[發明專利]一種基于自編碼器的超聲信號處理方法

有效

• 申請號: 201910045093.2
• 申請日: 2019-01-17
• 公開（公告）號: CN109858408B
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 李兵;高飛;陳磊;魏翔;賀琛;李應飛
• 申請（專利權）人: 西安交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;H03M7/30
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.一種基于自編碼器的超聲信號處理方法，其特征在于，對超聲信號進行預處理，然后疊加超聲信號的樣本，建立并分類超聲信號的樣本庫，通過神經網絡搭建的自動編碼器對超聲A掃描信號進行壓縮和解壓，基于深度學習獲取特征函數的相關權重和偏置變量，并以此作為降噪參數對后續超聲信號進行降噪處理；

預處理的具體過程如下：

S101、將單幅A掃描信號輸出的一維數組進行升維，將一維數組各元素進行取整；

S102、以聲程的有效采樣點做為二維數組的列數，設置二維零數組；

S103、以最大回波波幅與各采樣點波幅之差作為各列索引，將A掃描信號各列的波幅依次賦值于各列的索引處，將輸出格式由一維數組升為二維數組；

超聲信號的樣本疊加具體為：

將多次獲取到的超聲A掃描信號通過預處理后獲得多個二維數組，然后將二維數組中的非零元素設定為值1，再將各二維數組進行疊加，提取每列最大值并置1后將其余值置0；

超聲信號的樣本庫建立和分類具體如下：

S301、采集超聲A掃描信號，并通過超聲信號預處理后，分組進行疊加處理；

S302、將處理過的多組二維數據進行維度壓縮，將每個二維數組按列依次放入樣本集中的同一行，即每個二維數組對應樣本集中一行數據；

S303、將樣本庫分為訓練樣本集和測試樣本集，且訓練樣本個數大于測試樣本個數；

基于深度學習的降噪自編碼器核心包括編碼器、解碼器和損失函數，利用自編碼器對超聲信號進行處理的步驟如下：

S401、對降噪自編碼器進行訓練，利用建立的訓練樣本集作為原始數據輸入，選擇優化器和學習率以指定的學習率降低損失函數loss，實現對樣本信號的準確特征壓縮和解壓，并對數據元素進行隨機刪減；

S402、根據損失函數loss的計算結果調整編碼器和解碼器的迭代，然后將修改后的原始數據輸入編碼器，采用TensorFlow框架下的next_betch()函數對樣本集進行批量提??；

S403、通過參數保存函數將自編碼器獲取到的特征參數進行保存，完成自編碼器的特征提取和學習工作。

2.根據權利要求1所述的基于自編碼器的超聲信號處理方法，其特征在于，步驟S101中，二維數組的行數row計算如下：

其中，Value_max是回波波幅的最大值，Value_min是回波波幅的最小值。

3.根據權利要求2所述的基于自編碼器的超聲信號處理方法，其特征在于，當回波波幅的最小值Value_min＜0時，計算行數時加1。

4.根據權利要求2或3所述的基于自編碼器的超聲信號處理方法，其特征在于，預處理過程中，設初始一維信號如下：

2；4；5；3；1；0；-1；-2；0；0

其中，回波波幅的最大值Value_max＝5，回波波幅的最小值Value_min＝-2，二維數組行數row＝5+|-2|+1＝8。

5.根據權利要求1所述的基于自編碼器的超聲信號處理方法，其特征在于，步驟S401中，基于Tensorflow框架，根據數據處理精度需求選擇隱藏層的層數，并等比于編碼器中的隱藏層層數，建立解碼器對所提取的特征進行數據恢復，在編碼器中，將每一層輸入信號x_i(t)與壓縮后的表達式x_i+1(t)建立映射為當前層數，以達到對樣本數據的特征提取，即：

x_i+1(t)＝σ(w_i×x_i(t)+b_i)

其中，w_i和b_i分別表示第i層的權重和偏置，σ是激活函數。

6.根據權利要求5所述的基于自編碼器的超聲信號處理方法，其特征在于，設輸入信號為x(t)，通過自編碼器壓縮并解壓后的輸出信號為y(t)，通過對比兩者的差異計算損失函數loss如下：

其中，N為一組數據中元素的個數。