CN101766496B

CN101766496B - 一种噪声估计方法和一键优化方法及其系统

Info

Publication number: CN101766496B
Application number: CN200810242126A
Authority: CN
Inventors: 李雷; 李勇; 崔晗
Original assignee: Shenzhen Mindray Bio Medical Electronics Co Ltd
Current assignee: Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority date: 2008-12-31
Filing date: 2008-12-31
Publication date: 2012-08-29
Anticipated expiration: 2028-12-31
Also published as: CN101766496A

Abstract

本发明公开了一种噪声估计方法和一键优化方法及其系统，其方法包括：估计初始的声谱图噪声平均值，并根据所述噪声平均值确定初始的剔除门限值；进行至少一次野值剔除处理，用以剔除大于剔除门限的声谱数据；在每次野值剔除处理后重新估计噪声平均值，用以确定下一次野值剔除处理的剔除门限值；将最后一次估计的噪声平均值设定为噪声估计的结果。本发明在常规的噪声估计中增加了至少一次野值剔除处理，用以把原始噪声曲线中幅度较大的异常值剔除，并在野值剔除处理后重新估计噪声平均值，用以后续计算过程。

Description

一种噪声估计方法和一键优化方法及其系统

技术领域

本发明涉及超声诊断成像系统的多普勒成像技术，具体涉及多普勒成像一键优化过程中的混迭判决及参数优化的技术领域。

背景技术

频谱多普勒技术广泛应用于血管内血流速度的无损检测和测量，其基本原理在于，超声换能器发射的超声波进入心脏或血管，被运动的红细胞散射，产生频移，再由换能器接收背向散射回声，经信号放大处理检出多普勒频移，经处理后得到红细胞的运动速度及其分布。红细胞的运动速度随时间的变化就组成了多普勒声谱图。如图4所示，给出了超声多普勒信号处理流程，超声回波信号经波束合成后形成射频回波信号，再经解调模块分解成两路分量信号：同相位分量I(In-phase component)信号和正交分量Q(quadrate component)信号。然后，在连续波多普勒系统中，该I、Q两路分量直接进入壁滤波处理环节；在脉冲波多普勒系统中该I、Q两路分量分别经距离选通，即在特定的时间段内累加，该累加时间段和脉冲多普勒发射脉冲都由操作者根据实际情况选择，再进入壁滤波处理环节。所述壁滤波是一个高通滤波器，可以滤除由静止或慢速运动组织引起的杂波。经该环节处理后的I、Q两路分量，主要包含有红细胞运动引起的回波，被送往功率谱估计模块，该模块一般采用快速傅立叶变换(FFT)来估算功率谱。快速傅里叶变换的点数可以是128点或256点。由于估算出来的功率谱动态范围太大，每次估算出来的功率谱需要经过压缩处理，以压缩到灰度显示范围。最后在屏幕上显示的多普勒频谱图代表的是某时刻、某速度，即某频率偏移的功率谱强度。所述经过壁滤波后的I、Q两路数据还可以送往声音处理模块，以形成正相血流和逆向血流两路声音数据，并分别经D/A模块转换后送往扬声器，产生正向和逆向血流声音。此外，系统还可以包括自动包络检测模块，对谱压缩后的数据进行分析，以自动跟踪血流峰值速度和平均速度随时间的变化，并在多普勒频谱图上实时显示。同时，还可以在所述声谱图上提取平均频率曲线、最大频率曲线，并从中计算出一些重要的临床诊断参数。

受脉冲重复频率(PRF)和基线位置的影响，在脉冲多普勒超声诊断仪中，二维声谱图显示的幅度和位置可能会发生偏差。由奈奎斯特采样定理可知，多普勒成像系统可无混迭观测到的最大多普勒频率f_d为PRF/2。当f_d＜PRF/2，系统能够正常显示频谱，多普勒频移信号的大小和方向均可得到准确地显示，如图1所示，其中横坐标代表时间，纵坐标代表多普勒频移。当f_d＞PRF/2但f_d＜PRF时，频移信号的最高频率在超越PRF/2后又反折到-PRF/2的部分，表现为正负双向的单次反折，称为单次混迭，如图2所示。此时，频移信号未充满最高显示范围，因此从图中仍可判断出频移方向，或通过调整基线来去掉混迭现象。当f_d＞PRF时，这时频移信号在充满频谱的正负最大范围之后，再次反折，表现为正负方向的多次反折，称为多次混迭，如图3所示。这时从曲线中不能判断频移信号的方向和大小，无法确定真实的多普勒频移，必须加以参数调整。

上述基线偏差、单次混迭及多次混迭的现象严重影响了多普勒成像效果，因此在实际系统中通常利用一键优化功能自动进行混迭的判决和参数优化，其原理是利用当前采集的声谱图数据分析处理，自动判断出谱图的混迭现象，并相应的对各种不同情况进行适当调整，设计出最优的PRF和基线位置等参数，使谱图达到最优的显示效果。现有技术中，通常有以下两种方式：第一，通过测量不同系统增益设置下的噪声平均功率存储在主机中，与当前数据信号比较，判断数据混迭与否，若混迭则增大PRF再进行参数优化，若不混迭直接进行参数的优化处理。这种方法的噪声估计是基于测量不同增益下的噪声存储在主机中，这与实际的噪声水平差异较大，易受环境及信噪比等的影响，在实际应用过程中，固定阈值的噪声估计方法经常会造成误判，因此噪声的估计应根据当前数据自适应的估计。第二，在上述方法的基础上，当前数据可自适应进行的噪声估计，相当于把噪声系数存储在主机中，这种方法一定程度上提高了混迭判断的准确性。但是如果噪声估计误差较大，就很容易出现误判，特别是在多次混迭及信噪比较低的情况下，噪声估计容易出现包络曲线计算错误，而把强信号引入噪声估计中，使得噪声估计很可能受混迭的影响而增大，这样，直接导致混迭现象判断的错误，从而参数优化失效，影响多普勒一键优化的性能。

综上，如何在低信噪比和多次混迭的情况下，准确地估计噪声大小是多普勒图像一键优化的核心问题，有待进一步的解决。

发明内容

本发明的目的在于提供一种噪声估计方法和一键优化方法及其系统，其通过对当前声谱图包络曲线外的噪声估计进行多次迭代野值剔除处理，能够更准确地估计当前数据的背景噪声，判断当前参数下声谱图是否混迭，合理的完成多普勒图像的参数优化，从而保证多普勒成像一键优化的有效性。

为了解决上述问题，本发明采用如下技术方案：

本发明提供的噪声估计方法，其包括：

估计初始的声谱图噪声平均值，并根据所述噪声平均值确定初始的剔除门限值；

进行至少一次野值剔除处理，用以剔除大于剔除门限的声谱数据；在每次野值剔除处理后重新估计噪声平均值，用以确定下一次野值剔除处理的剔除门限值；

将最后一次估计的噪声平均值设定为噪声估计的结果。

基于上述方法，本发明还提供了一种噪声估计模块，所述估计模块包括：用于估计或输出声谱图噪声平均值的噪声平均值估计单元，所述估计模块还包括：阈值设定单元，用于根据所述噪声平均值估计单元输出的噪声平均值确定剔除门限值；野值剔除单元，用于剔除噪声估计曲线中大于剔除门限的声谱数据，并将剔除后的噪声估计曲线送入所述噪声平均值估计单元，用以重新进行声谱图噪声平均值的估计。

可见，本发明将包络计算获得的噪声曲线中一类较大的峰值(也就是影响噪声估计误差的强信号)称之为野值，为了减少此类野值对噪声曲线平均处理带来的较大的估计误差，本发明在常规的噪声估计中增加了至少一次野值剔除处理，用以把原始噪声曲线中幅度较大的异常值剔除，并在野值剔除处理后重新估计噪声平均值，用以后续计算过程。可见，本发明的方法降低了噪声估计的误差，能得到更准确的背景噪声估计值，以保证混迭判决的有效性。

基于上述方法，本发明还提供了一种多普勒成像系统的一键优化方法，其包括：

A、获取当前声谱图中的待分析数据；

B、对所述待分析数据进行噪声估计，该噪声估计的过程包括：

输出最后一次估计的噪声平均值；

C、根据估计出的噪声平均值确定噪声阈值，依次进行混迭判决、参数优化。

基于上述方法，本发明还提供了一种多普勒成像系统，所述系统包括：一键优化模块，其用于根据分析声谱数据的结果动态调整多普勒参数；所述一键优化模块包括：接收模块，用于获取当前声谱图中的待分析数据；噪声估计模块，用于对所述待分析数据进行噪声估计，输出噪声平均值；混迭判决单元，用于根据所述噪声平均值确定噪声阈值，进行混迭判决；参数优化单元，用于根据混迭判决的结果进行参数的动态调整；其中，噪声估计模块包括：噪声平均值估计单元，用于估计或输出声谱图的噪声平均值，及将最后一次估计的结果送入至所述混迭判决单元；阈值设定单元，用于根据所述噪声平均值估计单元输出的噪声平均值确定剔除门限值；野值剔除单元，用于剔除噪声估计曲线中大于剔除门限的声谱数据，并将剔除后的噪声估计曲线送入所述噪声平均值估计单元，用以重新进行声谱图噪声平均值的估计。

从上述内容可见，本发明的一键优化方法利用多次迭代野值剔除处理后确定的噪声阈值，进行比较来判断多次混迭，而后再进行参数的优化，从而提高了噪声估计的准确性，并且减少了在多次混迭或信噪比较低的情况所导致的噪声估计误差，及易误判的情况，还改善了参数优化的性能。

附图说明

图1为无混迭多普勒谱图；

图2为单次混迭多普勒谱图；

图3为多次混迭多普勒谱图；

图4为超声多普勒信号处理示意框图；

图5为一键优化混迭判决与参数优化流程图；

图6为迭代去野值的噪声估计流程图；

图7为野值剔除噪声估计示意图；

图8为本发明噪声估计模块的结构示意图；

图9为本发明多普勒成像系统的结构示意图。

具体实施方式

针对现有的多次混迭及参数优化的方法中，在多次混迭或信噪比较低的情况下，容易出现误判及噪声估计误差大的问题，为此，本发明提供了一种多普勒成像系统的一键优化方法，如图5所示，其包括：

第一步，获取当前声谱图中的待分析数据，这里待分析数据为一段长度大于或等于一个心动周期的声谱数据；

第二步，对所述待分析数据进行噪声估计，如图6所示，该噪声估计的过程包括：

估计初始的声谱图噪声平均值，并根据所述噪声平均值确定初始的剔除门限值；进行至少一次野值剔除处理，用以剔除大于剔除门限的声谱数据；在每次野值剔除处理后重新估计噪声平均值，用以确定下一次野值剔除处理的剔除门限值；输出最后一次估计的噪声平均值；

第三步，根据估计出的噪声平均值确定噪声阈值，依次进行混迭判决、参数优化。这一过程中可以包括以下步骤：

首先，统计各频率点强度的最大值谱线f_max和平均值谱线f_mean，查找最大值谱线f_max的最小值f_m，获得所述最小值在平均值谱线上对应的平均值f_mean(f_m)；

然后，比较所述噪声阈值C与所述平均值f_mean(f_m)，若所述噪声阈值小于所述平均值，则增大脉冲重复频率后，返回起一键优化方法的起始步骤；否则，调整脉冲重复频率及基线进行参数优化。为了节约处理时间，最大值谱线f_max和平均值谱线f_mean的统计过程可以与噪声阈值的确定过程并行处理。

上述过程如图5所示，本发明通过获取声谱图中的一段数据分别进行上述信号最小值估计和噪声估计，来完成多普勒成像一键优化中的混迭合参数优化。其中，信号最小值估计采用最小的最大值谱线处的平均值估计，比如，统计谱线上各频率点强度的最大值谱线f_max和平均值谱线f_mean；而噪声估计采用对声谱图包络外噪声均值曲线野值剔出的估计方法进行，用于剔除噪声曲线中异常大的点，从而获得较为准确的噪声均值用以确定噪声阈值。然后，判断信号最小值与噪声阈值的大小，确定是否存在多次混迭现象。比如，通过比较平均值f_mean(f_m)与噪声阈值C，来判断是否存在多次混迭。若C＜f_mean(f_m)，认为存在多次混迭，增大PRF后重新获取数据，跳至一键优化方法的起始环节。若C＞f_mean(f_m)，认为不存在多次混迭，直接进入参数优化调整环节。这里的参数优化调整环节主要是依据噪声平均值的估计在最大值谱线中搜索的正向最大频率和反向最大频率，来调整相应的脉冲重复频率和基线为最佳参数。这里的噪声阈值C是一个与估计出的噪声平均值相关的函数F(N)的数值，比如，C＝F(N)，其中N为噪声平均值，F()表示求值运算函数，此函数可以是乘、平方、三次方、加等运算，例如：C＝N×K₁，或者C＝N+K₁，此K₁为一个常数。又比如，噪声阈值C还可以采用非函数计算的方式获取，比如在内存中建立一数据表，记录根据经验选择的噪声阈值C与各个噪声平均值区域的对应关系，然后，在实时计算每线声谱的噪声平均值后，通过查表获得估计的噪声平均值所对应的区域范围，之后对应查找噪声阈值C。

在一键优化方法中，声谱图噪声的估计是用来进行搜索正负频率的关键，可靠、准确的噪声估计至关重要。通常噪声估计基于噪声原始估计曲线，该噪声原始估计曲线的获得基于以下方法：

首先，对声谱图进行包络曲线计算，即声谱图的最大频率曲线估计。这里可采用过阈值法、改进过阈值法、几何法、改进几何法和自适应阈值法等方法，在一预定时刻对回波多普勒信号随时间变化的功率谱，估计回波多普勒信号对应的正向最大频率和反向最大频率，从而获得声谱图的最大频率曲线估计。

然后，把最大频率曲线外的数据认为是噪声，在频域进行平均值估计，作为每个时间点的噪声估计，构成噪声原始估计曲线。这里平均值估计的过程是：根据上述正向最大频率和反向最大频率确定噪声的频率范围，在该范围内估计噪声平均功率。这里频率范围是正向最大频率和反向最大频率的函数，表示为[f₀，F(f_max-)]∪[F(f_max+)，f₁]，其中，自变量x表示估计的频率值，F(x)为根据估计值，取一定置信区间后的实际频率值，[f₀，f₁]为功率谱的频率范围，f_max-和f_max+表示的是使用过阈值法、几何法等等方法估计的正反向最大频率，而F(f_max-)、F(f_max+)表示的是取一定置信区间后的实际正反向最大频率。上述表达式中采用数学中常用的集合表示方法，如[a，b]的形式表示频率f的范围为a≤f≤b，而[f₀，F(f_max-)]∪[F(f_max+)，f₁]为频率范围[f₀，F(f_max-)]和[F(f_max+)，f₁]的并集，表示两个频率区间的范围总和。

上述噪声估计主要是为了获得噪声平均值，用于后续的混迭判决及参数优化上，噪声平均值通常是指功率谱平均值。噪声估计的准确性是一键优化的关键部分，针对噪声原始估计曲线，在多次混迭等特殊情况下，容易出现包络曲线计算错误，从而把强信号引入噪声估计中，这样，噪声曲线可能出现一些较大的峰值，本发明把此类噪声曲线中较大的峰值称之为野值，因此，如果直接对噪声曲线平均处理就会由野值的引入带来较大的噪声估计误差，而本发明通过多次野值剔除算法把噪声曲线中幅度较大的异常值(也就是野值)剔除，目的是为了得到更准确的背景噪声估计值，以保证混迭判决的有效性。

如图6所示，本发明所提的添加多次野值剔除处理的噪声估计算法的过程如下所示：

1、声谱图包络曲线计算。

2、计算包络外噪声均值曲线，即噪声原始估计曲线。

3、估计初始的声谱图噪声平均值，并根据所述噪声平均值确定初始的剔除门限值，用于设定多次野值剔除迭代的初始值，并进入迭代过程。

4、剔除噪声估计曲线中峰值大于剔除门限的声谱数据。

5、针对野值剔除处理后的噪声估计曲线，重新估计噪声平均值。

6、判断噪声估计是否满足收敛条件；若是，则根据最后一次估计的噪声平均值设定噪声阈值；否则，返回上述步骤4，以重新估计的噪声平均值确定剔除门限值，进行下一次野值剔除处理。上述过程中对野值剔除后的数据重新计算均值可得到相对更为准确地噪声估计，为保证估计的有效性，可通过多次野值剔除迭代的方法进行噪声估计。

上述步骤4的原理为：判断噪声估计曲线是否存在幅值大于剔除门限值的声谱数据，若是，则从噪声估计曲线中剔除相应数据点，否则保留。如图7所示，横坐标谱线，纵坐标表示噪声强度，假设包络曲线外噪声原始估计曲线为：y₁(n)(n＝1，2，…，N)，其噪声平均值为C_i，要将噪声估计时较大幅度信号的影响予以消除，因此，多次迭代野值剔除后的噪声估计曲线为：y_i(n)(n＝1，2，…，N)，i＝1，2，3，…，N，其噪声平均值为C_i+1，其中，i为野值剔除处理的次数。每一次野值剔除的方法为：

当y_i(n)＞T时，判定y_i(n)异常，予以剔除；

当y_i(n)≤T时，判定y_i(n)正常，予以保留。

其中，T为预置的一个剔除门限值，是一个与估计出的噪声平均值相关的函数F(C_i)的数值，比如，T＝F(C_i)，其中C_i为第i次野值剔除处理前估计出的噪声平均值，F()表示求值运算函数，此函数可以是乘、平方、三次方、加等运算，例如：T＝K₂×C_i，或者T＝K₃+C_i，此K₂和K₃为一个常数，根据实际情况来定。又比如，剔除门限值T还可以采用非函数计算的方式获取，比如在内存中建立一数据表，记录根据经验选择的剔除门限值T与各个噪声平均值区域的对应关系，然后，在实时计算每线声谱的噪声平均值后，通过查表获得估计的噪声平均值所对应的区域范围，之后对应查找剔除门限值T。

如图7所示，给出了野值剔除方法噪声估计的示意图，图中的曲线表示噪声估计曲线，C₁为噪声原始估计曲线的噪声平均值，C₂为第一次野值剔除处理后进行第二次估计获得的噪声平均值，采用迭代的野值处理，可最终获得到最优的噪声估计结果。

为了使多次迭代能趋于收敛态，避免出现死循环，则设置收敛条件用于限制循环，此收敛条件是C_i+1趋近于C_i，其中i为野值剔除处理的次数，C_i为第i次野值剔除处理前估计出的噪声平均值，C_i+1为第i次野值剔除处理后重新估计所获得的噪声平均值。为实现C_i+1趋近于C_i的判决，需要建立判断式，比如，满足下述公式(1)：

(C_i+1-C_i)/C_i+1≤K (1)

则认为方法收敛，估计结束。其中，K为预置收敛系数，该预置收敛系数为足够小的正数，优选小于0.1的正数，特别是0.01。

同样，除了上述公式(1)的形式外，收敛条件还可以采用下述公式(2)的形式：

C_i+1/C_i≈1 (2)

上述一键优化方法中提供了一种噪声估计方法，其包括：估计初始的声谱图噪声平均值，并根据所述噪声平均值确定初始的剔除门限值；进行至少一次野值剔除处理，用以剔除大于剔除门限的声谱数据；在每次野值剔除处理后重新估计噪声平均值，用以确定下一次野值剔除处理的剔除门限值；将最后一次估计的噪声平均值设定为噪声估计的结果。这一噪声估计方法除了应用于多普勒成像系统一键优化功能的混迭判决及参数优化中，还可以应用于声谱图上包络曲线提取、平均频率曲线、最大频率曲线等参数计算中的噪声估计，其具体应用同图6所示的流程。本发明给出的多次野值剔除的噪声估计全过程，可以获得更为准确地噪声估计，从而更好的完成多普勒成像一键优化过程中的混迭判决和参数优化等方法。本发明给出的野值剔除算法利用对噪声曲线中异常大的点进行剔除，再进行平均估计完成，并通过迭代保证估计的收敛性，噪声曲线通过对声谱图包络曲线外噪声均值估计获得。

基于上述方法，可以通过软件编程或者添加硬件模块的方式在多普勒成像系统中添加具有多次野值剔除处理的噪声估计模块，或相应的一键优化模块，从而提高噪声估计的准确性，完善多普勒成像一键优化过程中的混迭判决和参数优化。基于这一思想，本发明还进行了相应的结构改进，如下所述。

如图8所示，本发明还提供了一种噪声估计模块，其包括：用于估计或输出声谱图噪声平均值的噪声平均值估计单元，其还包括：阈值设定单元，用于根据所述噪声平均值估计单元输出的噪声平均值确定剔除门限值；野值剔除单元，用于剔除噪声估计曲线中大于剔除门限的声谱数据，并将剔除后的噪声估计曲线送入所述噪声平均值估计单元，用以重新进行声谱图噪声平均值的估计。另外，该估计模块还包括：收敛判断单元，用于根据所述噪声平均值估计单元输出的结果，判断噪声估计是否满足收敛条件，并在判定估计收敛时，向所述噪声平均值估计单元发出用于输出估计结果的指令。上述各个功能单元的具体实现原理可以参见上述方法的相关说明。本发明可以通过上述架构在多普勒成像系统中构建相应的具有多次野值剔除处理的噪声估计函数，这样就可以提供给一键优化中的混迭判决及参数优化使用，也可以供声谱图上包络曲线提取、平均频率曲线、最大频率曲线等参数算法调用。

如图9所示，本发明还提供了一种多普勒成像系统，所述系统包括：一键优化模块，其用于根据分析声谱数据的结果动态调整多普勒参数；所述一键优化模块包括：接收模块，用于获取当前声谱图中的待分析数据；噪声估计模块，用于对所述待分析数据进行噪声估计，输出噪声平均值；混迭判决单元，用于根据所述噪声平均值确定噪声阈值，进行混迭判决；参数优化单元，用于根据混迭判决的结果进行参数的动态调整。此一键优化模块主要用于根据声谱图数据调整系统参数以获得最优的显示效果。

其中，噪声估计模块包括：噪声平均值估计单元，用于估计或输出声谱图的噪声平均值，及将最后一次估计的结果送入至所述混迭判决单元；阈值设定单元，用于根据所述噪声平均值估计单元输出的噪声平均值确定剔除门限值；野值剔除单元，用于剔除噪声估计曲线中大于剔除门限的声谱数据，并将剔除后的噪声估计曲线送入所述噪声平均值估计单元，用以重新进行声谱图噪声平均值的估计。其与上述噪声估计模块结构相同，主要是用于实现迭代的多次野值剔除处理的噪声估计。

另外，如图9所示，上述噪声估计模块还包括：收敛判断单元，用于根据所述噪声平均值估计单元输出的结果，判断噪声估计是否满足收敛条件，并在判定估计收敛时，向所述噪声平均值估计单元发出指令用以将最后一次估计的结果送入至所述混迭判决单元。

另外，如图9所示，上述混迭判决单元包括：第一单元，用于统计各频率点强度的最大值谱线和平均值谱线，查找最大值谱线的最小值，获得所述最小值在所述平均值谱线上对应的平均值；；第二单元，用于比较所述噪声阈值与所述平均值，若所述噪声阈值小于所述平均值，该第二单元向所述参数优化单元输出指令用以增大脉冲重复频率，并重新启动所述接收模块重新开始接收数据，若所述噪声阈值大于所述平均值，该第二单元向所述参数优化单元输出指令用以调整脉冲重复频率及基线。上述各个功能单元的具体实现原理可以参见上述方法的相关说明，本发明可以通过上述架构在多普勒成像系统中构建相应的具有多次野值剔除处理的噪声估计函数，以供调用。上述各个功能单元的具体实现原理可以参见上述方法的相关说明。

综上所述，本发明改进了超声多普勒成像系统一键优化过程中的混迭判决及参数优化算法，特别是多次混迭情况下，本发明能判断频移信号的方向和大小，确定真实的多普勒频移，用以参数优化调整。本发明多普勒成像多次混迭判决基于迭代的多次野值剔除处理的噪声估计来判断，提高了噪声估计的准确性，及进行混迭判决的有效性，进行参数优化的合理性，进而改善了一键优化的准确性和有效性。

上述各具体步骤的举例说明较为具体，并不能因此而认为是对本发明的专利保护范围的限制，本发明的专利保护范围应以所附权利要求为准。

Claims

1.一种噪声估计方法，其特征在于，所述方法包括：

对当前声谱图包络曲线外的噪声估计进行多次迭代野值剔除处理，用以剔除噪声估计曲线中大于剔除门限值的声谱数据；在每次野值剔除处理后针对野值剔除处理后的噪声估计曲线重新估计噪声平均值，用以确定下一次野值剔除处理的剔除门限值；

将最后一次估计的噪声平均值设定为噪声估计的结果。

2.根据权利要求1所述的方法，其特征在于，所述剔除门限值等于一个与噪声平均值相关的函数F(N)的值，其中，N为噪声平均值，F()表示求值运算函数。

3.根据权利要求1所述的方法，其特征在于，所述剔除门限值通过查找预存的关系表获得，该关系表记录有根据经验选择的剔除门限值与各个噪声平均值区域之间的对应关系。

4.根据权利要求1所述的方法，其特征在于，在每一次重新估计噪声平均值之后，还执行以下判断步骤：

判断噪声估计是否满足收敛条件；若是，则以最后一次估计的噪声平均值为噪声估计的结果；否则，以重新估计的噪声平均值确定剔除门限值，进行下一次野值剔除处理。

5.根据权利要求4所述的方法，其特征在于，所述收敛条件是C_i+1趋近于C_i，其中i为野值剔除处理的次数，C_i为第i次野值剔除处理前估计出的噪声平均值，C_i+1为第i次野值剔除处理后重新估计所获得的噪声平均值。

6.根据权利要求1所述的方法，其特征在于，每次噪声平均值的估计均针对大于或等于一个心动周期的声谱数据。

7.根据权利要求1至6中任一权利要求所述的方法，其特征在于，所述野值剔除处理过程包括：判断噪声估计曲线是否存在幅值大于剔除门限值的声谱数据，若是，则从噪声估计曲线中剔除相应数据点，否则保留。

8.一种多普勒成像系统的一键优化方法，其特征在于，所述方法包括：

获取当前声谱图中的待分析数据；

对所述待分析数据进行噪声估计，该噪声估计的过程包括：

输出最后一次估计的噪声平均值；

根据最后一次估计出的噪声平均值确定噪声阈值，依次进行混迭判决、参数优化。

9.根据权利要求8所述的方法，其特征在于，所述混迭判决的过程包括：

比较所述噪声阈值与一平均值的大小，若所述噪声阈值小于所述平均值，则增大脉冲重复频率后，返回一键优化方法的起始步骤；否则，调整脉冲重复频率及基线进行参数优化；

其中，所述平均值通过统计各频率点强度的最大值谱线和平均值谱线，查找最大值谱线的最小值，以及所述最小值在所述平均值谱线上对应的平均值而获得。

10.根据权利要求8所述的方法，其特征在于，所述剔除门限值等于一个与噪声平均值相关的函数F(N)的值，其中，N为噪声平均值，F()表示求值运算函数。

11.根据权利要求8所述的方法，其特征在于，所述剔除门限值通过查找预存的关系表获得，该关系表记录有根据经验选择的剔除门限值与各个噪声平均值区域之间的对应关系。

12.根据权利要求8所述的方法，其特征在于，在每一次重新估计噪声平均值之后，还执行以下判断步骤：

判断噪声估计是否满足收敛条件；若是，则根据最后一次估计的噪声平均值设定噪声阈值；否则，以重新估计的噪声平均值确定剔除门限值，进行下一次野值剔除处理。

13.根据权利要求12所述的方法，其特征在于，所述收敛条件是C_i+1趋近于C_i，其中i为野值剔除处理的次数，C_i为第i次野值剔除处理前估计出的噪声平均值，C_i+1为第i次野值剔除处理后重新估计所获得的噪声平均值。

14.根据权利要求8所述的方法，其特征在于，所述待分析数据为大于或等于一个心动周期的声谱数据。

15.根据权利要求8所述的方法，其特征在于，所述参数优化的过程是依据噪声平均值的估计在最大值谱线中搜索的正向最大频率和反向最大频率，来调整相应的脉冲重复频率和基线为最佳参数。

16.一种噪声估计模块，所述估计模块包括：用于估计或输出声谱图噪声平均值的噪声平均值估计单元，其特征在于，所述估计模块还包括：

阈值设定单元，用于根据所述噪声平均值估计单元输出的噪声平均值确定剔除门限值；

野值剔除单元，用于对当前声谱图包络曲线外的噪声估计进行多次迭代野值剔除处理，剔除噪声估计曲线中大于剔除门限值的声谱数据，并将剔除后的噪声估计曲线送入所述噪声平均值估计单元，用以重新进行声谱图噪声平均值的估计。

17.根据权利要求16所述的噪声估计模块，其特征在于，所述估计模块还包括：

收敛判断单元，用于根据所述噪声平均值估计单元输出的结果，判断噪声估计是否满足收敛条件，并在判定估计收敛时，向所述噪声平均值估计单元发出用于将最后一次估计结果送入至混迭判别单元的指令。

18.一种多普勒成像系统，所述系统包括：一键优化模块，其用于根据分析声谱数据的结果动态调整多普勒参数；其特征在于，所述一键优化模块包括：

接收模块，用于获取当前声谱图中的待分析数据；

噪声估计模块，用于对所述待分析数据进行噪声估计，输出噪声平均值；

混迭判决单元，用于根据所述噪声平均值确定噪声阈值，进行混迭判决；

参数优化单元，用于根据混迭判决的结果进行参数的动态调整；

其中，噪声估计模块包括：

噪声平均值估计单元，用于估计或输出声谱图的噪声平均值，及将最后一次估计的结果送入至所述混迭判决单元；

19.根据权利要求18所述的系统，其特征在于，所述噪声估计模块还包括：收敛判断单元，用于根据所述噪声平均值估计单元输出的结果，判断噪声估计是否满足收敛条件，并在判定收敛时，向所述噪声平均值估计单元发出指令用以将最后一次估计的结果送入至所述混迭判决单元。

20.根据权利要求18所述的系统，其特征在于，所述混迭判决单元包括：

第一单元，用于统计各频率点强度的最大值谱线和平均值谱线，查找最大值谱线的最小值，获得所述最小值在所述平均值谱线上对应的平均值；

第二单元，用于比较所述噪声阈值与所述平均值，若所述噪声阈值小于所述平均值，该第二单元向所述参数优化单元输出指令用以增大脉冲重复频率，并重新启动所述接收模块重新开始接收数据，若所述噪声阈值大于所述平均值，该第二单元向所述参数优化单元输出指令用以调整脉冲重复频率及基线。