CN1518669A - 超声杂波滤波器 - Google Patents

Abstract

一种从具有血液信号分量和杂波信号分量的采样流中自适应地滤去杂波的方法包括如下的步骤：(a)估计采样流的信号强度，和(b)基于信号强度估计和信号强度阈值之间的关系确定滤波器的阶数。该滤波器接收采样流并提供具有相对所说的血液信号分量降低了杂波信号分量的电平的输出流。

Description

超声杂波滤波器

发明领域

本发明涉及医疗成像系统，更具体地说涉及在估计血流速度的过程中使不希望的杂波信号最小化同时保持对较低速度的血流的敏感性。

已有技术的描述

诊断超声设备将声能量发射到人体并接收组织和器官(比如心脏、肝脏、肾脏等)反射的信号。这些声波也被流经在组织中的脉管和毛细管的血细胞反射。通过超声波装置接收的信号是组织部分(例如心脏壁、血管壁等)反射的声波和血细胞反射的声波的矢量和。

由于血细胞的运动通过反射声波的互相关函数的多普勒频移或在时域中的平移可以获得血流模型并以称为彩色流成像或者彩色速度成像的二维格式显示它。通常，比如心脏或脉管壁的结构的反射部分的幅值具有较小的绝对速度，并且比由血细胞引起的反射分量大20dB至40dB(10-100倍)。估计血流速度的算法必需考虑杂波的影响，即来自“静止”或慢速运动的结构(例如，心脏、肝脏等)的信号分量的影响。

已有技术的装置使用固定频率、固定阶数的滤波技术以消除或减小在速度估计中的杂波的影响。此外，已有技术装置已经使用自适应技术比如零控制技术(参见美国专利US 4,016,528和US 5,197,477)以减小或消除由杂波造成的影响。其它的文献提出了考虑杂波的参数技术(美国专利US 5,228,009)。

一般地，基于滤波器的技术比参数技术要求更少的计算。但是，基于滤波器的技术必需固定滤波器的阶数。基于滤波器的技术必需假设杂波的带宽足够窄以便进行固定阶数的滤波，否则，滤波器的阶数必需过高地指定以便考虑最坏的杂波情况。

发明概述

本发明的一个目的是提供一种在血流速度的估计中使不希望的杂波信号最小同时保持对较低速度的血流的敏感性的滤波技术。

本发明的另一目的是提供一种能够动态地自适应地修改滤波器的系数和滤波器的阶数以在存在低电平或高电平的杂波的情况下提供最佳的滤波的自回归参数技术。

本发明以两种方式减小杂波。第一，它基于超声血流加上杂波信号的功率和平均频率修改杂波滤波器的阶数。第二，它基于线性预测和自适应网格滤波的原理修改杂波滤波器的系数。

因此，本发明提供了一种基于线性预测领域的原理实施杂波滤波器的系统和方法。该滤波器基于输入信号和用户可定义的控制输入增加滤波器的阶数并确定滤波器的系数。确定这种滤波器的系数以使滤波器零值对应于部分相关系数，或者在部分相关系数的频率的单元圆上，或者从滤波器系数的预定义表中选择。滤波器阶数和滤波器系数的动态和自适应修改允许基于特定的应用或组织类型更好地调谐杂波滤波器。

本发明采集杂波和血液数据。接着，估计数据的信号强度和频率。通过迭代处理，每次在几个范围的一个范围内确定信号强度和频率，根据这些信号强度和频率范围处理该数据。可以不变地传输数据、根据反射系数进行滤波或者根据预定的滤波系数进行滤波。

附图概述

附图1所示为根据本发明的杂波滤波器的方块图。

附图2所示为根据本发明的杂波滤波器的优选实施例的方块图。

附图3所示为根据本发明实施的自适应杂波滤波器的流程图。

附图4所示为根据本发明实施的自适应杂波滤波器的变型实施例的流程图。

附图5所示为适合于实施根椐本发明的杂波滤波器的程序的执行的计算机系统的方块图。

附图6所示为网格滤波器系数计算器的优选实施例的方块图。

本发明的详细描述

色流图像或彩色速度图像由沿径向图像线采集的速度估计构成。从一组超声脉冲回波序列中获得一个径向图像线的速度估计。通常，一线的速度估计由4至16个脉冲回波序列或者脉冲重复周期构成。如下文所讨论，本发明源自两种生理观察结果。

第一种观测结果是杂波(即生理超声回波的不希望的部分)高度相关。这种高度相关存在于沿深度尺寸的短时间和从一个脉冲重复周期到下一个脉冲重复周期的慢时间中。杂波信号通常具有从一个脉冲回波周期到下一个脉冲回波周期的较低相位变化，比如易于成为具有窄频宽的低频信号。在给定的深度上并跨越多个脉冲重复周期的回波数据称为流量包。本发明针对在流量包中以慢速存在的杂波的情况。线性预测滤波自适应地消除数据流的相关分量。在彩流成像的情况下，数据流是流量包。因此，基于线性预测技术的本滤波方案非常适合于从包括来自血液的回波和杂波的信号中消除杂波。

第二种观察结果是杂波信号的幅值范围从所需的血液信号的幅值大得多的幅值到比所需的血液信号的幅值更小的幅值。在杂波信号的幅值比所需的血液信号的幅值大得多时，比如处于或接近心脏壁附近，杂波滤波器优选提供高度滤波。但是，在杂波低于所需的信号的幅值时，比如处于心脏的左心室的中心，杂波滤波器优选对组合的血液和杂波信号进行程度非常低的滤波。

这两种观察结果导致了本发明的滤波器结构，这种结构组合了线性预测滤波和基于信号的强度选择滤波器阶数的原理。更具体地说，滤波器结构基于线性预测网格滤波。

线性预测滤波是通过适当选择滤波器系数估计信号的频谱内容的技术。可以认为信号是一组正弦信号和噪声信号的总和。例如，对于由两种不同频率的两个正弦信号和高斯噪声构成的信号，可以构造线性预测滤波器，这种滤波器滤去相干或正弦分量并剩下非相干或噪声分量。使用抑制的最小技术可以确定这个滤波器的滤波器系数。Burg研究出了通过使前向和后向平均平方预测误差或预测误差功率最小化来估计这些滤波器系数(也称为反射系数)的方法。

预测误差是在实际的信号值和从将来或过去的信号值中预测的信号值之间的差值。在实际信号和从过去的信号值中预测的信号值之间的差值称为前向预测误差。在实际信号和从将来的信号值中预测的信号值之间的差值称为后向预测误差。线性预测是识别信号的主要或相干分量的技术。线性预测通过选择使预测误差最小的滤波器系数识别这些相干信号分量。

前向和后预测误差的完整解释可以参见Kay、Steven M.、ModernSpectral Estimation-Theory and Application，Prentice Hall，1987，或Clarkson，Peter M.，Optimal and Adaptive SignalProcessing，CRC Press，1993。Kay在“Modern Spectral EstimationTheory and Application”，Prentice Hall，1988中提供了线性预测网格滤波的详细描述。

在上述的实例中，输入信号由两个正弦信号组成。线性预测滤波器消除正弦信号分量的能力是滤波器的长度或阶数的函数。对于上述实例，二阶预测器足够完全滤去输入信号的正弦分量。通过将滤波器零点设置在信号分量的频率上来滤去正弦分量。

有限脉冲响应(FIR)滤波器的频率响应由多项式表示。这个多项式方根描述了在频域中滤波器的输出何时接近零。网格滤波器是数字FIR滤波器的实施例方式的直接替换方案的FIR滤波器。网格滤波器提供了模态结构并且易于测试稳定性。网格滤波器在有限字长实施方面具有优点并且对量化噪声具有较低的敏感性。

Burg方法可用于估计反射系数，然后使用Levinson递归来获得自回归(AR)参数估计。反射系数估计通过以递归的方式使不同的阶数预测器的预测误差功率的估计最小化获得。Burg算法允许该零值在一个单元圆内或其上移动。零点的位置是数据相关的。对于窄的带宽，该零值在单元圆上，而对于宽的带宽，该零值在单元圆内。还存在其它的预测算法，本发明的滤波器结构可以使用任何常规的算法来确定滤波器系数。

从Burg方法中导出的反射系数也可以称为滤波器系数，通过部分相关的处理从输入数据中确定这些滤波器或者反射系数。部分相关允许以从两个变量中消除的第三变量(或者第三及其以后的变量等)检查在这两个变量之间具有统计结果的关系。结果是滤波器或者反射系数等于部分相关系数的负值。

本发明的一种实施例是从具有血液信号分量和杂波信号分量的采样流中自适应滤去杂波的方法。简言之，该方法包括如下的步骤：(a)估计采样流的信号强度和频率，以及(b)在信号强度估计落在信号强度的预定范围内时以及在频率估计落在预定的频率范围内时基于采样流的线性预测分析确定滤波器的零值。滤波器接收采样流并提供具有相对血液信号分量降低了杂波信号分量的电平的输出流。因此，滤波器阶数和滤波器系数基于输入信号电平、信号频率、预定的阈值和预定的滤波器系数。滤波器零值的动态和自适应确定允许基于应用或组织类型精确调整杂波滤波器。此外，滤波器阶数可以根据信号强度和信号频率改变。在信号强度、频率和滤波器阶数之间的关系通过查询表可编程。这种可编程性允许该系统设计者基于应用使滤波器性能最佳。

附图1所示为特别适合用于超声系统的滤波器100的示意图。滤波器100包括一阶网格滤波器105、一阶有限脉冲响应(FIR)滤波器110和系数计算器120。系数计算器120接收对应于血液和杂波的超声数据的采样流的控制器。系数计算器120基于信号强度阈值、信号频率阈值和采样流产生一个或多个滤波器系数。总地来说，网格滤波器105和FIR滤波器110作为接收采样流和滤波器系数的滤波器运行，并且具有由滤波器系数界定的可变配置。可变配置包括(a)可变阶数、(b)自适应零值选择和(c)可变中心频率。滤波器100产生减小的杂波血液信号。

滤波器零值使滤波器输出接近在特定的频率上的零值，由此称为“滤波器零值”。滤波器阶数是在滤波器中定义的零值的数量。零值选择是指确定零值所处于的一个或多个频率。

系数计算器120是具有用户通过处理器接口125可定义输入的控制器，并且接收包括杂波和血液数据的输入信号x(n)(即采样流)。输入信号x(n)包括零阶前向预测误差e₀ ^f(n)和零阶后向预测误差e₀ ^b(n)。对于滤波器100零阶前向和后向预测误差信号等于输入信号x(n)。在网格滤波器系数计算器120中的查询表(参见下文对附图4的描述)根据输入信号x(n)的信号强度和平均频率通过系数计算器120确定了滤波器100的阶数和滤波器系数的公式。系数计算器120提供了滤波器系数C1、C2和C3的输出和反射系数rc1。如在下文的公式1所确定，反射系数rc1＝k1，这里m＝1。滤波器系数C1和C2由网格滤波器105使用，而滤波器系数C3由FIR滤波器110使用以减小输入信号x(n)的杂波分量。

网格滤波器105接收输入信号x(n)并从系数计算器120接收滤波器系数C1和C2。网格滤波器105产生前向预测误差e₁ ^f(n)和后向预测误差e₁ ^f(n)。前向预测误差e₁ ^f(n)作为输入提供给FIR滤波器110。

FIR滤波器110从网格滤波器105接收前向预测误差e₁ ^f(n)并从网格滤波器105接收滤波器系数C3。FIR滤波器110产生杂波减小的输出y₁(n)。

滤波器100的输出是y₁(n)、e₁ ^b(n)和rc₁。下游的速度估计器使用网格滤波器系数计算器120的这些杂波被滤去的输出y₁(n)、e₁ ^b(n)和/或rc₁输出以确定组织或血液的速度。

作为滤波器100的操作的说明，系数计算器120根据下面的公式计算网格滤波器105的反射系数： $k_1=\frac{-2\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{e}_0^f\left[n\right]\·e_0^b{[n-1]}^{*}}{\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{\left|e_0^f\right[n\left]\right|}^2+{\left|e_0^b\right[n-1\left]\right|}^2}$ (根据Burg线性预测的零值)

或 $k_1=\frac{-\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{e}_0^f\left[n\right]\·e_0^b{[n-1]}^{*}}{\left|\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{e}_0^f\right[n]\·{e_0^b[n-1]}^{*}|}$ (在单元圆上的零值)

其中：N＝在流量包中的采样数；

      e_m-1 ^f(n)＝前向预测误差，

      e_m-1 ^b(n)＝后向预测误差，

      e_m-1 ^b[n-1]^*＝e_m-1 ^b[n-1]的复共轭，

      e₀ ^f(n)＝e₀ ^b(n)＝x(n)，

      m＝网格滤波器级(对于网格滤波器105，m＝1)

系数计算器120计算输入信号x(n)的强度和平均频率。除了处理器可编程的查询表之外，系数计算器120使用输入信号x(n)的强度和平均频率以确定k_m的上述公式中的一个还是预先确定的滤波器系数组用于C1、C2和C3。

在本实例中，已经对网格滤波器系数计算器120的查询表进行了编程以为随后几个输入信号x(n)的功率电平指定C1和C2(网格滤波器105的滤波器系数)。定义为高、中和低功率的输入信号x(n)的功率的绝对值取决于超声系统、超声换能器和成像的组织类型的特定的组合。但是，对于心脏成像情况，通过心外膜形成高功率，通过心肌形成中等功率，以及通过心内膜形成低功率，在左心室的中间的区域将形成非常低的功率。

功率范围1

对于x(n)的较高输入功率状态，滤波器系数C1、C2和C3选择如下：

$C1{=k}_1=\frac{-\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}x\left[n\right]\·{x[n-1]}^{*}}{\left|\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}x\right[n]\·{x[n-1]}^{*}|},$

C2＝0，和C3＝C1

功率范围2

对于x(n)的中等输入功率状态，滤波器系数C1、C2和C3选择如下：

$C1=k_1=\frac{-\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}x\left[n\right]{\·x[n-1]}^{*}}{\left|\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}x\right[n]\·{x[n-1]}^{*}|},$

C2＝0，和C3＝0

功率范围3

对于x(n)的较低输入功率状态，滤波器系数C1、C2和C3选择如下：

$C1=k_1=\frac{-2\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{x\left[n\right]\·x[n-1]}^{*}}{\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{\left|x\right[n\left]\right|}^2+{\left|x\right[n-1\left]\right|}^2},$

C2＝k₁ ^*，和C3＝0.

功率范围4

对于x(n)的很低输入功率状态，选择网格滤波器105的系数以给固定滤波提供在DC上的零值。因此，网格滤波器105的滤波器系数选择为C1＝0、C2＝0，并且选择FIR滤波器110的滤波器系数为C3＝-1。

将来自系数计算器120的滤波器系数C1、C2和C3输送给网格滤波器105和FIR滤波器110。对于功率范围1通过设定滤波器系数C3＝C1杂波滤波器100的阶数为二阶，对于功率范围2通过设定滤波器系数C3＝0该阶数为一阶。对于功率范围3杂波滤波器100为一阶并且滤波器系数基于Berg线性预测。由此通过网格滤波器105对输入信号x(n)进行滤波，随后通过FIR滤波器110进行滤波以形成杂波减小的输出y₁(n)和e₁ ^b(n)。

在上述的实例中，网格滤波器105的滤波零值不必对应于血液或在输入x(n)中的杂波的多普勒频移。具体地说在x(n)是较低的功率信号的功率范围3中，杂波和血液信号分量具有类似的幅值和不同的频率。在这些条件下网格滤波器零值的频率实际位于血液分量的多普勒频移和杂波分量的多普勒频移之间。

常规的速度估计器不正确地估计功率范围3的血液速度位于血液和杂波分量的多普勒之间。在这种假设的情况下绝对的血液速度大于杂波速度，通过反射系数K_m和输出e₁ ^b(a)和y(n)的组合可以估计功率范围3的血液平均频率的更精确的测定。这种滤波和估计过程公知为自回归信号模型。自回归信号模型通过称为Levinson递归的技术如下提供了自回归(AR)系数：

$k_m=\frac{\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{e^f}_{m-1}\left[n\right]{e^b}_{m-1}{[n-1]}^{*}}{\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{\left|{e^f}_{m-1}\right[n\left]\right|}^2+{\left|{e^b}_{m-1}\right[n-1\left]\right|}^2}---\left(1\right)$

a_m[i]＝k_m；i＝m，m＝1，2，3...p           (2)

$a_m\left[i\right]=a_{m-1}\left[i\right]+k_m\·{a^{*}}_{m-1}[m-i];i=\mathrm{1,2},...m-1;m=\mathrm{2,3},...p-----\left(3\right)$

这里p是模型阶数，并且AR模型系数由a_p[1]，a_p[2]...a_p[p]。

这些AR系数可用于估计血液和/或超声信号的杂波分量的平均多普勒频率。取决于滤波器和/或模型阶数，血液速度从所得的AR系数的角度中或者从所得的AR系统的方根的角度中估计。作为附加的实例，对于二阶模型，p＝2，同时如上设置C1、C2和C3，所得的AR系统是二阶多项式；

ARsystem＝1+a₁[1]·z^-1+a₂[2]·z^-2         (4)

通过二次方公式给定这个二阶系统的方根：

$r_1,r_2=\frac{{-a}_2\left[1\right]\±\sqrt{a_2{\left[1\right]}^2-4a_2{\left[2\right]}^2}}{2}------\left(5\right)$

这些方根的角度描述了杂波和血液平均频率。与杂波相关的方根通过相对于DC查r₁、r₂确定。假设杂波的方根的角度比多普勒方根更接近DC。由于已经确定了血液与杂波之比的适当的方根，通过取r(血液)的反正切获得速度估计。

除了方程式1的k_m的公式以外，基于Burg AR模型方法，本发明利用方程式6的k_m的公式。

$k_m=\frac{\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{e^f}_{m-1}\left[n\right]{e^b}_{m-1}{[n-1]}^{*}}{\left|\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{e^f}_{m-1}\right[n\left]{e^b}_{m-1}{[n-1]}^{*}\right|}------\left(6\right)$

在方程式6中用于功率范围1和2的反射系数的公式包含位于单元圆上的网格滤波器105和FIR滤波器110的零值。这个公式用于高功率移动杂波的情况比如心壁。将零值置于单元圆上会使滤波器零值置于高功率相干杂波信号中。上述的实例描述了操作杂波滤波器100的模式。基于x(n)的输入功率修改滤波器的阶数和滤波器系数的公式。网格滤波器系数计算器120计算x(n)的输入功率。功率范围1说明了提供移动杂波信号的非常积极(aggressive)滤波的二阶杂波滤波器。功率范围2说明了提供移动杂波信号的不太积极滤波的一阶杂波滤波器。功率范围3适合于在心脏的心内膜附近的杂波滤波。

将输入信号划分为4个不同的功率范围的上述的实例说明了本发明的滤波器结构的灵活性，但它不是使用这种滤波器结构的唯一方式。网格滤波器系数计算器120也计算输入信号x(n)的平均频率。结合输入信号x(n)的功率电平使用这个平均频率信息可以进一步符合使用一阶滤波器(功率范围2、3或4)或者二阶滤波器(功率范围1)的条件。此外，使用方程式1、方程式6或者固定滤波比如功率范围4的条件可以进一步界定。如果输入频率超出阈值则输入信号x(n)的这种平均频率也可用于限制使用的滤波量。例如在心脏的左心室中非常低的杂波条件下这个特征比较有用。在输入信号x(n)的平均频率在频率阈值之下时杂波滤波器100可以设置成基于方程式1或6进行自适应滤波或者在输入信号x(n)等于或在频率阈值之上时使用固定的非自适应滤波比如在上述的功率范围4。

杂波滤波器100也可以级联成p阶滤波器。在p阶滤波器中，对于每个滤波器级，可以将前向和后向预测误差输送给下一滤波器级，或则通过下游速度估计器使用它们。速度估计器可以是简单的后延1(lag1)自相关器或者更复杂的p阶AR模型比如在方程式2、3、4和5中描述的二阶AR模型。更高阶AR速度估计器可以用于在包含多重信号分量的杂波的情况下更精确地估计血液速度。这些信号分量是由通过超声成像束的侧瓣采样的心脏壁运动和心脏膜运动引起的。因此，如附图1所示的杂波滤波器100和如附图2的级联形式(将在下文描述)可与几种速度估计算法结合使用。

附图2所示为根据本发明的线性预测网格杂波滤波器200的优选实施例。滤波器200是杂波滤波器100的级联实施方式，每个杂波滤波器表示为滤波器段220。滤波器200包括p个一阶网格滤波器段205(参见附图1的标号105)、p个一阶FIR滤波器段206(参见附图1的标号110)和p个网格滤波器系数计算器210(参见附图1的标号120)。在每个段220中，系数计算器210控制网格滤波器205和FIR滤波器206。

每个系数计算器210具有第一、第二和第三输入。第一输入对应于在每个系数计算器210内对查询表(参见下文的附图4的描述)进行编程的处理器连接。对查询表的指令确定输入功率电平和输入平均频率，在这个频率上使用方程式1和6和滤波器的结构，如上文在功率范围1-4中所描述。第二和第三输入对应于如前文参考附图1描述的e_m-1 ^f(n)和e_m-1 ^b(n)。

对于在滤波器200的第一段220(m＝1)中的系数计算器210，从输入信号x(n)中获取两个输入e_m-1 ^f(n)和e_m-1 ^b(n)。对于在随后的段220(m＝2，3，...，p)中的系数计算器210，分别从在前的滤波器段220的y_m-2(n)和_m-2 ^b(n)的输出(参见附图1)中获取输入e_m-1 ^f(n)和e_m-1 ^b(n)。

每个系数计算器210给它相应的网格滤波器205和FIR滤波器206提供滤波器系数输出。这些滤波器系数对应于滤波器系数C1、C2和C3，如附图1中所描述。此外，系数计算器210提供了根据下游的速度估计器所使用的方程式1计算的反射系数rcm，这里rcm＝km，m＝1，2，3，...，p，p是滤波器的阶数。

每个系数计算器210计算方程式1和用于反射系数k_m的方程式6。每个系数计算器210根据可编程的查询表和根据输入e_m-1 ^f(n)和e_m-1 ^b(n)的功率和平均频率选择用于它的相应的滤波器段220的系数。这些滤波器系数可以基于上文描述的功率范围1-4或者可以经验地确定的某些其它方法计算。

滤波器段220提供了输出y_p(n)。这种输出y_p(n)表示消除了杂波的血液信号。下游速度估计器直接使用y_p(n)以通过后延1自相关估计速度或者与来自系数计算器210的rcl至rcp组合以确定血液多普勒频率，如上文通过方程式2、3、4和5所描述。这个结构的灵活性允许杂波滤波器对于多种应用都是最佳的。

附图3所示为根据本发明从具有血液信号分量和杂波信号分量的采样流中自适应滤去杂波的方法的流程图。简言之，该方法包括如下的步骤(a)估计采样流的信号强度，以及(b)基于信号强度估计和信号强度阈值之间的关系确定滤波器的阶数。滤波器接收采样流并提供具有相对血液信号分量降低了杂波信号分量电平的输出流。

这种方法使用信号功率确定滤波器的阶数和来自方程式1或方程式6或者来自固定滤波器值的滤波器系数的公式。该方法以步骤305开始。

在步骤305中，该方法采集组织和血液数据包：

x＝[x₀，x₁，...，x_N-1]

然后该方法进行到步骤310。

在步骤310中该方法估计数据的信号强度。

然后该方法进行到步骤315。

在步骤315中，该方法确定信号强度的值是否大于或等于零并小于第一阈值(T1)。

0≤功率≤T₁。

如果信号强度大于或等于零值并小于T₁，则该方法进行到步骤320。如果信号强度不大于或等于零值并且小于T₁，则该方法转到步骤325。

在步骤320中，该方法设定k₁＝-1。滤波器被构造为一阶滤波器。

k_m＝-1；m＝1

该方法然后进行到步骤345。

在步骤325中，该方法确定信号强度的值是否大于或等于第一阈值T₁并小于第二阈值T₂。

T₁≤功率≤T₂。

如果信号强度大于或等于T₁并小于T₂，则该方法进行到步骤330。如果信号强度不大于或等于T₁并小于T₂，则该方法转到步骤335。

在步骤330中，滤波器被构造为一阶滤波器。根据下面的公式使用线性预测计算k₁。

$k_m=\frac{-2\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}}{\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{\left|x_n\right|}^2+{\left|x_{n-1}\right|}^2};m=1$

然后该方法进行到步骤345。

在步骤335中，该方法确定信号强度的值是否大于或等于第二阈值T₂并小于第三阈值T₃。

T₂≤功率≤T₃。

如果信号强度大于或等于T₂并小于T₃，则该方法进行到步骤340。如果信号强度不大于或等于T₂并小于T₃，则该方法转到步骤350。

在步骤340中，滤波器被构造为一阶滤波器。根据下面的公式计算k₁以使自适应滤波器系数在单元圆上。

$k_m=\frac{-\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}}{|\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}|};m=1$

然后该方法进行到步骤345。

在步骤345，该方法通过如下计算输入信号x与x(n)的卷积来确定输出信号 Y：

Y＝[1，k₁] x

然后该方法进行到步骤365。

在步骤350中，信号强度大于最大阈值T₃。滤波器被构造为二阶滤波器。根据下面的公式计算k₁：

$k_m=\frac{-\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}}{|\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}|};m=1$

然后该方法进行到步骤355。

在步骤355中， x与[1，k₁]进行卷积，由此得到中间结果 Z。

Z＝[1，k₁] x

然后该方法进行到步骤360。

在步骤360，该方法通过如下计算中间结果 Z与滤波器系数的卷积来确定经滤波的输出信号 Y：

Y＝[1，k₁] Z

然后该方法进行到步骤365。

在步骤365中，该方法提供所计算的结果 Y。

附图4所示为根据本发明实施杂波滤波器的方法的另一实施例的流程图。在这种方法中，输入信号的平均频率与信号强度结合以确定滤波器阶数。该方法包括如下的步骤：(i)估计采样流的信号强度和频率，以及(ii)基于(a)在信号强度估计和信号强度阈值之间的关系和(b)在频率估计和频率阈值之间的关系确定滤波器的阶数。该方法以步骤405开始。

在步骤405中，该方法采集组织和血液数据包：

x＝[x₀，x₁，...，x_N-1]

然后该方法进行到步骤410和415。

步骤410与步骤415平行地执行。在步骤410中，该方法估计数据的信号强度。

然后该方法进行到步骤420。

步骤415与步骤410平行地执行。在步骤415中，该方法根据下面的公式确定超声输入信号x(n)的多普勒频移，这里“im”是输入信号x(n)的后延1自相关的虚部，“re”是实部。

$\mathrm{frequency}=\arctan \left(\frac{\mathrm{im}(\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*})}{\mathrm{re}\left(\underset{n=1}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}\right)}\right)$

然后该方法进行到步骤420。

在步骤420中，该方法使用从步骤410中得到的功率和从步骤415中得到的频率作为查询表的索引。查询表的输出指示落在四种情况(即查询表(LUT)的情况0、1、2或3)中的一种的功率和频率的组合。

如果情况＝0，则该方法分支到步骤425。

如果情况＝1，则该方法分支到步骤430。

如果情况＝2，则该方法分支到步骤435。

如果情况＝3，则该方法分支到步骤445。

下文的表1说明了步骤420的查询表的可能设置。查询表具有两个杂波频率种类和四个杂波功率种类。在较低的频率杂波种类下根据杂波功率电平选择步骤425、430、435或445中的一个。在较高的频率杂波种类下根据杂波功率电平选择步骤425和445中的一种。高频杂波种类假设较高的中等的杂波功率电平对应于快速运动组织比如心脏膜并从步骤405提供杂波+血液信号的非常积极滤波。高频杂波种类的较低和非常低的功率电平认为来自步骤405的信号基本是血液信号并且提供减小的滤波。

                 表1

	低频杂波	高频杂波
			非常低的功率杂波	LUT＝0	LUT＝0
低的功率杂波	LUT＝1	LUT＝0
			中等功率杂波	LUT＝2	LUT＝3
高的功率杂波	LUT＝3	LUT＝3

在步骤425中，该方法设定k₁＝-1。该滤波器构造为一阶滤波器。

K_m＝-1；m＝1

然后该方法进行到步骤440。

在步骤430中，滤波器被构造为一阶滤波器。根据下面的公式计算k₁。

$k_m=\frac{-2\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}}{\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{\left|x_n\right|}^2+{\left|x_{n-1}\right|}^2};m=1$

然后该方法进行到步骤440。

在步骤435，滤波器被构造为一阶滤波器。根据下面的公式计算k₁。

$k_m=\frac{-\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}}{|\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}|};m=1$

然后该方法进行到步骤440。

在步骤440中，该方法通过如下与滤波器系数的卷积来确定输出信号 Y：

Y＝[1，k₁] x

然后该方法进行到步骤460。

在步骤445中，滤波器被构造为二阶滤波器。根据下面的公式计算k₁：

$k_m=\frac{-\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}}{|\underset{n=m}{\overset{N-1}{\mathrm{\Σ}}}{x}_n*x_{n-1}^{*}|};m=1$

然后该方法进行到步骤450。

在步骤450中，x与[1，k₁]进行卷积，由此得到中间结果 Z。

Z＝[1，k₁] x

然后该方法进行到步骤455。

在步骤455，该方法根据下式通过中间结果 Z与滤波器系数的卷积来确定最终滤波的输出信号 Y：

Y＝[1，k₁] Z

然后该方法进行到步骤460。

在步骤460中，该方法提供所计算的结果 Y。

附图6所示为可作为在附图1中的系数计算器120或者在附图2中的系数计算器210的系数计算器600的优选实施例的方块图。它有效地执行与附图3或4相关的上文描述的方法的步骤。系数计算器600包括信号强度估计器605、信号频率估计器610、阈值查询表615和滤波器系数计算器620的模块。

信号强度估计器605接收包括前向预测误差e^f ₀(n)和反向预测误差e^b ₀(n)的采样流。它形成采样流的信号强度估计。信号强度估计作为输入提供给阈值查询表615。

信号频率估计器610接收包括前向预测误差e^f ₀(n)和反向预测误差e^b ₀(n)的采样流。它形成采样流的信号强度估计。信号强度估计作为输入提供给阈值查询表615。

阈值查询表615具有从外部源输入的处理器，通过该处理器以一个或多个信号强度阈值和一个或多个频率阈值对阈值查询表615进行编程。阈值查询表615从信号强度估计器605接收信号强度估计和从信号频率估计器610接收频率估计。它将信号强度估计与信号强度阈值进行比较和将频率估计与频率阈值进行估计。阈值查询表615产生表示比较结果的索引。

滤波器系数计算器620从阈值查询表615接收索引。滤波器系数计算器620使用这个索引确定km的公式和指定给C1、C2、C3和rcl的值，这些值界定了滤波器阶数、零值和中心频率。

附图5所示为适合于执行如上文所述的实施杂波滤波器的方法的程序的执行的计算机系统500的方块图。更具体地说，系统500从包含血液和杂波信号的采样流中自适应滤去杂波的程序。在执行的过程中，程序执行如下的步骤：(1)估计采样流的信号强度和平均频率，(2)从信号强度估计、频率估计、K输入信号强度阈值和L输入信号频率阈值中形成滤波器系数，以及(3)基于K输入信号强度阈值和L输入信号频率阈值选择滤波器的阶数。

系统500包括处理器510、超声接口515、存储器520、用户接口525和通信总线530。系统500可以在通用计算机(比如个人计算机)或单个的硬件或固件的专用装置上实施。虽然在此它表示为独立的系统，但是系统500可以集成在超声系统(未示)中。

处理器510是执行程序指令的计算机处理单元(CPU)。处理器510控制在系统500的其它的部件之间的数据交换和操作。

超声接口515能够从超声系统(未示)将数据传输到系统500的部件。这种数据表示通过扫描患者的身体采样的组织和血液的图像。

存储器520是用于处理器510执行的数据和指令(尤其是执行在此所描述的方法的指令)的存储装置。存储器520可以是任何形式常规的存储器，比如随机存取存储器(RAM)、硬盘驱动器145和只读存储器(ROM)。

用户接口525是用户通过它可以将数据或控制参数输入到系统500并且通过它用户可以观测来自系统500的处理结果的一个或多个部件。用户接口525例如可以包括键盘和显示器。这种显示器可以是显示由超声数据形成的图像的任何常规的模拟或数字显示器。

通信总线530可以耦合到系统500的其它的部件中的每个部件。它提供其它的部件可以交换数据的通道。

在操作中，处理器510从超声接口515接收超声数据。处理器510根据在此描述的方法滤去数据的杂波并将经处理的结果发送给用户接口525。

虽然如上文所示要求执行本发明的程序装入在存储器520中，但是也可以将它们设计为将其置于存储媒体(比如数据存储器535)以便随后装入到存储器520中。数据存储器535可以任何常规的存储媒体比如磁带、光学存储媒体、光盘或软盘。作为变型，数据存储器535可以是随机存取存储器或者位于远处的存储系统中的其它类型的电子存储装置。

虽然上文根据医疗成像系统进行描述，但是本领域的普通技术人员应该认识到本发明的教导不必限于医疗成像。本发明可以应用于对包含相关噪声分量比如杂波的其它信号进行滤波。

因此，应该理解的是前文的描述仅是本发明的实例。本领域的普通技术人员在不脱离本发明的精神范围的前提下可以设计出各种变型和修改。因此，本发明希望包含落在附加的权利要求的范围内的所有的变型、改进和改变。

Claims (16)

1.一种从具有血液信号分量和杂波信号分量的采样流中自适应地滤去杂波的方法，所说的方法包括如下的步骤：

估计所说的采样流的信号强度，以及

基于所说的信号强度估计和信号强度阈值之间的关系确定滤波器的阶数，

其中所说的滤波器接收所说的采样流并提供具有相对所说的血液信号分量降低了所说的杂波信号分量的电平的输出流。

2.权利要求1所述的方法，其中估计步骤进一步包括如下的步骤：

估计所说的采样流的频率；

和确定步骤进一步包括如下的步骤：

基于在所说的频率估计和频率阈值之间的关系确定所说的滤波器的阶数。

3.权利要求1所述的方法，其中估计步骤进一步包括如下的步骤：

估计所说的采样流的频率；

和确定步骤进一步包括如下的步骤：

在所说的信号强度估计落入信号强度的预定范围内时和在所说的频率估计落入在预定的频率范围内时基于所说的采样流的线性预测分析确定所说的滤波器的零值。

4.一种用于从具有血液信号分量和杂波信号分量的采样流中滤去杂波的滤波器的控制器，包括：

估计所说的采样流的信号强度的模块，以及

基于所说的信号强度估计和信号强度阈值之间的关系确定所说的滤波器的阶数模块，

其中所说的滤波器接收所说的采样流并提供具有相对所说的血液信号分量降低了所说的杂波信号分量的电平的输出流。

5.权利要求4所述的控制器，进一步包括：

估计所说的采样流的频率的模块。

6.权利要求5所述的控制器，包括：

基于在所说的频率估计和频率阈值之间的关系确定所说的滤波器的阶数的模块。

7.权利要求6所述的控制器，进一步包括通过所说的采样流的线性预测分析确定所说的滤波器的滤波器系数的模块。

8.权利要求7所述的控制器，进一步包括基于所说的频率估计确定所说的滤波器的零值的模块。

9.权利要求8所述的控制器，其中确定所说的零值的所说的模块从查询表中获得所说的滤波器的滤波器系数。

10.权利要求8所述的控制器，其中所说的零值在单元圆上。

11.一种超声杂波滤波器，包括：

接收具有血液信号分量和杂波信号分量的采样流的控制器，所说的控制器产生基于(a)信号强度阈值、(b)信号频率阈值和(c)所说的采样流产生滤波器系数；以及

接收所说的采样流和所说的滤波器系数的滤波器，所说的滤波器具有通过所说的滤波器系数确定的可变配置，所说的可变配置包括(a)可变的阶数、(b)自适应的零值和(c)可变的中心频率，

其中所说的滤波器接收所说的采样流并提供具有相对所说的血液信号分量降低了所说的杂波信号分量的电平的输出流。

12.权利要求11所述的超声杂波滤波器，其中所说的控制器包括：

估计所说的采样流的信号强度的信号强度估计器；

估计所说的采样流的频率的信号频率估计器；

基于所说的信号强度估计和所说的频率估计确定所说的可变阶数的模块；和

基于所说的信号强度估计和所说的频率估计产生所说的滤波器系数的系数计算器。

13.权利要求11所述的超声杂波滤波器，其中所说的控制器通过所说的采样流的线性预测分析确定所说的滤波器系数。

14.权利要求11所述的超声杂波滤波器，其中所说的自适应零值在单元圆上。

15.权利要求11所述的超声杂波滤波器，其中所说的滤波器包括：

接收所说的采样流并提供输出的网格滤波器；和

接收所说的网格滤波器的所说的输出并形成所说的输出流的有限脉冲响应滤波器。

16.一种存储媒体，包括用于控制处理器以通过如下的步骤从具有血液信号分量和杂波信号分量的采样流中自适应地滤去杂波的指令：

估计所说的采样流的信号强度；和

基于所说的信号强度估计和信号强度阈值之间的关系确定滤波器的阶数，

其中所说的滤波器接收所说的采样流并提供具有相对所说的血液信号分量降低了所说的杂波信号分量的电平的输出流。

Images