CN101766497B - 一种声谱图像的信号处理方法和系统 - Google Patents

Abstract

本发明公开了一种声谱图像的信号处理方法和系统，其包括：对回波多普勒信号进行频谱分析，获得多普勒信号随时间变化的功率谱；由所述功率谱估计噪声平均功率；根据所述噪声平均功率确定噪声抑制阈值；将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图。本发明根据估计出的噪声平均功率确定噪声抑制阈值，用以进行噪声抑制的判定选择，实现了对声谱图噪声部分进行实时抑制，提高了谱图信噪比。

Description

一种声谱图像的信号处理方法和系统

技术领域

本发明涉及利用频谱多普勒技术测量流体流速并以声谱图形式显示的超声系统，尤其涉及利用频谱多普勒技术测量血流速度并以声谱图形式显示的声谱图像的信号处理方法和系统。

背景技术

超声技术因其无损性被广泛用于医学成像和测量。当超声系统发射特定频率的脉冲波对组织扫描时，如遇到血流或组织运动，回波的频率与发射波的频率出现频率差，称为多普勒频率。根据多普勒频率的大小，可测出血流或组织相对探头的径向相对运动速度；根据发射脉冲和接收的时间差，可以测出血流或组织的距离。大多数情况下，血流和组织的运动是同时存在的，其中血流多频勒具有诊断意义，而组织多普勒信息则为干扰源；对于心脏成像时，组织多普勒则可以和血流多频勒同时具有诊断信息，分别代表心脏和血流的速度信息。

具体实现时，超声诊断系统发射超声波到人体某血流区域内的某采样容积内，并接收来自采样容积内血细胞的散射回波，这样既可以提高信噪比，同时对抑制组织运动的影响。射频的超声散射回波信号经过正交解调、滤波后，多普勒信号频谱从发射中心频率的数兆赫兹搬迁到零频率为中心，带宽约几千赫兹的音频范围内，因此所得的信号通常称为音频多普勒信号(简称多普勒信号)。由于血液的黏性，血流速度在人体血管内具有一定的分布，血管中心流速较大，近血管壁速度渐减，因此多普勒信号的频谱具有一定的频谱宽度，其中信号的最大频率正比于血管内最大血流速度。此外，由于血管内血流速度随心脏的收缩和舒张而不断变化，检测到的多普勒信号的频谱也随之改变。通过截取某一时刻附近的多普勒信号进行频谱分析，可以估计出该时刻的血管内血流状况。按一定的时间间隔截取多普勒信号进行频谱计算，用灰度映射不同频率成分的功率大小，并按时间连续显示，即可获得多普勒信号的声谱图。

基于多普勒信号声谱图可以提取诸如平均流速，最大流速，最小流速，S/D(收缩期、舒张末期最大流速比)，RI(阻尼指数)，PI(脉动指数)等参数。这些参数都是在声谱图包络曲线或者平均频率曲线上计算得到的，对临床超声诊断意义重大。

如图1所示，通常在超声系统中，系统控制器根据提前设置的发射参数，控制发射电路将具有取样容积区域聚焦特性和特定频率特性的窄带脉冲波(PW)或连续波(CW)通过换能器/探头转换为超声信号，经过组织反射及散射，带有组织或血流运动信息的散射回波信号又经过换能器/探头转换为电信号，该电信号需要经过高压隔离、放大、模数转换、波束合成后形成反应回波特性的射频信号。波束合成后的射频信号需要通过检波与信号处理分别对二维(B Mode)、血流(Color)、能量(Power)、多普勒(包括声谱图及声音)进行处理，处理结果根据系统所处的模式，经过DSC(Digital Scan Convert，数字扫描变换)及图像融合后，即可以形成相应的图像送到显示器进行显示。在检波与信号处理过程中，回波射频信号需要经过一系列的预处理后，再进行噪声抑制，用于获得高质量的声谱图。高质量的声谱图是多普勒定量诊断的基础。由于血流脉动和噪声的影响，声谱图效果的改善是一个难题。目前用于改善声谱图效果的方法是：使用具有噪声抑制功能的对数压缩，对于声谱图功率谱中较小能量部分进行抑制，这样的话就将问题转换到如何去获得抑制阈值上。在超声诊断时不同的病人的回波效果是有明显区别的，例如对于体型不同情况，由于同一血管的位置深度不同，衰减系数也不同，回波信号的噪声水平及信噪比均是有区别的；此外，同一病人在不同体位时亦会有类似问题，这样就会存在有时低强度信号和噪声的不确定部分，影响声谱图的质量并最终影响诊断的可靠性。因此，在进行噪声抑制时，抑制阈值的选择是至关重要的，会影响到噪声抑制效果，及声谱图的改善效果。

可见，现有技术中存在一定的问题，需要进一步的改进。

发明内容

本发明提供了一种声谱图像的信号处理方法和系统，其采用阈值判定的方法选择部分数据进行噪声抑制，并且阈值可以根据回波属性动态调整，提高了声谱图显示的噪声抑制效果，改善了声谱图显示的效果。

为了实现上述目的，本发明采用如下技术方案：

本发明提供的一种声谱图像的信号处理方法，其方法包括：

对回波多普勒信号进行频谱分析，获得多普勒信号随时间变化的功率谱；

由所述功率谱估计噪声平均功率；

根据所述噪声平均功率确定噪声抑制阈值；

将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；

对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图。

本发明还提供了一种超声系统，所述系统包括：频谱分析模块，用于对超声回波信号依次进行解调、距离累积、频谱分析获得多普勒信号随时间变化的功率谱；所述系统还包括：估计模块，用于根据所述功率谱估计噪声平均功率；阈值设定模块，用于根据所述噪声平均功率确定噪声抑制阈值；噪声抑制模块，用于将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；对数压缩模块，用于对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图。

可见，本发明根据估计出的噪声平均功率实时确定噪声抑制阈值，用以进行噪声抑制的判定选择，实现了对声谱图噪声部分进行实时抑制，提高了谱图信噪比。并且，噪声平均功率的估计是基于对回波多普勒信号进行频谱分析后的功率谱，所以在实时估计噪声平均功率的基础上即可实现噪声抑制阈值的实时调整，从而能够使本发明的方法根据回波属性动态调整噪声抑制阈值，提高声谱图显示的噪声抑制效果。

附图说明

图1为现有技术中超声系统的结构示意图；

图2为本发明信号流程示意图；

图3为本发明改进的几何法寻找最值的原理示意图；

图4为本发明动态调整的效果示意图；

图5为对一线声谱图效果改进的对比示意图；

图6为改进前的谱图效果图；

图7为改进后的谱图效果图；

图8为本发明超声系统的部分结构示意图；

图9为图8中部分模块的内部结构示意图。

具体实施方式

为了提高声谱图像的噪声抑制的效果，如图2所示，本发明采用如下方法进行多普勒信号的处理：

第一步：对回波多普勒信号进行频谱分析，获得多普勒信号随时间变化的功率谱。这里的频谱分析可以采用短时FFT变换。

第二步：由所述功率谱估计噪声平均功率，此噪声平均值可以是进过一次噪声估计获得的平均值，也可以是经过多次修正处理及估计后获得的平均值。

第三步：根据所述噪声平均功率确定噪声抑制阈值；

第四步：将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；

第五步：对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图。

典型的超声系统结构如图1。系统控制器根据提前设置的发射参数，控制发射电路将具有取样容积区域聚焦特性和特定频率特性的窄带脉冲波(PW)或连续波(CW)通过换能器/探头转换为超声信号，经过组织反射及散射，带有组织或血流运动信息的散射回波信号又经过换能器/探头转换为电信号，该电信号依次要经过隔离、放大、对回波信号随深度递增的衰减进行补偿处理、波束合成后进入检波与信号处理流程。在信号处理流程中，为了避免回波信号相位的不确定性，需要使用两路相差90度的信号进行正交解调处理，并将结果求模，得到原是信号的半幅度解调结果；同时为了提高信噪比，对取样门内的射频点做距离累计，设取样容积范围为[RF_s，RF_e]，则距离累积后的信号为：

${\mathrm{RF}}_{\mathrm{accu}}=\frac{1}{e-s}\underset{i=s}{\overset{e}{\mathrm{\Σ}}}{\mathrm{RF}}_i---\left(1\right)$

其中，RF_i是解调后的回波信号，RF_accu是距离累积结果，即上述回波多普勒信号，e/s分别表示结束(end)和开始点(start)。

对距离累积后的信号做短时FFT，并取谱模值或功率谱；相比较而言，功率谱具有更大的动态范围，对谱的细节表现更为明显，因此通常FFT结果都会以这种方式表示。由于回波信号中组织运动的具有较高的能量，较低的速度；而血流运动信号则反之，能量较低而速度相对较高。为了较好地显示血流信息，抑制组织运动信息，在短时FFT前通常会增加一级壁滤波(Wall Filter)。短时FFT属于现有技术，在此不作详细说明。

上述第二步中在估计噪声平均功率时，采用如下方法：

首先，针对频谱分析后的功率谱，对一预定时刻的功率谱估计所述多普勒信号对应的正向最大频率和反向最大频率；

然后，根据所述正向最大频率和反向最大频率确定噪声的频率范围，并在该范围内估计噪声平均功率。这里噪声的频率范围是所述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。

上述可以采用改进的几何法初步估计所述多普勒信号对应的正向最大频率和反向最大频率，或者还可以采用其他类似的方法来进行正反最大频率的估计。在此以改进的几何法为例进行说明，其原理如图3(a)和(b)所示，图中横坐标是FFT的输入点数，其与系统设置有关，系统可以定义是256，则横坐标从0～255或1～256，也可以定义成128，那么横坐标作相应的修改，纵坐标表示能量强度；而图中的纵坐标是功率谱的大小。如图3(a)所示，为了对FFT后声谱图的噪声水平进行准确估计，首先要对有效信号和噪声进行区分，其中一种方法是使用改进的几何法寻找到信号的正向最大频率和反向最大频率。图3(a)显示了一次FFT获得的功率谱函数P(f)，将该函数从频率f₀开始按如下公式积分获得：

$\mathrm{\φ}\left(f\right)={\∫}_{f_0}^f[P\left(f^{\′}\right)-E\left(P\left(f\right)\right)]d{f}^{\′}---\left(2\right)$

其中，φ(f)是改进几何法得到的结果，如图3(b)所示。E()是求均值运算，P(f′)是对P(f)去除本底噪声的结果，当不进行去除时，P(f′)与P(f)相同，其结果即图3(b)。由此可以得到最大和最小频率点，对应上图中为128和141点位置，从而可以认为[0，127]及[142，255]区间内为噪声区间，对以上区间内信号求均值则为：

N_i＝E(P(f))    f∈[f₀，F(f_max-)]∪[F(f_max+)，f₁]    (3)

通过适当调整噪声区间的确定方法，例如不计算噪声与信号临界处的数据，可以获得更准确的噪声估计。例如，调整频率范围为：

f∈[f₀，F(f_max-)-k]∪[F(f_max-)+k，f₁]，其中k为调整值。实际计算出的F(f_max-)、F(f_max-)可能靠近信号临界处，所以需要通过增加一个调整值k使其远离信号临界处，从而得到更有利于噪声估计的频率范围。上述表达式f∈[f₀，F(f_max-)-k]∪[F(f_max-)+k，f₁]表示频率的范围为[f₀，F(f_max-)-k]与[F(f_max-)+k，f₁]的并集。

为了减少杂散信号及心动周期的影响，需要对噪声估计值进行相关处理，设当前噪声估计水平为N_i，上一次的噪声估计及相关后结果为N_i-1，则有：

N_i＝α×N_i+(1-α)×N_i-1    (4)

上述相关过程实际上是一个IIR滤波器，也可以采用其它方法实现类似功能，其原理是基于系统的本底噪声在固定增益情况下是稳定的，因此噪声水平不可能发生阶跃变化；甚至在特定条件下，例如组织无运动且取样容积位置相同时可以认为平均噪声功率就是一个固定值。基于以上原理，可以认为噪声的突变都是异常的，那么可以通过噪声估计的相关处理可以减弱各种杂散信号(clutter)对声谱图的影响。

在获得每线声图的噪声水平后，可以按以下思想进行噪声抑制：对于小于噪声水平的功率谱结果，可以认为是谱图上的底噪声，这部分信号通常不具备诊断信息，可以进行可调整的抑制。那么，本发明利用上述估计出的含有回波信号特性的功率平均值来作为噪声抑制阈值，进行比较，确定功率谱中哪些是需要抑制的本底噪声，哪些不用抑制。具体在抑制时，可以首先根据上述估计出的噪声平均功率设定噪声抑制阈值，然后将功率谱与噪声抑制阈值进行比较，根据比较结果进行选择性的噪声抑制，获得抑制处理后的功率谱。在这里的噪声抑制阈值可以为一个与噪声平均值相关的函数F(N)的值，其中，其中N为噪声平均功率，F()表示求值运算函数。比如，将上述噪声平均功率N_i乘以一预设常数K作为噪声抑制阈值C进行功率谱的比较，即C＝N_i×K，此预设常数K通常可以在[0.5，5]内取值，最优取值为1；又如，将上述噪声平均功率N_i与一常数的和作为噪声抑制阈值C进行功率谱的比较，即C＝N_i+k。同理也可以采用其他的函数表达形式，比如，噪声抑制阈值C为噪声平均功率N_i的平方、三次方等等。然而，噪声抑制阈值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抑制阈值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，之后对应查找噪声抑制阈值。

在上述功率谱与噪声抑制阈值进行比较时存在以下两种情况：

1、功率谱P(f)大于N_i×K，则认为此部分是具有诊断迭放信息的部分，要保持原信号属性；

2、功率谱P(f)小于N_i×K，则认为此部分是应该抑制的本底噪声，需要将此部分的信号按照预设衰减规则进行衰减处理，用以获得抑制处理后的功率谱。此处的预设衰减规则包括：统计所述本底噪声区域，按本底噪声大小分为至少一个数据区间段，对不同的数据区间段进行衰减处理时，选择不同的衰减系数，并将所述本底噪声的功率谱乘以所述衰减系数，这里的衰减系数可以在[0，1]内取值。这里所给出的分段衰减规则可以使噪声区域显示效果更平滑，如果本底噪声区分档位更多，效果会更好。另外，上述分段衰减规则有一特殊情况，即只划分为一个数据区间段，也就是说在判断完P(f)小于N_i×K后，立即将本底噪声的功率谱乘以一个衰减系数，这个衰减系数的典型值取0.1，即-20dB。

由此可见，本发明通过与阈值进行比较进行了选择性的抑制过程，避免信号的损失，并且将上述估计出的噪声平均功率作为比较用的阈值，使得本发明的噪声抑制可以根据回波信号的实际功率谱属性调整噪声的抑制效果。

另外，为了减弱上述处理引起功率谱上的突变，还可以对进行过噪声抑制的功率谱进行谱平滑处理，此平滑处理可以参见现有技术中的相关方法。

上述第五步中的限制输入动态范围的对数压缩过程包括以下步骤：

首先，设定对数压缩处理的最大显示值P_max以及对数压缩数据输入的动态范围值DR_P，其单位是dB；

然后，将抑制处理后的功率谱与所述最大显示值的商取对数，并将取对数的结果与所述动态范围值相加，即按照以下公式处理；

${\mathrm{Log}}_i={\log }_{10}\left(\frac{P\left(i\right)}{P_{\max }}\right)+{\mathrm{DR}}_P---\left(5\right)$

其中，Log_i为求和结果，P(i)为抑制处理后的功率谱。

再次，将所述求和结果在零到所述动态范围值DR_P之间进行范围限制，获得限制结果，这里的范围限制过程包括：

判断抑制处理后的功率谱是否在

内，若是，则保持所述求和结果；若否，则修正所述求和结果使其在零到所述动态范围值之间，其中，P_max指所述最大显示值，DR_P指所述动态范围值。此处求和结果的修正过程存在以下两个判断步骤：

1、判断所述抑制处理后的功率谱是否大于所述最大显示值P_max，若是，则将所述求和结果值修正为所述动态范围值；

2、判断所述抑制处理后的功率谱是否小于

若是，则所述求和结果值修正为零。这两个判断在执行时不分先后顺序。

上述过程中针对噪声抑制后的信号，首先进行对数压缩，实现对功率谱信号显示范围的选择；然后进行[0，DR_P]内限制，实现输出显示对数据在

数据段上的选择，归纳总结压缩后的声谱图如下所示：

$\left\{\begin{array}{cc}P\left(i\right)<\frac{P_{\max }}{{10}^{{\mathrm{DR}}_P}}& \mathrm{Log}\left(i\right)=0\\ \frac{P_{\max }}{{10}^{{\mathrm{DR}}_P}}\&le;P\left(i\right)\&le;P_{\max }& {\mathrm{Log}}_i={\log }_{10}\left(\frac{P\left(i\right)}{P_{\max }}\right)+{\mathrm{DR}}_P\\ P\left(i\right)>P_{\max }& \mathrm{Log}\left(i\right)={\mathrm{DR}}_P\end{array}---\left(6\right)\right.$

针对压缩后的数据，还可以将所述限制结果映射到预设值域上，使其与显示范围匹配，例如将预设值域设置为[0，1]，则进行的是归一化处理，具体操作可以参见现有技术的相关说明。

为了实现显示范围匹配后的数据，还可以选择其中的一段映射到显示范围。如图4所示，映射有线性映射和非线性映射两种，图中的横坐标是输入灰度，纵坐标是输出灰度。图4(a)给出的是一种线性映射，它可以选择显示映射的范围，但映射范围内均为线性变换，只能调整整体的动态范围；而图4(b)给出的是一种非线性映射，可以实现对组织强度的回波区域实现调整，其除了可以调整整体动态范围外，还能实现局部细节的显示调整，例如对于多数图像可以使用实线部分，得到噪声信息抑制，强回声突出而整体适中的效果，而虚线部分则尤其突出128灰度附近的回波区域。本发明利用图4所述的方法进行显示动态范围调整，其具体过程是：设定一个视觉上适中的旋转点；根据要求的显示效果选择一条经旋转点的映射线实现显示动态范围映射；若映射线同时通过最小点、旋转点和最大点，则等同映射；若映射线斜率偏小时，实现高动态范围低对比显示；若映射线斜率偏高时，则实现低动态范围高对比显示。匹配后的数据。

上述方法在超声系统上可通过软件编程来实现，或者通过在超声系统中增加如FPGA等等实现上述各个功能的电路来实现。基于超声系统的硬件系统，如图8所示，本发明给出的超声成像系统中在包括：用于对超声回波信号依次进行解调、距离累积、频谱分析获得多普勒信号随时间变化功率谱的频谱分析模块的基础上；还包括：估计模块，用于根据所述功率谱估计噪声平均功率；阈值设定模块，用于通过修正所述噪声平均功率设定噪声抑制阈值；噪声抑制模块，用于将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；对数压缩模块，用于对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图。上述系统还包括：匹配模块，用于将压缩后的声谱图映射到预设值域，使其与显示范围匹配，获得匹配后的声谱图。上述系统还包括：动态范围调整模块，用于对匹配后的声谱图进行显示动态范围调整，实现灰度映射调整。上述噪声抑制阈值为所述噪声平均功率一相关数据，可以采用上述函数计算的方法得到，也可以在系统中设置一与阈值设定模块通讯连接的内存块，该内存块记录有根据经验选择的噪声抑制阈值与各个噪声平均值区域之间的对应关系，阈值设定模块通过查表操作实时在内存块中获取相应的噪声抑制阈值。

如图9所示，上述估计模块包括：最大频率估计单元，用于对一预定时刻的功率谱估计所述多普勒信号对应的正向最大频率和反向最大频率；噪声平均功率估计单元，根据所述正向最大频率和反向最大频率确定纯噪声的频率范围，并在该范围内估计噪声平均功率。

如图9所示，上述噪声抑制模块包括：比较判断单元，用于比较所述功率谱与所述噪声抑制阈值，并将小于所述噪声抑制阈值的功率谱作为底噪声，输出判定结果；抑制单元，用于将所述底噪声的功率谱乘以一个衰减系数，用以获得抑制处理后的功率谱。

如图9所示，上述噪声抑制模块还包括：平滑处理单元，用于对所述抑制单元输出的功率谱进行平滑处理。

如图9所示，上述对数压缩模块包括：输入单元，用于设定对数压缩处理的最大显示值以及对数压缩数据输入的动态范围值；对数计算单元，用于将抑制处理后的功率谱与所述最大显示值的商取对数，并将取对数的结果与所述动态范围值相加，获得求和结果；范围限制单元，用于将所述求和结果在零到所述动态范围值之间进行范围限制，获得限制结果。

如图9所示，上述范围限制单元包括：判断单元，用于判断抑制处理后的功率谱是否在

内，并输出判定结果；修正单元，用于根据所述判定结果，在零到所述动态范围值之间修正所述求和结果。

综上所述，本发明采用改进的几何算法等方法实时估计噪声平均功率，并将该噪声平均功率作为噪声抑制时噪声抑制阈值确定的基础，使得噪声抑制根据回波信号实际功率属性调整噪声抑制效果。并且对于抑制后的声谱图采用对数压缩方法对信号噪声水平进行调整，用以提高声谱图显示的动态范围效果和整体声谱图质量。可见，本发明在不需要特殊扫描的前提下，实时分析声谱图上的噪声水平，并同时应用到声谱图显示的噪声抑制上，可以提高声谱图的动态范围并抑制杂散(clutter)噪声；在对部分多普勒信号进行抑制后，进行动态范围的对数压缩，实现对功率谱信号显示范围的选择，通过选择输入信号的范围，将最有用的信息部分显示出来，实现谱图诊断信息部分的显示。如图5所示，给出了一线声谱图数据采用本方明方法处理前后的对比，图中实线是未处理声谱图，粗虚线部分是进行过噪声抑制后的效果图，横纵坐标是FFT的输入点数，从图中可以明显地看出，抑制准确地选择了噪声部分，而对于包含诊断信息部分没有损失，详细对比可见图6和图7的效果对比图。图6给出的是一段处理前的声谱图，而图7是经过本发明的动态噪声抑制后的同一段声谱图，其中横坐标均为时间，单位是1/PRF秒，PRF是PW的脉冲重复频率(pulse repeatfrequency)，纵坐标均为速度，通常单位为cm/s，从图中可以看出，可以看到不仅噪声得到了有效地抑制，同时还明显地提高了谱图的对比度，信号分量基本保持不变，而噪声分量被大幅度衰减。

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 (18)

1.一种声谱图像的信号处理方法，其特征在于，所述方法包括：

对回波多普勒信号进行频谱分析，获得多普勒信号随时间变化的功率谱；

由所述功率谱估计噪声平均功率；

根据所述噪声平均功率确定噪声抑制阈值；

将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；

对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图；

所述功率谱与所述噪声抑制阈值进行比较时，将小于所述噪声抑制阈值的功率谱判定为本底噪声，将该本底噪声的功率谱按照预设衰减规则进行衰减处理，用以获得抑制处理后的功率谱。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将压缩后的声谱图映射到预设值域，使其与显示范围匹配，获得匹配后的声谱图。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对匹配后的声谱图进行显示动态范围调整，实现灰度映射调整。

4.根据权利要求1、2或3所述的方法，其特征在于，所述噪声平均功率的估计过程包括：

对一预定时刻的功率谱估计所述多普勒信号对应的正向最大频率和反向最大频率；

根据所述正向最大频率和反向最大频率确定纯噪声的频率范围，并在该频率范围内估计噪声平均功率。

5.根据权利要求1、2或3所述的方法，其特征在于，所述噪声抑制阀值等于一个与噪声平均值相关的函数F(N)的值，其中，N为噪声平均功率，F()表示求值运算函数。

6.根据权利要求1、2或3所述的方法，其特征在于，所述噪声抑制阈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噪声抑制阈值与各个噪声平均值区域之间的对应关系。

7.根据权利要求1所述的方法，其特征在于，所述预设衰减规则包括：统计所述本底噪声区域，按本底噪声大小分为至少一个数据区间段，对不同的数据区间段进行衰减处理时，选择不同的衰减系数，并将所述本底噪声的功率谱乘以所述衰减系数。

8.根据权利要求1、2或3所述的方法，其特征在于，在噪声抑制处理之后还包括：对抑制处理后的功率谱进行平滑处理。

9.根据权利要求1、2或3所述的方法，其特征在于，所述限制输入动态范围的对数压缩过程包括：

设定对数压缩处理的最大显示值以及对数压缩数据输入的动态范围值；

将抑制处理后的功率谱与所述最大显示值的商取对数，并将取对数的结果与所述动态范围值相加得到求和结果；

将所述求和结果在零到所述动态范围值之间进行范围限制，获得限制结果。

10.根据权利要求9所述的方法，其特征在于，所述范围限制的过程包括：

判断抑制处理后的功率谱是否在内，若是，则保持所述求和结果，若否，则修正所述求和结果使其在零到所述动态范围值之间，其中，P_max指所述最大显示值，DR_P指所述动态范围值。

11.根据权利要求10所述的方法，其特征在于，所述求和结果的修正过程包括以下两个判断步骤：

判断所述抑制处理后的功率谱是否大于所述最大显示值，若是，则将所述求和结果值修正为所述动态范围值；

判断所述抑制处理后的功率谱是否小于

若是，则所述求和结果值修正为零，其中，P_max指所述最大显示值，DR_P指所述动态范围值。

12.根据权利要求3所述的方法，其特征在于，所述显示动态范围调整的过程包括：

设定一个视觉上适中的旋转点；

根据要求的显示效果选择一条经旋转点的映射线实现显示动态范围映射；若映射线同时通过最小点、旋转点和最大点，则等同映射；若映射线斜率偏小时，实现高动态范围低对比显示；若映射线斜率偏高时，则实现低动态范围高对比显示。

13.根据权利要求12所述的方法，其特征在于，所述映射包括线性映射或非线性映射。

14.一种超声成像系统，所述系统包括：频谱分析模块，用于对超声回波信号依次进行解调、距离累积、频谱分析获得多普勒信号随时间变化的功率谱；其特征在于，所述系统还包括：

估计模块，用于根据所述功率谱估计噪声平均功率；

阈值设定模块，用于根据所述噪声平均功率确定噪声抑制阈值；

噪声抑制模块，用于将所述功率谱与所述噪声抑制阈值进行比较，根据比较结果进行噪声抑制，获得抑制处理后的功率谱；

对数压缩模块，用于对抑制处理后的功率谱进行限制输入动态范围的对数压缩，获得压缩后的声谱图；

所述噪声抑制模块包括：

比较判断单元，用于比较所述功率谱与所述噪声抑制阈值，并将小于所述噪声抑制阈值的功率谱作为本底噪声，输出判定结果；

抑制单元，用于将所述本底噪声按照预设衰减规则进行衰减处理，用以获得抑制处理后的功率谱。

15.根据权利要求14所述的系统，其特征在于，所述系统还包括：

匹配模块，用于将压缩后的声谱图映射到预设值域，使其与显示范围匹配，获得匹配后的声谱图。

16.根据权利要求14所述的系统，其特征在于，所述系统还包括：

动态范围调整模块，用于对匹配后的声谱图进行显示动态范围调整，实现灰度映射调整。

17.根据权利要求14、15或16所述的系统，其特征在于，所述估计模块包括：

最大频率估计单元，用于对一预定时刻的功率谱估计所述多普勒信号对应的正向最大频率和反向最大频率；

噪声平均功率估计单元，根据所述正向最大频率和反向最大频率确定纯噪声的频率范围，并在该频率范围内估计噪声平均功率。

18.根据权利要求14、15或16所述的系统，其特征在于，所述系统还包括：一与所述阈值设定模块通讯连接的内存块，该内存块记录有根据经验选择的噪声抑制阈值与各个噪声平均值区域之间的对应关系。

Images