数值调节。更高阶的多项式将通过使用附加的块列对上面的矩阵ΠP进行直接扩展来对组织运动进行建模。
在正弦基函数或傅立叶基函数对运动进行建模的情况下，系数矩阵与ΠP类似，
其中频率Ωp包括足以在预期的频率范围内对运动进行建模的范围，并且其中
具有列的傅里叶基向量。注意，对于低多普勒(低速)运动，假设多项式基ΠP为模型的脉冲响应估计Γ可以通过以下关系式对傅里叶基Ω进行近似：
利用这些定义，接收信道n的***脉冲响应模型是
其中
其中
Xk＝[X1k，...，XMk]。 (1.60)
脉冲响应滞后的慢时间(PRI)变化的这些模型将在部分III.C、III.D、III.E和III.L中用于实现用于流估计的静止组织信号抑制和运动估计、组织运动估计和剪切波成像。
J、发射孔径设计
发射机元件的选择影响脉冲响应估计方程的解、以及在重构步骤中的回溯发射-接收波束成形的结构。集合长度、发射孔径设计和发送信道的数量的设计选择影响定义脉冲响应的所得模型的维度和数值等级。因此，估计框架可能是超定的或欠定的。下面示出了发射孔径设计的多个示例。
在9中示出了适用于CER成像的稀疏发射元件的示例配置。
图10示出了具有扩展子孔径的稀疏发射元件的示例，其中在CER波束成形中使用参考元件的位置对扩展子孔径进行处理。该方法允许减小功率空间密度和方向性的量，从而使视场变窄并且减少杂波：
图11示出了CER兼容的稀疏扩展发射孔径，其中元件发送由虚拟顶点源产生的阴影和/或定向的圆形波前。回溯波束成形参考相关的定时信息的虚拟顶点位置。这允许提高对来自期望的视场之外的散射的抑制。
III、算法的扩展
这部分描述了在各种成像模态(包括B扫描、彩色多普勒成像、定量多点频谱多普勒、组织运动成像、剪切波成像及其3-D变型)中有效的算法的多个变型。
所公开的算法及其变型使得这些成像模式能够以与其他技术相比更好的杂波、旁瓣和灵敏度性能来执行
A、来自同时元件上的编码激励传输的脉冲响应估计的回溯成像
所公开的两步编码激励重构方法包括基于对物理介质的物理收发机操作的脉冲响应估计步骤，然后基于对脉冲响应估计的虚拟收发机操作的波束成形步骤，该方法相对于其它发射-接收波束成形方法具有几个优点。(1)针对每帧相当能量的机械指数较低；(2)针对相同的像素SNR的每帧能量较低；(3)将针对每个传输使用许多周期的编码传输采集数据转换成与来自使用短脉冲的合成孔径方案的预期响应相同的预期响应；(4)通过所有使用的发射元件同时对介质进行声学探测；(5)所有发射元件同时照射整个关注区域；(6)用于包括大量的计算成本的算法的估计步骤的对接收信道的相同的独立处理，从而有利于基于信道的计算架构。
针对线性和相控阵收发机具有改善的对比度分辨率的高帧速率、宽FOV或深度成像通过对发射元件的合理选择和虚拟源合成利用所公开的算法CER关于线性或相控阵换能器相对于常规成像实现具有改善的对比度分辨率的高帧速率、宽视场(FOV)和/或深度成像机制。为了增加帧速率，使用更少的虚拟发射元件。
通过编码激励的小物理发射元件成像。通过所公开的CER成像技术结合足够长的发射代码，在低面积功率密度或通量的情况下，利用包含少至单个发射元件的非常小的孔径来实现足以用于成像的声功率水平。
作为用于实际上任何常规波束成形的预处理器的CIR估计步骤。所公开的脉冲响应估计技术可以作为回溯应用的实际上任何发射-接收波束成形或重构技术的预处理步骤而以某些限制为条件被应用。回溯发射-接收重构适用于将其用作假设传输的模型而产生的脉冲响应集。通过滞后索引、接收元件索引、参与物理发射的发射元件(或虚拟发射元件)和时间(如果这样建模的话)对脉冲响应集编写索引。回溯发射-接收重构期间的限制因此受到这些可用索引的束缚。
通过发出一系列探测序列、估计介质脉冲响应、并将它们用作随后的回溯发射-接收波束成形成像方法的输入来对发射-接收波束成形进行预处理的优点在于在加性噪声方面提供了具有最佳可能数据的影像。这个断言通过关于对估计的脉冲响应进行操作的回溯成像方法调用高斯-马尔可夫定理[8]来证明：(1)考虑到发送的探测序列，估计的脉冲响应在估计方差方面是最佳的；(2)回溯发射-接收波束成形被认为是估计的脉冲响应的函数；(3)波束成形的像素因此是通过高斯-马尔可夫定理的BLUE-最优估计。
所公开的方法的一个特征是其使得能够生成与合成孔径理想聚焦图像平均相等的图像，但是具有编码波形的传输。
在统计平均图像(当热噪声在非运动目标上被平均到不显著时)方面，该方法对于图像质量的预期的性能益处与合成孔径理想聚焦成像的性能益处相同。这些益处主要体现在点扩散函数旁瓣减少和对比度分辨率或杂波减少等方面。从视觉上来说，直觉是图像将在计算的图像空间中的任何地方都被清晰地发送和接收。
在慢时间(PRI或总体时间)上和在发射元件(或发射虚拟孔径)上的声学采集事件的摊销引起的帧速率方面，所公开的方法的预期性能益处取决于发射电平约束。发射电平约束至少包括：(1)由于换能器设备破坏性极限而引起的发射电压、(2)由于为了患者安全或成像介质的保护的声功率极限而引起的发射功率、以及(3)为了患者安全或成像介质的保护的声强度或机械指数极限。如果对两种成像方法进行比较，则它们各自的极限必须等同于相同的像素SNR以获得帧速率比较。在确定性散射的假设下，可以根据部分II.D中的方程(1.19)中的计算的像素F(j)的表达式的均值和方差来确定像素SNR。为了执行这个计算，被比较的常规成像方法必须被置于(1.19)的形式中。例如，可以通过观测在单独事件中单独信道上的单个脉冲的传输是所公开的方法的一般的退化情况(即，产生用于单信道卷积模型的单位矩阵)，利用常规的SAIF成像容易地实现这一点。根据作为线性模型估计的函数的标准线性模型理论容易计算这些统计数据[8]。作为粗略的经验法则，通常情况下，对于相等的发射电压，常规的SAIF成像将通过需要多于因子Nc次的传输(其中Nc是代码长度)来实现与所公开的CER-SAIF方法相同的SNR。因此，粗略的经验法则是CER-SAIF的帧速率比常规的SAIF快Nc倍。针对其他常规的成像模式(例如，动态聚焦(DF))，可以类似地计算其他发射约束的速度比较。然而，由于杂波是相对于热噪声的效应可以主导图像质量的确定性效应，因此应当通过信号与杂波比的度量来考虑在远离焦点的像素处的杂波或对比度分辨率方面的DF的较差性能。
所公开的方法的另一个特征是实现静止发射孔径几何形状。这样做的益处是由于发射孔径的范围而收集的图像信息可用于整个总体时间间隔。当成像介质运动时，常规SAIF仅针对给定的目标位置在特定脉冲时间(PRI)询问介质。因此，常规合成孔径(旁瓣减小和对比分辨率)的点扩散函数益处不适用于移动目标。然而，通过适当的多普勒或流处理，这些益处可以被CER-SAIF利用。
所公开的方法的第一处理阶段是面向信道且面向滞后的，而不是面向像素或面向焦点的。
这种处理的优点是二维(2D)或三维(3D)运动被折叠到一维双基地距离-速率或多普勒轴上。这将多普勒处理和子带处理限制于单个维度，其中多普勒处理和子带处理分别需要在快速移动目标的情况下补偿距离相位和距离游动。对于2-D和3-D成像也是如此。
B、扩展：使用节距为λ的换能器进行栅瓣减小和相控阵操作
可能关于编码激励波形的大时间-带宽积使得能够实现达到将需要使用常规波束成形进行相控阵(半波长节距阵列)成像的深度的可用的声穿透。通过使用CER成像技术减少了栅瓣效应。这样做的益处是对于给定数量的元件采用更大的物理换能器孔径。这进而能够提高横向分辨率并相应提高图像质量。
C、扩展：静止组织排斥(STR)和多普勒处理
这里对编码激励重构(CER)算法进行扩展，以从接收机数据中移除静止组织信号以用于多普勒处理。
在这个方案中，通过在每个PRI处针对hn使用显式慢时间索引扩展模型(1.4)，允许脉冲响应hn在集合上缓慢变化。然后引入多项式基约束来对PRI上的这个时间变化建模；类似于彩色多普勒壁滤波器的设计，可以类似地采用其他的基函数(例如，正弦基或傅立叶基)[15]。然后可以将通过模型和估计的IR集获得的拟合测量解释为由于静止或缓慢移动的组织而引起的信号的分量。在部分II.I中讨论这个过程。
采用部分II.I中的的慢时间(PRI索引)脉冲响应演化描述，假定RF测量由缓慢移动组织信号主导，并具有如下预期
其中
并且
并且(在最简单的版本中)具有单位测量协方差，使得基本最小二乘可以用于通过部分II.C的直接扩展(例如通过伪逆(1.14))来求解，从而给出估计的脉冲响应集注意，这些具有时间演化基函数的系数的形式；为了获得脉冲响应估计滞后的时域版本，计算运算H＝Пh。如果使用混合效应模型(部分II.H)的技术，则构成脉冲响应滞后值的散射功率的知识能够使够对壁组织脉冲响应进行白化计算。
根据以上描述，将估计Hn与模型一起使用以预测缓慢移动的静止组织RF信号，并从接收的数据r中减去该RF信号以生成残差，其将用作流RF信号的估计。
有利地是，注意，拟合的测量
是测量r的无偏估计，即使模型不是满秩的，只要脉冲响应是由广义逆(如Moore-Penrose伪逆)计算出的即可。这是因为拟合的测量总是构成可估计的函数；参见[8]以获得更多的讨论。认识到这一点的意义在于更灵活地设计集合长度、多项式或傅立叶模型阶数和发射孔径元件的数量，同时实现壁信号抑制以用于后续多普勒处理。
与常规彩色多普勒壁滤波[15]类似，残差被解释为主要包含由于来自血液或其他快速移动的组织的散射而受到噪声破坏的信号分量。因此，已经从接收到的RF信号中移除了大量的静止组织信号。这里将其表示为接收到的RF流估计。然后通过后续描述的几种方法之一来处理RF流估计，以完成流信号的波束成形、或同时波束成形和多普勒或速度滤波。
通过匹配滤波器多普勒处理所处理的残差在该算法的变型中，不通过CER算法对包含流数据的残差信号进行进一步处理。通过常规的脉冲压缩匹配滤波器或匹配场处理简单地处理残差，以产生流信号的波束成形。这里，由于从每个代码发送阵列元件到所关注的像素的延迟路径的几何结构，所发送的代码用于为每个像素处的预期签名定义匹配滤波器。然后将这些匹配滤波器在适当的时间应用于接收信道数据，以接收特定像素的波束成形。对于每个PRI独立地重复该过程以产生一系列图像，然后在每个像素处针对多普勒信息对这一系列图像进行处理。匹配滤波器脉冲压缩方案特有的对比度分辨率问题将被减少，这是因为流信号在许多应用中通常在空间上是稀疏的。
使用傅立叶时间模型通过CER处理的残差在用于产生流影像的另一个残差处理方案中，上述残差信号中包含的流信号由第二CER脉冲响应估计操作处理，以提取仅与存在的流信号相对应的脉冲响应集。在这个二次流处理阶段，傅里叶基用于对集合中的PRI上的脉冲响应滞后的时间演化进行建模。利用这种方法，回溯波束成形被应用于计算出的脉冲响应集的频谱，所述脉冲响应集包括针对每个傅里叶多普勒频率的脉冲响应集。
这里，在流信号脉冲响应的二次CER估计中，上述多项式模型Π中的列被替换为一个或多个傅立叶基向量。在PRF处对一个或多个傅立叶基向量进行采样，并在总体时间上支持一个或多个傅立叶基向量。类似于STR处理阶段中由多项式建模的壁运动组织信号，这能够使用与基向量的傅立叶频率相对应的运动实现对与散射相对应的脉冲响应集的估计。可以通过如在前面部分II.C中所述的模型的增广来对傅立叶脉冲响应分量进行正则化。然后，通过跨越所关注的多普勒频率的傅里叶频率范围重复处理，为每个多普勒频率生成脉冲响应估计集。然后通过回溯成像方法II.D分别处理与傅里叶分量相关联的脉冲响应估计以产生针对每个傅立叶频率的图像，从而形成图像的傅立叶频谱。处理傅里叶频谱的适当子集以显示为彩色多普勒模态图像信息。类似地，选择一个或多个像素以在频谱多普勒模态中在多个帧上提供频谱图迹线显示。
在上述方法中，通过多项式(或其他低秩)基参数的最小二乘解来计算静止组织(或“壁”信号)估计是次优的，这是因为虽然是无偏的，但是可能不提供最小方差估计。这是因为流信号可能不是白的，如在单个傅里叶系数(或傅里叶系数的另外不完整集合)的情况中一样。在对估计的流参数方差分量的假设的情况下，然后可以使用它们来计算适当的白化矩阵以计算壁信号脉冲响应的最佳加权最小二乘估计。在许多成像应用中，先前计算的图像帧通常包含表示正在计算的当前图像帧的信息。在这种情况下，方差分量的估计是可行的，并且可以提供当前帧壁信号脉冲响应的加权最小二乘计算。
联合模型在单一方法的变型中，在单个阶段中联合地计算产生静止组织信号脉冲响应和流信号脉冲响应的CER处理。这是通过将傅里叶流信号模型附加到多项式壁信号模型来实现的，从而产生用于在每个滞后处的脉冲响应值的时间演化的组合模型。这里的含义是没有关于流功率的先验假设。
在用于生成流图像的另一种残差处理方案中，上面的单傅立叶基概念被扩展到整个傅立叶基。通过将傅里叶估计向量能量作为附加惩罚包括在最小二乘残差中通过附加到卷积模型的适当加权的单位矩阵来对所得的模型进行正则化。
通过这种方式，编码激励成像用于彩色多普勒成像，其具有相对应的灵敏度的增益和/或机械指数降低，而不损害旁瓣性能或对比度分辨率(这在编码激励采集方案的常规匹配滤波器脉冲压缩中是典型的)。上述技术可以特别适用于弱信号的低多普勒流场景。
所公开的算法变型实现了高帧速率、多点、定量频谱多普勒，其与其他技术相比，具有更有效的杂波、旁瓣和灵敏度性能。下面的表格[表格-架构-低流(table-arch-lowflow)]示出了上述残差处理方法的脉冲响应估计算法步骤的概要。
窄带处理变型在具有大散射体运动速度或较高多普勒频率的情况下，可以通过经由傅里叶逆变换将计算的脉冲响应滞后的频谱转换到时域来解决脉冲响应滞后之间的散射体迁移。在图12中在从左部到中部的过渡中展示了这一步骤。通过部分II.D的回溯采集和波束成形方法来据此计算图像序列。然后使用常规的颜色处理(如Kasai自相关)对图像的像素时间序列进行处理。处理高多普勒情况的另一种方法是实现子带处理方案。这里，第一步是在快时间(RF采样时间)维度上对RF数据进行窄带化，并且分别处理每个分析子带。这使得与直接的情况下相比，散射体针对更大量的PRI或采集周期保持在轴向分辨单元内。
也可以通过子带分解滤波器组对接收到的数据完成另一个窄带化方案。然后根据CER STR/多普勒方法处理每个分析子带，以计算每个子带的估计脉冲响应慢时间序列。然后使用与分解/分析滤波器互补的适当的合成滤波器，从子带集重构宽带脉冲响应集。然后根据部分II.D对所得的宽带脉冲响应序列集进行处理，以用于回溯采集和波束成形，从而重构流图像序列。然后可以针对多普勒模式(例如，彩色多普勒成像)例如通过Kasai自相关处理逐个像素地对流图像序列进行处理。
表2血流的CER脉冲响应估计的算法步骤
演示示例(剪切波成像场景)对于具有48个周期代码的两个发射元件和单个接收信道和在12个脉冲重复间隔上具有奈奎斯特速度的约1/3的相反运动的两个散射中心的情况，在图12中在受控数据上演示该算法。该算法使用全傅里叶基，并且示出峰值在与对应于每个发射元件的散射运动相对应的傅立叶域中的特定频点处的脉冲响应估计。
D、扩展：用于波束成形多普勒分量的RF域STR和随后的异构模型
与常规的多波束成像方案相比，所公开的算法的这种变型允许针对每个图像帧的传输大大减少的多普勒处理。在这个方案中，使用了异构(混合效应)脉冲响应模型。在STRIR估计步骤和流IR估计步骤之间的IR卷积模型中的异质性允许非正则化(因此低偏差)的静止组织排斥，随后允许正则化(因此低噪声)的IR估计和流信号的后续成像。
脉冲响应模型是异构的，这是因为它有两种不同的形式：针对STR步骤的一种形式，以及针对流IR估计步骤的另一种形式。STR步骤如部分II.C中所述。在STR步骤中，IR卷积模型在时间维度上是低秩的并且是严格确定的(针对每个PRI)，从而导致针对整个集合的良好条件模型。因此，STR步骤不需要正则化参数。这允许将测量残差解释为RF流信号的相对无偏估计。可以基于任何可用的先验流功率分布信息结合(1.34)的随机模型分量，通过白化来增强STR步骤。
随后，流IR估计步骤使用由STR步骤产生的残差RF流信号。流IR估计使用正则化的超定IR卷积模型，如在标题异构(混合效应)模型下的部分II.H中所述的。可选地使用适合于多普勒频率的时间基加权将采集数据划分为多个分开处理的时间窗分段，每个加权均具有足够的正则化量。每个流脉冲响应估计站的时间窗可以少至单个PRI或采集周期。
像素特定的脉冲响应模型对于针对给定的采集周期的待重构的给定图像像素，可以进行像素特定的脉冲响应计算。在该情况下，异构模型提出了两种处理选择。在任一情况下，根据图3，重构像素所需的脉冲响应滞后定义了Xmk向(1.34)中的其前部中部和后部的划分。然后，的大小定义了与计算所关注的像素所需的脉冲响应滞后相关联的列。因此，将与的列相关联的h中的IR滞后表示为所关注的滞后。分量和对外来滞后进行建模，该外来滞后对于像素是不需要的但是对于对由于近端流引起的RF测量中的干扰进行建模是需要的。
在这一点上可用的两种选择是将定义为随机的或者确定性的。在前一种情况下，该阶段的模型变成回归模型[8]，或信号处理用语中的维纳滤波器。在这种情况下，求解需要流信号功率相对于噪声本底的参数。这将对针对像素所估计的流产生随机约束。相反，如果假定是确定性的，那么除了Toeplitz模型结构之外，在所关注的滞后IR估计中没有对能量施加约束。在这种情况下，二次脉冲响应估计变成对来自第一STR处理阶段的残差进行操作的混合效应模型。这种情况下的混合效果模型分量是：
其中均值
和协方差
求解该模型的一种方法是通过(1.32)中的正则化方法。
利用所有像素特定的脉冲响应估计方法，可以根据标题为滤波器计算方法I和II下的部分II.E中描述的方法来计算估计滤波器。所得的滤波器可以存储在查找表中。通常，与几个大的条目相比，滤波器系数的很大比例的条目是很小的。因此，查找表的高速率存储压缩是可能的。
由于重构给定像素所需的所关注的滞后的数量很小，因此通过适当选择采集参数，可以是满秩的(超定的)，并且可以根据用于混合效应模型求解的最佳线性无偏准则来容易地估计
该方法如图13所示。
由于以下两个原因，来自STR步骤期间成功排斥静止组织的进一步益处出现。首先，在STR处理之后，随后的流信号被适当地建模为随机的性质。这是因为由给定像素位置贡献的流RF信号的实现将在传输之间高度变化，并且还具有时间平均模数，该时间平均模数是像素处的流信号功率的适当替代。其次，与在STR阶段拒绝的强反射组织杂波相比，流信号在空间上是稀疏的。这两个特性使得作为在流IR估计阶段期间对估计的IR参数的先验统计的假设的正规化的解释是有意义的。因此，选择有效的正则化参数来进行流处理比静止组织处理的情况更容易，并且可以部分地通过多帧噪声本底估计和B扫描处理来执行，并且部分地通过作为灵敏度或“增益”控制方案的算子选择来执行。
E、扩展：用于多普勒处理、剪切波成像和组织运动成像的滑动窗重构
部分II和III中描述的方法可以应用于多个RF数据采集序列的重叠分段，以实现多普勒处理和组织运动成像。这里的方法被称为滑动窗重构(SWR)。这种方法的一个特点是创建根据静止发射-接收换能器阵列几何结构生成的一系列图像。也就是说，发射机元件和接收机元件的集合在采集事件之间不改变。这意味着，当在采集序列中采用线性无关的发射代码的条件下，重构图像序列中的静止组织的杂波场具有在不同采集上固定的预期值。也就是说，预期图像的差异是由噪声引起的，而不是由发射孔径的变化或不同采集之间的聚焦引起的。
在血流成像的情况下，该方法以滑动窗方式对具有PRI的短重叠分段的去趋势STR残差进行处理，以在集合上生成一系列无偏脉冲响应估计集。这是通过使用数量减少的发射元件利用完全卷积的确定性模型(部分II.H)来实现的，该模型允许无偏脉冲响应估计，其中针对每个估计模型只有少量PRI。这种方法可以与部分II.I、III.C、III.D和III.F的多项式或傅立叶基运动模型扩展相结合。在对一系列脉冲响应估计进行回溯波束成形之后，然后通过常规彩色多普勒[7]、频谱多普勒或向量多普勒[19]处理来对所得的图像序列进行处理。
在另一变型中，通过用部分II.H的混合效应或异构模型对短重叠分段进行处理来计算血流成像。这里，脉冲响应估计以所关注的像素所需的特定滞后为条件。
在剪切波成像或组织运动成像的情况下，使用SWR方法而无需静止组织信号(壁信号)抑制或STR处理步骤。
该算法变型使得能够实现高帧速率、多点、定量频谱多普勒，其与其他技术(如平面波成像)相比，具有更有效的杂波、旁瓣和灵敏度性能。
F、扩展：超高多普勒信号估计。
在该算法的这种变型中，脉冲响应模型被扩展用于超高多普勒应用，以通过对高于声飞行时间所允许的PRF的PRF处的采集进行“脉冲堆叠”来合并混响或重影图像的效果。该技术应用于心脏成像、彩色多普勒和频谱多普勒处理和脉冲间混响杂波减少、以及成像高速运动组织(TMI)或瞬变现象(如剪切波)。该方法将部分II.H(超高多普勒处理)中描述的模型合并到部分II.C的脉冲响应估计方法、部分II.D的回溯采集和波束成形方法、以及部分III.C、III.D和III.E的多普勒/运动估计和墙信号拒绝方法。
部分II.H中描述的脉冲堆叠建模方法通过将包含来自多个采集突发的效应的扩展脉冲响应映射到与高于奈奎斯特脉冲重复频率的频率相对应的较短采集RF测量窗口来实现扩展的多普勒估计范围。由于在混响边界的假设内对在每个采集事件捕获的RF数据进行完全建模，所以公开的CER方法及其用于壁信号抑制和多普勒处理的变型可以直接应用。
在该方案中引起的惩罚是在每次采集突发开始时并且相应地在与传输一致的脉冲响应滞后时的接收机消隐。这导致脉冲响应滞后估计方差(噪声)的相关联的近端增加。然而，通过适当地选择PRF，接收机消隐区域可以被移位到与所关注的区域外部(例如，在彩色多普勒应用中的彩色框外部、或者在频谱多普勒应用中的期望的样本容积外部)的像素深度相对应的滞后。
该技术也适用于B模式成像并且具有非常高的帧速率。这样，当PRF超出基于成像深度的飞行时间的声学极限时，来自重影的杂波减少。
G、扩展：B模式下的组织运动补偿
通过上文的部分II.I(组织运动和多普勒)和部分III.C(用于多普勒处理的静止组织排斥)中描述的相同方法，可以减小由于集合期间的组织运动而引起的B模式(灰阶模式)成像伪像。在这种方法中，由慢时间(PRI域)索引中支持的多项式基函数来对有助于所关注的脉冲响应滞后的那些散射体的运动进行建模。在脉冲响应估计之后，只保留估计的最低阶的恒定项系数分量，以用于后续的回溯采集和波束成形，而高阶基分量对运动干扰进行建模，从而有助于更好的拟合估计。例如，这应用于心脏成像。
H、扩展：虚拟发射机线性化。
一些超声收发机操作特性表现为使得线性模型(1.4)不准确到可能在计算的影像中引起明显的杂波、噪声或伪像的程度。这些不准确性可能是非线性的、时变的、或者这两者。这些特性中的一些特性包括脉冲发生器不对称性；TGC调制效应；发射电压在发送突发时段下降或衰减(或有效实现的声传输强度衰减)；换能器中的非线性应力-应变关系；以及发射电压的有效电平的突发到突发的变化。
脉冲电压不对称性是当具有相反极性的脉冲之间的形状差异不由极性改变来解释时的形状差异。因此，这是发射非线性，因为调制输入的符号变化不保留在发射机输出处。通过SEPIC变压器泄漏H桥FET驱动器可以产生类似的效果。为了使针对多普勒应用的这种效果线性化，将+/-代码芯片划分成模型中的单独源，每个源具有独立的相关联的脉冲响应参数向量。因此，该方法将使正在估计的参数的数量两倍。这种两倍可以通过以下方法来减轻：除了通过卷积嵌入的不同的发射机脉冲形状之外，真实的IR向量应该是相同的，但极性相反(受到介质线性度的影响)。嵌入的脉冲形状应该可以在实验室环境中测量，并且可以在常规的单脉冲发生器模型中在体内用作代码芯片符号的经调整的幅度/相位。该关系使得能够实现将两个参数被估向量相关的线性约束，这减轻了由于估计的CIR参数的数量的两倍所引起的估计噪声。在该模型中，必要时使用广义上采样插值内核来确保模型矩阵的满秩。
第二个线性化过程是将在RF信道数据采集期间使用的时间-增益-控制(TGC)函数应用于脉冲响应估计步骤。根据基本公开的模型，该TGC校正是必要的，以减轻对传输的数据的调制影响，否则这些影响是错误的。该校正是通过将卷积模型矩阵的左侧乘以对角加权矩阵形式的有效TGC曲线来完成的。这里，将RF观测向量采样时间索引与卷积矩阵的行索引进行核对，使得在对RF采样进行数字化时通过TGC值对卷积模型矩阵的每一行进行加权。等同地，通过简单地将RF数据值乘以在捕获时使用的TGC样本的数值倒数，可以取而代之地在IR估计步骤中从RF数据观测向量中移除TGC的影响。在估计和重构之后，随后可以在映射到显示色彩图范围之前在图像重构之后，重新应用随后的TGC型的空间增益控制以增强视觉呈现。
如果已知TGC曲线影响在接收机ADC的输入端处观测到的热或其他加性噪声的强度，则可以应用对整个***的相应白化调整(预期的测量等于模型-脉冲响应积)。
类似于TGC校正，可以应用相应的校正来减轻在与RF数据观测相关联的发送事件的持续时间期间的发射机电压衰减的影响。这种影像导致形成卷积模型的内核的代码序列的有效幅度随时间减小。为了应用校正，在使用代码以生成Toeplitz结构化的模型矩阵之前，将衰减建模并应用为代码的幅度随时间的减小。可以通过应用于整个发射元件集的少量参数来对衰减进行建模，并且在由代表性换能器传输代码期间通过校准来对衰减进行估计，该代表性换能器声穿透具有与体内组织额定相等的声阻抗的实验室体模。衰减参数的正确值被认为是最小化脉冲响应估计残差的值。由于衰减校正是未知的乘性滋扰参数，因此它将脉冲响应估计步骤定义为变量误差问题，同样被称为测量误差问题或潜在变量问题。
通过引入与每个PRI的模型分量相关联的唯一标量比例因子来减轻发射电压的突发到突发变化。在每个PRI处用符号表示的方式从模型中对这些标量提出公因子，并且针对每一个PRI单独地将这些标量划分为接收数据。因此，可以针对为特定成像模式所定义的固定模型上的最佳残差执行迭代改进，从而优化对于发射电压变化的校正。
I、扩展：像素特定的发射变迹、加权、聚焦或波形整形
由于每个发射-接收信道的脉冲响应在部分II.C的估计中被求解，所以在部分II.D的回溯采集和成像期间，唯一的像素特定的变迹可以应用于回溯虚拟波前传输。这允许在峰值分辨率和对比度分辨率之间进行更广泛的折中，从而与非回溯成像相比，更好地在视场的深度和宽度上优化图像。虽然原则上这对于逐元件的发射合成孔径聚焦方案SAIF是可行的，但是该方案由于其相对较低的发射功率而受到SNR的影响。在该技术的扩展中，通过包括SNR估计、滞后方差估计和相干估计的度量来调整TX和RX上的加权。
J、扩展：发射子孔径。
所公开的算法容易地适应以下类型的子孔径：稀疏的；用常见的发射驱动稀疏扩展的；用通过延迟聚焦修改的常见的发射驱动稀疏扩展的；以及以上的交错版本。
K、扩展：重叠的同时波前传输
在所公开的算法的这个变型中，整个阵列用于在虚拟元件上进行发送。针对每个物理采集事件同时发送多个虚拟发射元件。在脉冲响应估计步骤中将每个虚拟发射元件作为不同的源，该不同的源具有常规焦点、虚拟顶点焦点、平面波(无穷远处的焦点)、横向振动波前、宽波束或重叠波束或具有表示波前原点的空间时间中的公共点的物理或虚拟参考点的其它设计的波前。然后在回溯TX-RX波束成形步骤中针对适合的定时信息使用该参考点。通过以下方式实现同时传输：模拟/无限精度设计、然后按照J.A.Flynn的2014年7月17日的美国专利申请PCT/US2014/047080“Method And System For Arbitrary WaveformGeneration Using A Tri-State Transmit Pulser”中的方法编码到三态或其他有限精度的波形。图14示出了用于同时波前合成的虚拟源位置。
该技术的益处在于，在执行编码激励脉冲响应估计和回溯发射-接收波束成形的主要公开算法时，该技术允许大孔径可用于多个同时传输；该技术简单地通过以下方式来实现：用期望的代码序列调制合成波前并且在回溯波束成形重构步骤期间将每个波前焦点解释为虚拟发射元件。
L、扩展：向量运动成像和多普勒成像
所公开的CER方法实现了各种向量运动成像和分析模式和增强的频谱多普勒和彩色多普勒成像模式。
向量运动-低流机制向量运动成像(包括向量流成像、向量剪切波成像(SWI)和组织运动成像(TMI))是通过以下方式来实现的：将部分III.C中产生的多普勒编写索引(多普勒频率域)脉冲响应估计应用到部分II.D和II.I中所述的回溯波束成形步骤。这里的方法适用于低速或低流的信号机制，例如肾灌注、SWI和TMI。在这种情况下的回溯波束成形认为多普勒索引取决于单独的发射和接收元件索引。在这种技术中，指定了像素的向量运动值的范围。指定的向量速度值中的每一个通过图8所示的距离速率几何形状和双基地距离-速率方程(1.49)确定包括波束成形的像素在内的所有发射-接收脉冲响应分量所需的特定距离-速率(多普勒)频点集。因此，回溯采集和波束成形不仅选择(1.20)的求和所需的插值脉冲响应滞后，而且还选择部分II.I和III.C中所述的其相关联的多普勒频点。为了澄清这一点，(1.20)的像素重构求和被一般化以考虑包括像素求和的每个发射-接收元件对之间的距离-速率(多普勒频移)，使得
通过这个定义，处理步骤在图15中的伪代码中示出。
高帧速率B-模式成像和B-流成像，其中流动血液的成像取决于静止组织排斥，并且随后的时域图像序列生成(如在部分III.C、III.D和III.E中所公开的技术)通过文献中所述的空间-时间梯度(光流)技术实现流、组织和剪切波的向量成像。
多点回溯频谱多普勒模式信息、定量多普勒模式信息和彩色多普勒成像模式信息是通过将通过在部分III.C和III.D中的技术生成的脉冲响应估计特定于像素地应用到部分II.D中所述的回溯波束成形步骤来生成的。在这种技术中，通过假设只有z方向速度分量vz对信号相位有意义来近似上述向量运动方法。这个假设适用于F值较高的情况，如深度组织成像。然后，这个假设简化了处理实现。
M、扩展：回溯采集中的任意波形
与在诸如三态波形脉冲发生器的TX硬件中可用的物理级的实际数量相比，所公开的算法实现了在回溯TX-RX波束成形步骤中的高精度(例如，浮点)发射波形合成。与离散级波形合成技术相比，这在声学介质中实现了远远更高的波形保真度。
在回溯传输期间发出的发射脉冲在精度和带宽上受算法处理的数值精度和模拟采样率的限制(关于浮点处理，有效地给出数百万可用传输级别。相反，物理发射机硬件中的电压脉冲发生器设计和带宽通常只允许几个发射级别，例如单极、双极或三态。通过文献中描述的技术的步骤I(基于MMSE的波形计算)，这种回溯传输方案允许用于换能器频率响应补偿、时间波形设计和空时波前设计的高保真任意波形合成，但不受步骤II(用于误差最小化的调制符号集选择和调制)中的限制。
受益于改进的波形保真度的示例性应用是具有对换能器带宽滚降的补偿的脉冲形状合成。以下是使用回溯补偿脉冲设计方法的示例。这里，任意精度的发射机波形被设计为基于换能器元件的凭经验确定的脉冲响应在换能器的表面处生成升余弦脉冲。为了比较，换能器的声脉冲响应也在图16中示出。
N、扩展：具有减少的发射事件的2-D探测/3-D成像。
对于使用2-D阵列的3-D应用，稀疏发射元件采集方案被一般化到二维。这里，从各个发射元件或从参考代理虚拟(“参考”)元件的元件的区域产生在每个发射信道上由独立代码调制的球面波，其中代理虚拟元件的位置在波束成形步骤中使用，如图17所示。在空间上源自阵列元件的球面波的情况下，参考元件与该原点重合。在来自每个发射子孔径的虚拟顶点传输的情况下，每个球面波源的原点偏离平面阵列，并且其3D位置信息被用作波束成形步骤中的参考元件。
对于较低的空间发射功率密度，使用扩展的发射元件，就像它们在2-D成像的情况下一样。在扩展元件的情况下，波束成形步骤使用参考元件的中心来生成定时信息。
该技术的优点包括：(1)与诸如平面波成像之类的3-D未聚焦高速成像技术相比，提高了对比度分辨率和灵敏度，其中换能器垂直焦点的缺乏导致比具有通过其镜头实现的垂直焦点的线性阵列中更多的杂波；(2)与聚焦技术相比，改善了景深和视场；(3)与聚焦技术相比，提高了帧速率；(4)与需要区域混合、像素特定的校准加权、或由于潜在的处理的基于区域的特征引起的去拼接图像外观的其他步骤的其他技术相比，减少了伪像。
O、扩展：通过解释为颜色增益/噪声阈值来对正则化参数进行算子优化。
为了优化在欠定IR模型或适用于受限的彩色框滞后重构的异构(混合效应)模型或有限/单滞后像素特定IR估计模型中所需的正则化参数，所公开的算法可选地控制影响正则化模型中的相关正则化参数的适当成组调整的算子，或者等同地控制用于组合组织和流介质脉冲响应估计的混合效应模型中的相关随机效应方差参数。然后算子将对这个参数的实时主动调整视为控制颜色敏感度。在这种用法中，正则化参数的调整将相应地调整与用于对所关注的像素进行波束成形的那些滞后相邻的随机建模的脉冲响应滞后参数中的预期流信号功率或方差的代表性度量。对参数的误调整将表现为颜色检测中的过度噪音、或颜色检测的静音。因此，它将指示算子针对当前图像场实现算子的预期灵敏度调整所需的相应校正量。在选择难以察觉的小流功率的极端情况下，所公开的CER成像算法将接近匹配滤波器。
P、扩展：编码孔径。
选择编码序列集以用于同时传输。每个序列驱动成组的发射元件集。通过向特定发射元件应用来自允许的空间代码集的数值符号(或其他代码值)来对发射换能器元件集进行空间调制。例如，这些代码可以由来自Hadamard基向量的元素组成。因此，特定的时间代码序列被应用于通过子孔径的传输，这进而对子孔径的组成发射机元件进行空间调制。同样地通过子孔径中的相同发射元件集但是应用针对每一个发射序列不同地选择的不同空间代码(例如，由不同的Hadamard基向量的元素组成)来对多个不同的发射序列进行调制。通过所得的空时调制形成的发射序列集被相加在一起以获得针对子孔径中的每个发射元件的单个时间波形。通过采用“DAC-合成”使用模型，可以通过发射机硬件来应用近似期望的发射波形的总计发射序列。具有其多个空间代码的子孔径然后表示虚拟发射孔径，并且根据其调制时间代码被包括在前面描述的脉冲估计模型中，这类似于物理孔径的脉冲响应的那些，但是在这种情况下，空间编码的孔径不具有直接的拓扑孔径解释。然而，如果空间发射代码形成完备基，则在脉冲响应估计之后，通过将空间代码集的逆变换应用于子孔径中的脉冲响应来针对单独的发射元件获得脉冲响应估计。
Q、扩展：传输非线性补偿。
在文献中通过采用传感器补偿使用模型补偿了传输非线性。这里，描述了描述发射机和换能器中的非线性动态分量的参数。这些参数用于发射脉冲序列的基于模型的优化，其采用J.A.Flynn的2014年7月17日的美国专利申请PCT/US2014/047080“Method AndSystem For Arbitrary Waveform Generation Using A Tri-State Transmit Pulser”(其全部内容并入本文)中所述的动态编程或Viterbi算法技术。这个优化的发射脉冲序列补偿了传输非线性，以产生期望的声波形，其具有比常规的传输的保真度提高的保真度。按照J.A.Flynn的2014年7月17日的美国专利申请PCT/US2014/047080“Method And SystemFor Arbitrary Waveform Generation Using A Tri-State Transmit Pulser”中描述的方法，可以将保真度优化准则限制在换能器带宽内的频率。这种提高的保真度使得能够改进频谱多普勒、彩色流成像和用编码激励发射波形实现的组织运动成像模式的性能。
作为该技术的附加，增强是在现有的设计步骤中将期望的发射波形限制为有限的带宽，其将谐波和互调失真频率分量置于换能器带宽之外。例如，通过采用期望的带宽的升余弦带限原型脉冲[10]并用期望的发射代码对其进行调制，可以实现这种设计。
R、扩展：谐波成像。
通过使用利用代码调制的升余弦脉冲[10]，设计具有多个波长的时间范围的带限波形。带限被限制于换能器带宽的较低部分。在足够高的发射功率水平下，由于介质的非线性传播效应而产生发射信号的二次谐波。在接收到反射的声信号时，产生两个滤波版本，以限制适当的频率。除了滤波以外，还可以根据需要对两个信号分量进行重新采样。信号的这些版本表示基本的线性传输和在与线性频谱区域的两倍相对应的频谱上的非线性传播分量。通过与谐波信号测量相对应的增广测量来扩展脉冲响应估计模型。因此，所得的模型产生与基波脉冲响应和谐波脉冲响应相对应的两个脉冲响应集。通过使用J.Flynn、P.Kaczkowski、K.Linkhart、R.Daigle的“Arbitrary waveforms using a tri-statetransmit pulser”(Ultrasonics Symposium(IUS)，2013 IEEE International，Prague，Czech Republic，2013年7月、第41、44、21-25页)和J.A.Flynn的2014年7月17日的美国专利申请PCT/US2014/047080“Method And System For Arbitrary Waveform GenerationUsing A Tri-State Transmit Pulser”的任意波形合成设计技术，具有其特定带限特性的期望的发射波形被编码到发射机电压电平。由所公开的CER算法提供的编码和SNR增益提供了对谐波传播信号分量的增强检测。
S、扩展：扩展的频谱成像。
通过使用J.Flynn、P.Kaczkowski、K.Linkhart、R.Daigle的“Arbitrarywaveforms using a tri-state transmit pulser”(Ultrasonics Symposium(IUS)，2013IEEE International，Prague，Czech Republic，2013年7月、第41、44、21-25页)和J.A.Flynn的2014年7月17日的美国专利申请PCT/US2014/047080“Method And System ForArbitrary Waveform Generation Using A Tri-State Transmit Pulser”的换能器补偿使用模型，实现了具有补偿的脉冲的换能器的极限上频带边缘处的传输。对于预期的与频率相关的衰减的补偿被合并到发射波形设计中。由于利用编码激励可实现的编码增益，因此伴随较高发射频率的衰减得到缓解。
T、扩展：电流感测经验发射模型。
为了更准确地构建部分II.B、II.C和II.H的卷积模型，可以通过测量与脉冲发生器电压或电流源串联的电阻元件两端的电压来估计发射机电流。电流测量波形可以用作发射期间换能器元件上的隐含电压的估计。进而，发射元件电压可以用作脉冲响应估计模型中的发射符号值的替代。以这种方式，在脉冲响应估计中抑制了发送的脉冲序列中的误差和/或噪声，并且因此在多普勒或剪切波成像的情况下可以缓解该误差和/或噪声。
图18示出了具有Philips L7-4换能器的B-模式应用中的CER算法，其应用于体内以对颈动脉进行成像。该示例使用具有26个元件的稀疏发射孔径，其中48个采集事件各自发送唯一代码集。所发送的代码均具有24个符号。
U、扩展：来自脉冲响应估计的逆散射。
编码激励脉冲响应方法也适用于不是常规波束成形而是逆散射的回溯重构。在这种逆散射作为回溯重构方法的情况下，根据等距往返传播时间的轨迹(如图8所示)，通过下式将表示在图像网格上定义(并且按照字典顺序折叠为向量格式)的目标图像反射率的整个像素集FIS映射到方程(1-19)的完整的发射-接收脉冲响应估计集H
H＝GFIS
这里，类似于方程(1-19)中由矩阵B和A的行执行的选择和插值，矩阵Gamma的行根据列向量H的所关注的行的相应滞后索引来选择与发射-接收对等距离的轨迹中的散射反射率值。
大***非常稀疏，并且可以通过迭代求解器技术(如LSQR)与适当的预调节器相结合并且利用通过来自当前或先前帧的SAIF回溯波束成形的图像设置的初始值来求解未知图像像素FIS。在Flynn，J.A.、Ritcey，J.A.的“″Turbo array receiver for underwatertelemetry”(Signals，Systems and Computers，2004.Conference Record of theThirty-Eighth Asilomar Conference on，Vol.2，7-10Nov.2004，pp.1421，1425)和J.A.Flynn的“Computation and Architectures for Array Receivers in Large Delay-Doppler Spreading”(Ph.D.dissertation，Dept.Elect.Eng.，Univ.of Washington，Seattle，WA，2004)中将该技术用于非成像通信阵列。
与基于预测的像素特定点扩散函数的逆散射模型或基于像素特定的预测场值的逆散射模型相比，脉冲响应模型很好地通用于在空间上落在设计栅格像素位置之间的实际(观测到的)散射。这简化了在逆步骤中使用的正则化方法的任务。这种方法的益处是提高了图像点扩散函数的品质因数。
V、扩展：编码的平面波和多普勒处理。
通过应用所提出的具有特殊的代码约束和处理的算法，提高了平面波多普勒处理的灵敏度。在这种方案中，除了指定PW的传播方向的定向延迟之外，激励代码在发射孔径中的所有换能器元件上是共同的。每一个长度为NC的一对不同的代码[c1、c2]用于每个连续的采集周期(PRI)对，使得针对偶数次(K次)采集，所发送的代码序列是[c1、c2、c1、c2、...、c1、c2]。然后，按照部分II.B的算法，对这些采集对进行处理以用于MISO IR估计，所述算法将发射孔径视为单个宽的发射元件，从而对于M＝1的情况产生具有IR估计集的长度为K/2的序列。根据这个IR估算集，以合并适合于PW发送和接收波束成形的延迟为条件，根据部分II.D执行随后的回溯采集和波束成形。通过这种方法，由发射机非理想性引入的任何***杂波在多普勒慢时间中是固定的，并且可以通过对所得的K/2个图像进行常规的多普勒处理而被移除。虽然用这种方法的惩罚是奈奎斯特最大多普勒频率的2∶1的减少，但是与常规的PW相比的益处是：(1)由于发送的代码中的多个符号周期，提高了给定的发射电压和集合长度的灵敏度、以及(2)由于离散元件阵列的空间采样属性，减少了PW近似发射中来自时间峰后拖尾伪像的重构杂波。这种减少是通过以下事实来实现的：每个建模的IR滞后(时间)由来自介质中的点的轨迹的散射组成，其中每个点由发送的PW中的不同模式的拖尾伪像声穿透；总的来说，这些模式因此不在轨迹上相干地求和，也不适合轨迹上共同的卷积模型，因此被抑制。
该算法变型能够实现高帧速率、多点、定量频谱多普勒，其与其他技术相比，具有更有效的杂波、旁瓣和灵敏度性能。
W、扩展：用于高多普勒或高帧速率成像的非均匀脉冲堆叠模型。
在部分II.H“脉冲响应模型变型”和部分III.F“超高多普勒信号估计”中表示为“脉冲堆叠”的脉冲响应模型变型在这里被一般化为不规则或不均匀的发射突发间隔的情况，以用于减轻由于必要的接收机消隐时段而引起的图像或脉冲响应估计中的伪像，例如目标重影、虚假目标副本或高噪声区域。
在被设计为扩展高于多普勒奈奎斯特率的多普勒频率的无混叠估计的常规的脉冲堆叠方法中，在重构图像中可能出现来自目标的多个虚假返回，这是因为以高于声学往返时间所允许的采集率的采集率对介质进行询问。在常规方法中用于实现多普勒测量的这种惩罚需要仔细选择成像窗口以避免频谱副本。在部分II.H中公开的脉冲堆叠模型设计中，重影得到缓解，然而由于接收消隐而出现高估计噪声区域的频带。无论何时存在发送事件，消隐区域都发生在RF数据测量中。
消隐过程是删改(通过删除)来自RF数据测量向量(例如，在图7中，“用于高多普勒模型的稀疏结构的示意图(两个采集间隔)”)的重合样本。模型矩阵的相应行也通过删除被删改。这个过程产生了在图7中看到的“指定的”非零模型结构区域。当这些“指定”区域在矩阵的给定列处垂直对齐时，针对脉冲响应向量的相应行中的被估量，模型的所得估计的精度显著降低。根据标准线性模型理论[8]，这个效应很容易被模型矩阵的逆Gramian预测。在这里提出的非均匀脉冲堆叠方法中，发送间隔时间被非均匀地调制，从而违反了恒定PRF的构思。这样做的益处是在消隐间隔中出现抖动，从而导致模型矩阵中的指定区域未对齐。这种效果极大地提高了脉冲响应向量元素上的相对均匀值的精度。
为了证明这种效果，对于假设的均匀脉冲堆叠布置和不均匀的脉冲堆叠模型来比较相对精度。在该示例中，统一模型具有声学往返时间限制的三倍的超高PRF。假设的非均匀模型(在这种情况下，具有随机传输时间)具有远远更高的平均传输率，其大约是声限制的九倍。这两个模型被归一化为发射功率相等。结果如图19的精确图中所示。这里，显而易见的是，均匀堆叠模型在与接收机消隐时段相关联的滞后索引处呈现高噪声区域，而非均匀传输脉冲堆叠模型具有脉冲响应估计方差的均匀分布，并且没有噪声频带的明显伪像。
示例中使用的非均匀脉冲堆叠模型的一部分如图20中所示。在左部，在接收机消隐之前示出了模型矩阵。在右部，已经通过删除删改了消隐区域。从图像中显而易见的是，模型中的指定区域在整个非均匀模型中是垂直未对齐的。这给出了非均匀传输间隔如何减轻由于接收机消隐引起的噪声频带的启发式视图。
在将模型扩展到部分II.I、III.C和III.D中讨论的静止组织排斥(STR)和傅立叶处理中，对于流动或组织运动估计，必须在与脉冲传输相对应的非均匀时间上对多项式或傅立叶基向量的相应增广模型项进行采样。一个近似是假设这些时间是分段恒定的，使得对于给定的发送突发，基函数在突发期间也是恒定的。然而，如果例如使用非常长的突发，则这很容易被一般化到对基函数的精确时间支持。
实现方式
可以如以下代表性示例中所描述的那样实现上述公开，所述代表性示例被提供为非包含性的、非限制性的示例集。
执行编码激励成像的两步法首先估计介质的脉冲响应(IR)，然后通过经由IR集合进行回溯传输，对用于波束成形的虚拟波前进行合成。在步骤1中，在多个帧期间在多个元件上同时发送编码波形。多输入单输出(MISO)***是由代码构建的，以对发射-接收路径进行建模。通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集。在步骤2中，向与第一MISO***类似地但是使用便于波束成形的脉冲(例如，用于理想聚焦重构的聚焦的单周期脉冲集)构建的第二MISO***应用估计。因此，在声学时间预算下，探测序列可以被最佳地设计用于IR表征，而回溯采集在声学时间之外被合成。
以包括以下步骤的一种形式基本上按所提供的顺序来实现超声成像的方法：在多个帧期间在多个元件上同时发送编码波形；根据代码来构建第一多输入单输出(MISO)***以对发射-接收路径进行建模；通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集；以及向与所述第一MISO***类似地但是使用被配置为进行波束成形的脉冲构建的第二MISO***应用估计，所述脉冲具有用于聚焦重构的聚焦的单周期脉冲集的形式。
上述的超声成像方法可以被修改为使得这些步骤基本上按照如下顺序：使用在多个采集事件的时间序列上同时从多个换能器元件或孔径发射的编码激励传输，在换能器元件上以估计多输入单输出(MISO)脉冲响应声学模型集的方式对随后接收的RF超声数据进行处理，针对每个发射-接收换能器信道对一个多输入单输出(MISO)脉冲响应声学模型；并且随后采用第二步骤，该步骤包括通过重复激励MISO模型来虚拟地采集虚拟RF数据作为存在的成像介质的替代，并且随后使用虚拟RF数据进行波束成形或图像重构以产生影像。
使用本文的描述的超声成像方法的替代形式包括：使用编码激励传输在时间序列上同时从多个换能器元件向介质发射声信号；响应于所述发射而在多个换能器元件处接收回声信号；以估计多输入单输出(MISO)脉冲响应声学模型集的方式对所接收的回声信号进行处理，其中针对每个换能器元件处的每个发射-接收对一个多输入单输出(MISO)脉冲响应声学模型；通过重复地激励MISO模型来采集虚拟数据作为存在的成像介质的替代，以及使用虚拟数据进行图像重构，以在显示设备上产生可视图像。
用于超声组织运动成像的方法还可以在以下步骤中按基本上下面列出的顺序来实现：使用编码激励传输在时间序列上同时从多个换能器元件向介质发射声信号；响应于所述发射而在所述多个换能器元件处接收回声信号；对所接收的回声信号进行处理，包括：估计多输入单输出(MISO)脉冲响应声学模型集，其中针对每个换能器元件处的每个发射-接收对一个输入单输出(MISO)脉冲响应声学模型，并且保留拟合与所使用的数据相符的误差残差的相应估计，使得静止组织信号在拟合的残差中被抑制，同时所关注的血流或运动引起的多普勒信号在拟合的残差中被保留；以及对所述残差数据进行处理，以产生血流或移动组织影像。
前述方法的***实现将利用以下组件：用于在多个帧期间在多个元件上同时发送编码波形的装置；用于根据代码来构建第一多输入单输出(MISO)***以对发射-接收路径进行建模的装置；用于通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的IR集的装置；以及用于向与所述第一MISO***类似地但是使用被配置为进行波束成形的脉冲构建的第二MISO***应用估计的装置，所述脉冲具有用于聚焦重构的聚焦的单周期脉冲集的形式。这样的装置在本文中被描述或者是本领域技术人员所熟知的。
在下面使用非限制性示例的形式的变型和优选来描述前面的方法的附加实现方式。
示例(1)一种通过编码激励重构(CER)进行超声成像的方法，包括使用在多个采集事件的时间序列上同时从多个换能器元件或孔径发射的编码激励传输，在换能器元件上以估计多输入单输出(MISO)脉冲响应声学模型集的方式对随后接收的RF超声数据进行处理，其中针对每个发射-接收换能器信道对一个多输入单输出(MISO)脉冲响应声学模型；随后采用第二步骤，该步骤包括通过重复地激励MISO模型来虚拟地获取虚拟RF数据作为存在的成像介质的替代，以及随后使用虚拟RF数据进行波束成形或图像重构以产生影像。
示例1.1)通过确保所公开的成像方法而修改的根据示例(1)所述的方法基于硬件限制或主题安全性而引起最小的机械指数或对发射元件破坏性电压极限的最佳余量或其他针对每个元件的发射电压限制，针对多个发射-接收采集事件，采用跨多个发射换能器元件(或者实现多个孔径的元件的集合)是时空分集的且同时的发射代码，从而生成非相干或不相干的物理声场，所述发射代码是通过对已知发射代码进行适当的处理进行变换的。这种变换产生声学散射模型集，随后使用虚拟采集和波束成形或通过虚拟传输进行的重构，来对声学散射模型集进行处理，所述虚拟传输可以是聚焦的或不聚焦的，或者具有相干或不相干的属性。
示例(1.2)：根据示例(1)所述的方法，其中编码激励波形被发送和处理以产生最佳线性无偏(BLUE)脉冲响应估计、或者以其他方式控制的准确度和精度的脉冲响应估计和因此利用这些最优特性的MISO声学模型；并且其中使用该模型的后续虚拟采集和波束成形使得能够回溯地估计合成孔径理想聚焦(SAIF)影像或者使用物理发射孔径的子集的任何其他回溯成像或信号估计、最佳线性度和无偏的(BLUE)的任何其他回溯成像或信号估计或最佳控制的准确度和精度的任何其他回溯成像或信号估计，其中使用所述物理发射孔径的子集的任何其他回溯成像或信号估计以其带宽以及线性度和被询问的介质的运动假设为条件。
示例(1.3)根据示例(1)所述的方法，利用λ间距的换能器阵列产生波束定向或相控阵列成像，结果是按比例改善的横向分辨率，同时抑制栅瓣伪像；其中所公开的成像方法允许由于编码激励处理的高SNR而引起的有效的换能器带宽补偿；其中所述带宽补偿允许利用λ间距的换能器阵列进行有效的宽带成像，同时抑制栅瓣。
示例(1.4)根据示例(1)所述的方法，其中移动组织的超声成像是通过以下方式来完成的：以滑动窗重构(SWR)方式执行CER，从而处理与采集事件的相应子集相对应的空时分集的发射代码的顺序的、重叠的、连续的时间子集，使得每个处理间隔生成与在子集间隔中传输的代码相对应的CER衍生的图像，从而产生代表在整个采集序列期间存在的运动并且适合于剪切波检测成像的图像序列。
示例(1.4.1.1)根据示例(1.4)所述的方法，其中SWR-CER处理产生代表在整个采集序列期间存在的运动的图像序列；随后还执行逐像素处理以完成壁运动或静止组织信号抑制以及随后的多普勒频率估计，从而实现多普勒流成像或频谱多普勒分析。
示例(1.4.1.2)根据示例(1.4)所述的方法，其中SWR-CER处理产生代表在整个采集序列期间存在的运动的图像序列；并且随后还执行逐像素处理以完成随后的多普勒频率估计，从而实现多普勒组织运动成像。
示例(1.4.1.3)根据示例(1.4)所述的方法，其中SWR-CER处理产生代表在整个采集序列期间存在的运动的图像序列；并且随后还执行逐像素处理以完成随后的剪切波检测，从而实现剪切波成像。
示例(1.5)根据示例(1)所述的方法，其中脉冲响应滞后时间演化的多项式模型、傅立叶模型或其它低秩模型提供对由于移动组织或散射引起的信号分量的估计的保真度，从而提供抑制来自B-模式影像的运动伪像的相应鲁棒性。
示例(1.6)根据示例(1)所述的方法，其中应用于估计的MISO声学模型的回溯采集事件采用为虚拟发射信道唯一地定义并且为要成像的每一个像素唯一地定义的回溯(虚拟)发射波形，使得针对图像中的每一个像素实现灵敏度、空间分辨率和对比度分辨率的最佳折中。
示例(1.7)根据示例(1)所述的方法，其中在换能器元件集上同时物理地发送多个不同的代码被一般化为在换能器元件的成组的不同子集上进行发送，每个子组形成元件的子阵列或子孔径，所述元件被等同地激励或者除了元件特定的延迟之外被等同地激励，从而在空间点处实现定向或聚焦。
示例(1.8)根据示例(1)所述的方法，其中在换能器元件集上同时物理地发送多个不同的代码被一般化为在共同定位的孔径集上进行发送，每个不同的代码利用所有可用的换能器阵列元件，并且每个不同的代码由聚焦延迟来定义从而实现期望的物理焦点位置，使得生成由不同的时间代码调制的多个同时波前，每个波前使用所有可用的发射机元件；并且其中调制阵列信号实现所得的声阵列传输，所述声阵列传输在线性连续级发射放大器的情况下是各个孔径编码调制的各个阵列信号之和，或者在离散级放大器的情况下是阵列信号之和的离散状态编码。
示例(1.9)根据示例(1)所述的方法，其中应用于估计的MISO声学模型的回溯采集事件采用以可用计算资源的精度定义的任意回溯(虚拟)发射波形，使得有效成像波形保真度不受物理硬件的发射机精度的限制；从而使得能够实现具有增强的换能器带宽的成像和成像的相应的轴向分辨率提高。
示例(1.10)根据示例(1)所述的方法，其中脉冲响应估计步骤针对多个发射-接收采集事件采用跨多个发射换能器元件(或者实现多个孔径的元件的集合)是时空分集的且同时的发射代码，所述发射代码是通过对非线性损坏的组成传输的测量的适当处理进行变换的，并且可以是利用由发射机硬件非理想性引起的时变变换进行变换的；其中进行测量以便构成由于传输的符号值而引起的所实现的发射电压波形的替代；并且其中变换产生声学散射模型集，随后使用虚拟采集和波束成形或通过虚拟传输进行的重构来对声学散射模型集进行处理以实现成像。
示例(1.11)根据示例(1)所述的方法，其中扩展频谱成像的增强分辨率是通过在换能器的上限频带边缘处的传输来实现的，所述传输是通过经由传输波形设计对换能器元件的预期的频率相关衰减进行补偿来实现的；并且其中由于利用底层编码激励传输可实现的编码增益，因此伴随较高发射频率的衰减得到缓解。
示例(1.12)根据示例(1)所述的方法，其中通过传输对带限脉冲进行调制的编码激励序列来实现增强的谐波成像，其中脉冲被设计为在谐波频带中具有频谱空缺，使得减轻在传输时的谐波产生；从而允许由于成像介质中的非线性而引起的更准确地接收的谐波。
示例(1.13)-根据示例(1)所述的方法，以超过与所采用的成像窗口深度的声学往返极限相对应的帧速率的帧速率产生具有缓解的重影和其他伪像的超声图像；并且在大于与所采用的连续接收机间隔相对应的成像窗口深度跨度的成像窗口深度跨度上产生超声影像；并且在大于与所采用的成像窗口或多普勒测量窗口深度的声学往返极限相对应的多普勒频率的多普勒频率上产生具有缓解的频率混叠的超声多普勒影像或估计；包括采用实质上小于由换能器阵列元件询问的成像介质的声脉冲响应的长度的发射-接收间隔；并且使用在随机或不规则抖动的时间调度的发射-接收间隔；以及以考虑多个重叠脉冲响应的方式聚集抖动的发射-接收间隔的阵列RF测量，以得到解释观测测量的准确MISO模型。
示例(1.13.1)根据示例(1.13)所述的方法，减轻发射机非线性对多普勒处理的有害影响包括：使用具有相同的发射-接收调度抖动和相同的激励代码序列实现的发射-接收调度的连续帧。
示例(1.14)根据示例(1)所述的方法，根据二维换能器阵列产生三维影像，该影像具有高帧速率、高SNR和灵敏度、低机械指数和空间功率密度、抑制的拼接和区域混合伪像的质量；包括：对于编码激励传输步骤，选择适当分布的换能器阵列元件的子集作为发射孔径，或者在扩展发射子孔径的情况下作为参考元件；以及在发射元件处或在偏离阵列的虚拟顶点处发送原点的球面或未聚焦波；并且在回溯采集和波束成形步骤中，使用发射孔径集或参考元件或虚拟顶点的位置(如果适用的话)来定义波束成形延迟并实现成像。
示例(1.15)根据示例(1)所述的方法，其中在换能器元件集上同时物理地发送多个不同的代码被一般化为在共同定位的孔径集上进行发送，每个孔径使用所有可用的换能器阵列元件，并且每个孔径由在该孔径上与空间相关的二次编码来定义，使得生成均由不同的时间代码调制的多个同时孔径编码波前，每个波前使用所有可用的发射机元件；并且其中调制阵列信号实现所得的声阵列传输，所述声阵列传输在线性连续级发射放大器的情况下是各个孔径编码调制的各个阵列信号之和，或者在离散级放大器的情况下是阵列信号之和的离散状态编码。
示例(1.16)根据示例(1)所述的方法，其中在发射机和换能器非线性存在的情况下保留期望的编码调制信号传输的保真度，包括：对发射信号进行预补偿，预补偿由受到合并了所识别的非线性参数的模型约束的保真度准则的优化来确定，使得产生保真度比未补偿传输的保真度更高的期望的声波波形。
主要示例(2)一种超声血流或组织运动成像或估计的方法，包括：使用从多个换能器元件或孔径同时发射的编码激励传输，在换能器元件上以估计多输入单输出(MISO)脉冲响应声学模型集的方式对随后接收到的RF超声数据进行处理，针对每个发射-接收换能器信道对一个多输入单输出(MISO)脉冲响应声学模型；并且保留拟合与所使用的RF数据相符的误差RF残差的相应估计，使得静止组织信号在RF拟合的残差中被抑制或压制，同时所关注的血流或运动引起的多普勒信号在RF拟合的残差中被保留；以及随后采用进一步的步骤，包括：对RF残余数据进行处理以产生血流或移动组织影像或估计。
示例(2.1)根据示例(多普勒)所述的方法，其中用于脉冲响应滞后时间演化的多项式基时变卷积模型、傅里叶基时变卷积模型或其它低秩基时变卷积模型提供了针对由于静止或缓慢移动组织或散射引起的信号分量的估计的保真度，从而提供分离和抑制来自保留在RF拟合的残差中的期望的多普勒信号的不期望的组织运动信号分量的相应鲁棒性。
示例(2.2)根据示例(2.1)所述的方法，其中通过以下方式来提供多普勒影像或估计：随后对RF拟合的残差数据进行处理，包括二次CER处理，所述二次CER处理针对脉冲响应滞后时间演化的时变卷积模型采用傅里叶基或部分傅里叶基；其中产生的脉冲响应集形成发射-接收机信道对的MISO模型的频谱，其中针对每个采用的傅里叶系数一个脉冲响应集；以及对其每个傅里叶系数MISO估计集进行回溯虚拟采集和波束成形，从而形成各自对应于所采用的多普勒频率的傅立叶估计的图像的频谱；以及向所述图像的频谱应用数据彩色流多普勒检测和显示功能或者频谱多普勒呈现模式。
示例(2.2.1)根据示例(2.2)所述的方法，其中通过以下方式来提供向量流或运动影像或估计：随后对RF拟合的残差数据进行处理，包括二次CER处理，所述二次CER处理针对脉冲响应滞后时间演化的时变卷积模型采用傅里叶基或部分傅里叶基；其中产生的脉冲响应集形成发射-接收机信道对的MISO模型的频谱，其中针对每个采用的傅里叶系数一个脉冲响应集；选择所关注的向量运动速度估计范围的二维采样网格；对每个图像重构像素进行回溯虚拟采集和随后的波束成形，从而产生各自对应于所关注的向量速度网格点的图像的频谱，其中针对每个组成的发射-接收信道对使用插值到由针对像素和向量速度网格点的双基地距离-速率方程值确定的多普勒频率的傅里叶系数MISO估计。
示例(2.3)根据示例(2.1)所述的方法，其中通过以下方式来提供多普勒影像或估计：随后对RF拟合的残差数据进行处理(包括使用与每个成像像素位置处的预期声学标记相对应的脉冲压缩匹配滤波器)、然后进行波束成形，从而产生针对每个采集事件或脉冲重复间隔PRI的图像；逐个像素地在PRI索引上对所述图像进行数据多普勒处理，以产生彩色流多普勒图像或多普勒频谱模态估计。
示例(2.4)根据示例(2.1)所述的方法，其中通过以下方式来提供多普勒影像或估计：随后对RF拟合的残差数据进行处理，包括二次CER处理，所述二次CER处理针对脉冲响应滞后时间演化的时变卷积模型采用傅里叶基或部分傅里叶基；其中产生的脉冲响应集形成发射-接收机信道对的MISO模型的频谱，其中针对每个采用的傅里叶系数一个脉冲响应集；在每个所采用的傅里叶系数上在其傅里叶频率索引的频谱上通过傅里叶逆变换对每个脉冲响应滞后值进行处理，以生成针对每个滞后值的时间历史，从而产生MISO模型的时间历史；以及对其MISO估计集进行回溯虚拟采集和波束成形，从而形成各自对应于采集事件时间的图像的时间历史；对图像应用彩色流多普勒处理或频谱多普勒处理以实现相应的多普勒模态。
示例(2.5)根据示例(2.1)所述的方法，其中通过以下方式来提供多普勒影像或估计：随后对RF拟合的残差数据进行处理，包括二次CER处理，所述二次CER处理采用其MISO模型向重构所关注的像素(POI)所需的滞后的子集和使来自其他像素的反射信号有助于RF测量的剩余滞后的像素特定异构(或混合效应)划分；其中所述MISO模型具有针对滞后参数的随机指定，所述滞后参数反映针对POI相关联的滞后分区的低方差或确定性属性，而随机地以较高方差对剩余滞后参数进行建模以完成模型的正则化；其中生成的脉冲响应集形成发射-接收机信道对的MISO模型的时间序列，其中针对每个采集事件或脉冲重复间隔(PRI)独立地对所述MISO模型进行求解，从而提供针对每个PRI的流散射的MISO模型估计；然后对其每个采集MISO估计进行回溯虚拟采集和波束成形，从而形成各自对应于PRI的图像的时间序列；以及逐个像素地在所有PRI时间上执行数据彩色流多普勒处理或频谱多普勒处理，从而提供多普勒流影像或频谱多普勒模态估计。
示例(2.5.1)根据示例2.5所述的方法，还包括：有效地设置正则化参数或随机流信号描述参数的值，其被适当地分组以允许由人工操作员进行交互式调整，或通过临床优化程序或自动化代理来进行交互式调整，从而实现用于证明彩色流多普勒影像中的像素合格的检测增益阈值。
主要示例(3)一种通过编码激励重构(CER)进行超声成像的方法，包括：使用在多个采集事件的时间序列上同时从多个换能器元件或孔径发射的编码激励传输，在换能器元件上以估计多输入单输出(MISO)脉冲响应声学模型集的方式对随后接收到的RF超声数据进行处理，其中针对每个发射-接收换能器信道对一个多输入单输出(MISO)脉冲响应声学模型；并且随后采用第二步骤，第二步骤包括将散射反射率的期望的图像像素网格映射到与所采用的发射-接收元件对集的等距往返传播(ERTP)时间的散射轨迹相对应的预测脉冲响应集；使用所描述的ERTP映射形成模型；采用在第一IR估计步骤中估计的脉冲响应作为由于在未知假设散射栅格上操作的预测ERTP脉冲响应模型而产生的测量；以及在所得到的线性方程组中求解未知的假设散射来实现成像。
上述各种实施例可以被组合以提供进一步的实施例。如果必要的话，可以修改实施例的方面以利用各种专利、应用和公开的的构思来提供另外的实施例。
根据以上详细描述，可以对这些实施例做出这些和其他改变。通常，在下面的权利要求中，所使用的术语不应该被解释为将权利要求限制在说明书和权利要求中公开的具体实施例，而是应该被解释为包括所有可能的实施例以及这样的权利要求所享有的等价物的全部范围。因此，权利要求不受本公开的限制。

Claims (19)

1.一种方法，包括：
在多个帧期间在多个元件上同时发送编码波形；
根据代码来构建第一多输入单输出MISO***以对发射-接收路径进行建模；
通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的脉冲响应IR集；以及
向与所述第一MISO***类似地但是使用被配置为进行波束成形的脉冲构建的第二MISO***应用估计，所述脉冲具有用于聚焦重构的聚焦的单周期脉冲集的形式。
2.一种通过编码激励重构CER进行超声成像的方法，包括：
使用编码激励传输在时间序列上同时从多个换能器元件向介质发射声信号；
响应于所述发射而在所述多个换能器元件处接收回声信号；
以估计多输入单输出MISO模型集的方式对所接收的回声信号进行处理，从而给出针对每个发射-接收换能器元件对的脉冲响应；
通过重复激励所述MISO模型来采集虚拟数据作为所呈现的成像介质的替代；以及
使用所述虚拟数据进行图像重构以在显示设备上产生视觉图像。
3.根据权利要求2所述的方法，其中，所述发射包括：使用编码激励传输波形来发射所述声信号以产生最佳线性无偏BLUE脉冲响应估计；并且其中使用所述MISO模型采集虚拟数据和图像重构步骤使得能够实现使用所述物理换能器元件的子集的最佳线性和无偏BLUE的回溯成像估计或信号估计。
4.根据权利要求2所述的方法，其中，所述发射包括：利用λ间距的换能器阵列产生波束定向或相控阵列成像，以获得按比例改善的横向分辨率，同时抑制栅瓣伪像；并且还包括：获得由于编码激励处理的高SNR而引起的换能器带宽补偿，其中所述带宽补偿允许利用λ间距的换能器阵列进行有效的宽带成像，同时抑制栅瓣。
5.根据权利要求2所述的方法，其中，移动组织的超声成像是通过以下方式来完成的：以滑动窗重构SWR方式执行所述CER，并且处理与采集事件的相应子集相对应的时空分集的发射代码的顺序的、重叠的、连续的时间子集，使得每个处理间隔生成与在子集间隔中传输的代码相对应的CER衍生的图像，从而产生代表在整个采集序列期间存在的运动并且适合于剪切波检测成像的图像序列。
6.根据权利要求2所述的方法，其中，所述SWR-CER执行产生代表在整个采集序列期间在所述介质中存在的运动的图像序列；随后使用逐像素处理来完成壁运动或静止组织信号抑制以及随后的多普勒频率估计，以实现多普勒流成像或频谱多普勒分析。
7.根据权利要求2所述的方法，其中，所述SWR-CER执行产生代表在整个采集序列期间在所述介质中存在的运动的图像序列；并且随后使用逐像素处理来获得多普勒频率估计和多普勒组织运动成像。
8.根据权利要求4所述的方法，其中，所述SWR-CER执行产生代表在整个采集序列期间在所述介质中存在的运动的图像序列；并且随后使用逐像素处理来完成随后的剪切波检测和剪切波成像。
9.根据权利要求2所述的方法，其中，所述处理包括：使用脉冲响应滞后时间演化的多项式模型、傅立叶模型或其它模型来提供对由于移动组织或散射引起的信号分量的估计的保真度，并且提供抑制来自B-模式影像的运动伪像的增加的有效性。
10.根据权利要求2所述的方法，其中，所述发射包括：在换能器元件集上同时发送多个不同的代码，其被一般化为在换能器元件的成组的不同子集上进行发送，每个子组形成所述换能器元件的子阵列，所述换能器元件被等同地激励以在所述介质中的空间点处实现定向或聚焦。
11.根据权利要求2所述的方法，其中，所述发射包括：在换能器元件集上同时发送多个不同的代码，其被一般化为在共同定位的换能器元件集上进行发送，每个不同的代码利用所述集合中的所有可用的换能器阵列元件，并且每个不同的代码由聚焦延迟来定义以获得发射的声信号在所述介质中的至少一个物理焦点位置处的聚焦，从而生成由不同的代码调制的多个同时波前，每个波前使用所述集合中的所有可用的换能器元件。
12.根据权利要求11所述的方法，其中，通过不同的代码进行调制包括：在线性连续级发射放大器的情况下，生成作为各个孔径编码调制的各个阵列信号之和的声阵列传输，或者在离散级放大器的情况下，生成作为所述阵列信号之和的离散状态编码的声阵列传输。
13.一种超声组织运动成像的方法，包括：
使用编码激励传输在时间序列上同时从多个换能器元件向介质发射声信号；
响应于所述发射而在所述多个换能器元件处接收回声信号；
对所接收的回声信号进行处理，包括：估计多输入单输出MISO脉冲响应声学模型集，其中针对每个换能器元件处的每个发射-接收对一个输入单输出MISO脉冲响应声学模型，并且保留拟合与所使用的数据相符的误差残差的相应估计，使得静止组织信号在拟合的残差中被抑制，同时所关注的血流或运动引起的多普勒信号在拟合的残差中被保留；以及
对所述残差数据进行处理，以产生血流或移动组织影像。
14.根据权利要求13所述的方法，包括：通过随后对所拟合的残差数据进行处理来提供多普勒影像，包括：进行二次CER处理，所述二次CER处理针对脉冲响应滞后时间演化的时变卷积模型采用傅立叶基或部分傅立叶基来生成形成发射-接收换能器元件对的MISO模型的频谱的脉冲响应集，其中针对每个采用的傅里叶系数一个脉冲响应集；以及对其每个傅里叶系数MISO估计集进行回溯虚拟采集和波束成形，从而形成各自对应于所采用的多普勒频率的傅立叶估计的图像的频谱；以及向所述图像的频谱应用数据彩色流多普勒检测和显示功能以及频谱多普勒呈现模式中的至少一项。
15.根据权利要求13所述的方法，包括：随后对所拟合的残差数据进行处理以提供向量流、运动影像和运动估计中的至少一个，所述随后处理包括：进行二次CER处理，所述二次CER处理针对脉冲响应滞后时间演化的时变卷积模型采用傅里叶基或部分傅立叶基以生成形成发射-接收机换能器元件对的MISO模型的频谱的脉冲响应集，针对每个所采用的傅立叶系数一个脉冲响应集；选择所关注的向量运动速度估计范围的二维采样网格；对每个图像重构像素进行回溯虚拟采集和随后的波束成形，从而产生各自对应于所关注的向量速度网格点的图像的频谱，其中针对每个组成的发射-接收换能器元件对使用插值到由针对像素和向量速度网格点的双基地距离-速率方程值确定的多普勒频率的傅里叶系数MISO估计。
16.根据权利要求13所述的方法，其中，通过以下方式来提供多普勒影像或估计：随后通过使用与每个成像像素位置处的预期声学标记相对应的脉冲压缩匹配滤波器来对RF拟合的残差数据进行处理、然后进行波束成形，从而产生针对每个采集事件或脉冲重复间隔PRI的图像；逐个像素地在PRI索引上对所述图像进行数据多普勒处理，以产生彩色流多普勒图像或多普勒频谱模态估计。
17.根据权利要求13所述的方法，其中，通过以下方式来提供多普勒影像或估计：随后通过二次CER处理对所拟合的残差数据进行处理来生成形成发射-接收机换能器元件对的MISO模型的频谱的脉冲响应集，其中针对每个所采用的傅里叶系数一个脉冲响应集，所述二次CER处理针对脉冲响应滞后时间演化的时变卷积模型采用傅里叶基或部分傅里叶基；在每个所采用的傅里叶系数上在其傅里叶频率索引的频谱上通过傅里叶逆变换对每个脉冲响应滞后值进行处理，以生成针对每个滞后值的时间历史并产生MISO模型的时间历史；以及对其MISO估计集进行回溯虚拟采集和波束成形，以形成各自对应于采集事件时间的图像的时间历史；以及应用彩色流多普勒处理和频谱多普勒处理中的至少一个以实现相应的多普勒模态。
18.根据权利要求17所述的方法，其中，通过以下方式来提供多普勒影像或估计：随后通过二次CER处理对所拟合的残差数据进行处理，所述二次CER处理采用其MISO模型向被配置为重构所关注的像素POI的滞后的子集和使来自其他像素的反射信号有助于RF测量的剩余滞后的像素特定异构划分；其中所述MISO模型具有针对滞后参数的随机指定，所述滞后参数反映针对POI相关联的滞后分区的低方差或确定性属性，而随机地以较高方差对剩余滞后参数进行建模以完成模型的正则化，从而生成形成发射-接收机信道对的MISO模型的时间序列的脉冲响应集，其中针对每个脉冲重复间隔PRI独立地对所述MISO模型进行求解，从而提供针对每个PRI的流散射的MISO模型估计；然后对其每个采集MISO估计进行回溯虚拟采集和波束成形以形成对应于PRI的图像的时间序列；以及逐个像素地在所有PRI时间上执行应用数据彩色流多普勒处理和频谱多普勒处理中的至少一个，以提供多普勒流影像和频谱多普勒模态估计中的至少一个。
19.一种***，包括：
用于在多个帧期间在多个元件上同时发送编码波形的装置；
用于根据代码来构建第一多输入单输出MISO***以对发射-接收路径进行建模的装置；
用于通过线性模型理论对***和RF数据观测进行求解，从而给出针对介质的脉冲响应IR集的装置；以及
用于向与所述第一MISO***类似地但是使用被配置为进行波束成形的脉冲构建的第二MISO***应用估计的装置，所述脉冲具有用于聚焦重构的聚焦的单周期脉冲集的形式。
CN201680030608.6A 2015-04-01 2016-03-30 用于通过脉冲响应估计和回溯采集进行编码激励成像的方法和*** Active CN107613877B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562141749P 2015-04-01 2015-04-01
US62/141,749 2015-04-01
PCT/US2016/025050 WO2016161009A1 (en) 2015-04-01 2016-03-30 Method and system for coded excitation imaging by impulse response estimation and retrospective acquisition

Publications (2)

Publication Number Publication Date
CN107613877A true CN107613877A (zh) 2018-01-19
CN107613877B CN107613877B (zh) 2021-03-02

Family

ID=57007587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680030608.6A Active CN107613877B (zh) 2015-04-01 2016-03-30 用于通过脉冲响应估计和回溯采集进行编码激励成像的方法和***

Country Status (7)

Country Link
US (1) US11619730B2 (zh)
EP (1) EP3282951A4 (zh)
JP (1) JP6952023B2 (zh)
KR (1) KR102573142B1 (zh)
CN (1) CN107613877B (zh)
CA (1) CA2981305A1 (zh)
WO (1) WO2016161009A1 (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109655644A (zh) * 2018-12-26 2019-04-19 中电科仪器仪表有限公司 一种降低任意波信号输出抖动的方法和装置
CN110174656A (zh) * 2019-05-21 2019-08-27 电子科技大学 一种基于频域宽带波束形成的稀疏阵列设计方法及装置
CN110261673A (zh) * 2019-05-14 2019-09-20 哈尔滨工业大学 一种基于电压、电流双脉冲信号的虚拟脉冲功率测量***及方法
CN110806587A (zh) * 2018-07-11 2020-02-18 索尼半导体解决方案公司 电子装置、驱动方法和存储介质
CN111879368A (zh) * 2020-07-23 2020-11-03 北京瑞德联数据科技有限公司 一种流量测量中相移检测方法、装置及设备
CN112132367A (zh) * 2019-06-05 2020-12-25 国网信息通信产业集团有限公司 一种用于企业经营管理风险识别的建模方法及装置
CN112802556A (zh) * 2021-01-20 2021-05-14 天津大学合肥创新发展研究院 一种针对测序数据的多标记序列并行识别的加速器装置
CN113327266A (zh) * 2021-04-26 2021-08-31 北京大学 基于脉冲相机的光流估计方法及装置、计算机设备、介质
CN113888471A (zh) * 2021-09-06 2022-01-04 国营芜湖机械厂 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法
CN114265020A (zh) * 2021-11-21 2022-04-01 西安电子工程研究所 一种对雷达距离—多普勒图有损数据压缩的方法
US11320515B2 (en) * 2020-04-21 2022-05-03 GM Global Technology Operations LLC Detection with multipath reflection elimination in multi-input multi-output radar system
CN114609589A (zh) * 2022-03-09 2022-06-10 电子科技大学 一种基于启发式回溯的实时相控阵雷达波束驻留调度方法
CN114994467A (zh) * 2022-05-26 2022-09-02 海南电网有限责任公司乐东供电局 一种基于长测试脉冲的电缆故障双端定位方法
CN116500568A (zh) * 2023-06-29 2023-07-28 成都华兴汇明科技有限公司 一种长时动态多目标重叠信号的生成方法及***
CN116539067A (zh) * 2023-05-25 2023-08-04 哈尔滨工程大学 一种声学多普勒长期测速精度估计方法
CN117250587A (zh) * 2023-11-07 2023-12-19 烟台初心航空科技有限公司 抗干扰iff雷达应答信号产生方法

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9661604B1 (en) * 2016-06-30 2017-05-23 HawkEye 360, Inc. Determining emitter locations
JP6912561B2 (ja) * 2016-09-16 2021-08-04 アンスティチュ ナショナル ドゥ ラ サンテ エ ドゥ ラ ルシェルシュ メディカル 血液を伴う試料をイメージングするための方法および関連装置
WO2018075721A1 (en) * 2016-10-21 2018-04-26 Mayo Foundation For Medical Education And Research Delay-encoded harmonic imaging with an ultrasound system
US10466336B2 (en) 2017-06-30 2019-11-05 HawkEye 360, Inc. Detecting radio signal emitter locations
JP7274230B2 (ja) * 2018-05-09 2023-05-16 ダルハウジー、ユニバーシティー 疎直交発散波超音波イメージングのシステムおよび方法
EP3586759A1 (en) * 2018-06-28 2020-01-01 Koninklijke Philips N.V. Methods and systems for performing color doppler ultrasound imaging
CN108984880B (zh) * 2018-07-04 2023-05-26 西安电子科技大学 基于最小二乘法的变形阵列天线电性能快速补偿方法
US11647989B2 (en) * 2018-09-11 2023-05-16 Philips Image Guided Therapy Corporation Devices, systems, and methods for multimodal ultrasound imaging
US11237277B2 (en) 2019-02-15 2022-02-01 Horizon Technologies Consultants, Ltd. Techniques for determining geolocations
CN110211205B (zh) * 2019-06-14 2022-12-13 腾讯科技（深圳）有限公司 图像处理方法、装置、设备和存储介质
CN110161491B (zh) * 2019-06-28 2021-01-12 电子科技大学 一种针对微弱生命体的测距和呼吸频率估计方法
CN111227867B (zh) * 2020-03-10 2021-01-12 云南大学 一种超声多普勒血流成像方法及***
CN112754529B (zh) * 2021-01-08 2024-04-19 东软教育科技集团有限公司 基于频域迁移的超声平面波成像方法、***及存储介质
US11559285B2 (en) * 2021-02-17 2023-01-24 Vortex Imaging Ltd. Reflection ultrasound tomographic imaging using full-waveform inversion
CN117377870A (zh) * 2021-06-11 2024-01-09 积分几何科学公司 影像化装置以及影像化方法
BR112023025244A2 (pt) * 2021-06-17 2024-02-20 Kenjiro Kimura Dispositivo de formação de vídeo e método de formação de vídeo
US20230051063A1 (en) * 2021-08-09 2023-02-16 University Of Rochester Method and system of pulse-echo ultrasound imaging using pseudo-random sparse arrays
CN114859353B (zh) * 2022-07-11 2022-09-27 中国人民解放军国防科技大学 基于辐射场等效测量的孔径编码成像***建模方法和装置
CN116094876B (zh) * 2023-03-10 2023-08-29 南京邮电大学 一种基于非对称架构的正交时频空***的信道估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010044278A1 (en) * 2000-01-31 2001-11-22 General Electric Company Method and apparatus using coded excitation in ultrasonic perfusion imaging
CN102123668A (zh) * 2008-06-26 2011-07-13 维拉声学公司 使用未聚焦发送波束的高帧率定量多普勒流成像
CN102133089A (zh) * 2011-03-28 2011-07-27 李鹏 血流速度估计方法和利用该方法的彩色血流图生成方法
CN104105449A (zh) * 2011-12-01 2014-10-15 毛伊图像公司 使用基于声脉冲和多孔多普勒超声的运动检测
US20150080725A1 (en) * 2013-09-13 2015-03-19 Decision Sciences International Corporation Coherent spread-spectrum coded waveforms in synthetic aperture image formation

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61217142A (ja) * 1985-03-22 1986-09-26 株式会社東芝 超音波画像装置
US5938611A (en) * 1998-03-26 1999-08-17 General Electric Company Method and apparatus for color flow imaging using coded excitation with single codes
US6748098B1 (en) * 1998-04-14 2004-06-08 General Electric Company Algebraic reconstruction of images from non-equidistant data
US6213947B1 (en) * 1999-03-31 2001-04-10 Acuson Corporation Medical diagnostic ultrasonic imaging system using coded transmit pulses
US20020193146A1 (en) * 2001-06-06 2002-12-19 Mark Wallace Method and apparatus for antenna diversity in a wireless communication system
US6796944B2 (en) 2002-05-17 2004-09-28 Ge Medical Systems Global Technology, Llc Display for subtraction imaging techniques
US6695778B2 (en) * 2002-07-03 2004-02-24 Aitech, Inc. Methods and systems for construction of ultrasound images
US6987797B2 (en) * 2002-07-26 2006-01-17 Qualcomm Incorporated Non-parametric matched filter receiver for wireless communication systems
DE10303797A1 (de) * 2002-10-09 2004-05-06 Ruprecht-Karls-Universität Heidelberg Vektorwertige Geschwindigkeitsberechnung und -darstellung im 3-dimensionalen Raum
AU2003300052A1 (en) * 2002-12-31 2004-08-10 John Herbert Cafarella Multi-sensor breast tumor detection
US20050171429A1 (en) * 2004-01-16 2005-08-04 Mathew Prakash P. Method and system for very high frame rates in ultrasound B-Mode imaging
US7887487B2 (en) * 2005-07-11 2011-02-15 Siemens Medical Solutions Usa, Inc. Ultrasound diagnostic flow imaging with coded excitation
US20070161904A1 (en) * 2006-11-10 2007-07-12 Penrith Corporation Transducer array imaging system
US8118744B2 (en) * 2007-02-09 2012-02-21 Duke University Methods, systems and computer program products for ultrasound shear wave velocity estimation and shear modulus reconstruction
US9117439B2 (en) * 2008-03-13 2015-08-25 Supersonic Imagine Method and apparatus for ultrasound synthetic imagining
CN102348415A (zh) * 2009-01-19 2012-02-08 超声医疗设备公司 用于获取和处理部分三维超声数据的***和方法
US8818064B2 (en) * 2009-06-26 2014-08-26 University Of Virginia Patent Foundation Time-domain estimator for image reconstruction
US9162255B1 (en) * 2010-01-13 2015-10-20 Fujifilm Sonosite, Inc. Tunable ultrasound transmitter
WO2011156624A2 (en) * 2010-06-09 2011-12-15 Regents Of The University Of Minnesota Dual mode ultrasound transducer (dmut) system and method for controlling delivery of ultrasound therapy
DK2940487T3 (en) * 2011-10-19 2016-11-21 Verasonics Inc Estimation and display for vector Doppler imaging using flat wave transmissions
JP5967901B2 (ja) * 2011-11-07 2016-08-10 キヤノン株式会社 被検体情報取得装置
US9375196B2 (en) 2012-07-12 2016-06-28 Covidien Lp System and method for detecting critical structures using ultrasound
CA2918281C (en) * 2013-07-19 2022-07-19 Verasonics, Inc. Method and system for arbitrary waveform generation using a tri-state transmit pulser
US11116474B2 (en) 2013-07-23 2021-09-14 Regents Of The University Of Minnesota Ultrasound image formation and/or reconstruction using multiple frequency waveforms
CN103901416B (zh) * 2014-03-31 2016-06-29 西安电子科技大学 一种基于稳健主成分分析法的多通道杂波抑制方法
CN104398271A (zh) * 2014-11-14 2015-03-11 西安交通大学 血管与斑块的三维力学及组织特性成像检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010044278A1 (en) * 2000-01-31 2001-11-22 General Electric Company Method and apparatus using coded excitation in ultrasonic perfusion imaging
CN102123668A (zh) * 2008-06-26 2011-07-13 维拉声学公司 使用未聚焦发送波束的高帧率定量多普勒流成像
CN102133089A (zh) * 2011-03-28 2011-07-27 李鹏 血流速度估计方法和利用该方法的彩色血流图生成方法
CN104105449A (zh) * 2011-12-01 2014-10-15 毛伊图像公司 使用基于声脉冲和多孔多普勒超声的运动检测
US20150080725A1 (en) * 2013-09-13 2015-03-19 Decision Sciences International Corporation Coherent spread-spectrum coded waveforms in synthetic aperture image formation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GRAN F, JENSEN J A等: "Identification of pulse echo impulse responses for multisource transmission", 《CONFERENCE RECORD OF THE THIRTY-EIGHTH ASILOMAR CONFERENCE ON SIGNALS, SYSTEMS AND COMPUTERS》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110806587A (zh) * 2018-07-11 2020-02-18 索尼半导体解决方案公司 电子装置、驱动方法和存储介质
CN110806587B (zh) * 2018-07-11 2023-09-12 索尼半导体解决方案公司 电子装置、驱动方法和存储介质
US11681026B2 (en) 2018-07-11 2023-06-20 Sony Semiconductor Solutions Corporation Electronic device, method and computer program
CN109655644B (zh) * 2018-12-26 2021-04-13 中电科思仪科技股份有限公司 一种降低任意波信号输出抖动的方法和装置
CN109655644A (zh) * 2018-12-26 2019-04-19 中电科仪器仪表有限公司 一种降低任意波信号输出抖动的方法和装置
CN110261673B (zh) * 2019-05-14 2021-10-15 哈尔滨工业大学 一种基于电压、电流双脉冲信号的虚拟脉冲功率测量***及方法
CN110261673A (zh) * 2019-05-14 2019-09-20 哈尔滨工业大学 一种基于电压、电流双脉冲信号的虚拟脉冲功率测量***及方法
CN110174656A (zh) * 2019-05-21 2019-08-27 电子科技大学 一种基于频域宽带波束形成的稀疏阵列设计方法及装置
CN112132367A (zh) * 2019-06-05 2020-12-25 国网信息通信产业集团有限公司 一种用于企业经营管理风险识别的建模方法及装置
US11320515B2 (en) * 2020-04-21 2022-05-03 GM Global Technology Operations LLC Detection with multipath reflection elimination in multi-input multi-output radar system
CN111879368B (zh) * 2020-07-23 2022-07-12 北京瑞德联数据科技有限公司 一种流量测量中相移检测方法、装置及设备
CN111879368A (zh) * 2020-07-23 2020-11-03 北京瑞德联数据科技有限公司 一种流量测量中相移检测方法、装置及设备
CN112802556B (zh) * 2021-01-20 2023-05-09 天津大学合肥创新发展研究院 一种针对测序数据的多标记序列并行识别的加速器装置
CN112802556A (zh) * 2021-01-20 2021-05-14 天津大学合肥创新发展研究院 一种针对测序数据的多标记序列并行识别的加速器装置
CN113327266A (zh) * 2021-04-26 2021-08-31 北京大学 基于脉冲相机的光流估计方法及装置、计算机设备、介质
CN113888471A (zh) * 2021-09-06 2022-01-04 国营芜湖机械厂 一种基于卷积神经网络的高效高分辨力缺陷无损检测方法
CN114265020A (zh) * 2021-11-21 2022-04-01 西安电子工程研究所 一种对雷达距离—多普勒图有损数据压缩的方法
CN114609589A (zh) * 2022-03-09 2022-06-10 电子科技大学 一种基于启发式回溯的实时相控阵雷达波束驻留调度方法
CN114609589B (zh) * 2022-03-09 2023-08-11 电子科技大学 一种基于启发式回溯的实时相控阵雷达波束驻留调度方法
CN114994467B (zh) * 2022-05-26 2024-06-07 海南电网有限责任公司乐东供电局 一种基于长测试脉冲的电缆故障双端定位方法
CN114994467A (zh) * 2022-05-26 2022-09-02 海南电网有限责任公司乐东供电局 一种基于长测试脉冲的电缆故障双端定位方法
CN116539067A (zh) * 2023-05-25 2023-08-04 哈尔滨工程大学 一种声学多普勒长期测速精度估计方法
CN116500568A (zh) * 2023-06-29 2023-07-28 成都华兴汇明科技有限公司 一种长时动态多目标重叠信号的生成方法及***
CN116500568B (zh) * 2023-06-29 2023-10-13 成都华兴汇明科技有限公司 一种长时动态多目标重叠信号的生成方法及***
CN117250587A (zh) * 2023-11-07 2023-12-19 烟台初心航空科技有限公司 抗干扰iff雷达应答信号产生方法
CN117250587B (zh) * 2023-11-07 2024-02-02 烟台初心航空科技有限公司 抗干扰iff雷达应答信号产生方法

Also Published As

Publication number Publication date
CA2981305A1 (en) 2016-10-06
EP3282951A1 (en) 2018-02-21
JP2018512985A (ja) 2018-05-24
KR102573142B1 (ko) 2023-08-31
US20180088220A1 (en) 2018-03-29
CN107613877B (zh) 2021-03-02
KR20170134605A (ko) 2017-12-06
JP6952023B2 (ja) 2021-10-20
EP3282951A4 (en) 2019-01-16
WO2016161009A1 (en) 2016-10-06
US11619730B2 (en) 2023-04-04

Similar Documents

Publication Publication Date Title
CN107613877A (zh) 用于通过脉冲响应估计和回溯采集进行编码激励成像的方法和***
US11899141B2 (en) Ultrasound system for high-speed and high resolution imaging applications
EP3094987B1 (en) Method and system for reconstructing scene behind wall
Callow Signal processing for synthetic aperture sonar image enhancement
Kortbek et al. Sequential beamforming for synthetic aperture imaging
US8818064B2 (en) Time-domain estimator for image reconstruction
US11860273B2 (en) Spatial and temporal encoding of transmission for full synthetic transmit aperture imaging
US9941989B2 (en) Coded imaging and multi-user communications systems
US20210386404A1 (en) Methods, systems and computer program products for ultrasound imaging using coherence contribution
CN107661120A (zh) 利用多个并行接收波束的运动成像
Ménigot et al. Optimization of contrast resolution by genetic algorithm in ultrasound tissue harmonic imaging
Morgan et al. Synthetic aperture focusing for multi-covariate imaging of sub-resolution targets
Hunter Underwater acoustic modelling for synthetic aperture sonar
Fouad et al. A single-shot harmonic imaging approach utilizing deep learning for medical ultrasound
KR20230088284A (ko) 빔형성된 데이터를 처리하는 방법 및 시스템
Zhu et al. Restoration of scatterer distribution based on empirical bayesian learning with consideration of statistical properties
Bera et al. Dual stage beamforming in the absence of front-end receive focusing
Shin et al. K-space domain spatial filtering for retrospective transmit beam focusing/shaping and per-element data estimation from arrays with microbeamforming
Ozkan et al. Inverse problem of ultrasound beamforming with sparsity in time and frequency domain
Mahurkar et al. Iteratively-reweighted beamforming for high-resolution ultrasound imaging
Ramirez Jr Synthetic Aperture Processing for Thinned Array Sensor Systems
van de Schaft et al. Off-Grid Ultrasound Imaging by Stochastic Optimization
Walker Adaptive ultrasonic imaging performance for near field aberrating layers
Hantira Compressive Sensing and Time Reversal Beamforming Approaches for Ultrasound Imaging
Abadi Blind deconvolution in multipath environments and extensions to remote source localization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant