[發明專利]一種引入機器學習的超聲合成孔徑成像方法及裝置

在審

• 申請號: 202210796929.4
• 申請日: 2022-07-08
• 公開（公告）號: CN114859360A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 祝婧;陳睿黽;施鈞輝;王若凡;李馳野
• 申請（專利權）人: 之江實驗室
• 主分類號: G01S15/89
• 分類號: G01S15/89;G01S7/539;G06K9/00;G06K9/62;G06N20/00
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 孫孟輝;楊小凡

1.一種引入機器學習的超聲合成孔徑成像方法，其特征在于包括如下步驟：

步驟S1：利用超聲相控陣系統，基于合成發射孔徑模式，采集通過探測對象后的超聲反射回波信號；超聲相控陣系統包括一組陣元，合成發射孔徑模式是將多個陣元作為子孔徑，在一組陣元上間隔發射信號；

步驟S2：根據間隔發射的子孔徑對應的超聲反射回波信號，構建一對間隔數據集，作為機器學習模型的輸入和輸出；

步驟S3：訓練機器學習模型，通過一個間隔數據集預測與其對應的另一個間隔數據集；

步驟S4：基于合成發射孔徑模式，通過訓練好的機器學習模型，將稀疏掃查的超聲反射回波信號，擴展成密集掃查的超聲反射回波信號；

步驟S5：對重構后的超聲反射回波信號進行合成孔徑聚焦處理，重建相當于密集收發條件下的波束。

2.根據權利要求1所述的一種引入機器學習的超聲合成孔徑成像方法，其特征在于：所述超聲相控陣系統包括一維線性傳感器陣列，各陣元之間等間距。

3.根據權利要求1所述的一種引入機器學習的超聲合成孔徑成像方法，其特征在于：所述步驟S2中，對接收的超聲反射回波信號進形預處理，保留超聲回波信號，對超聲回波信號進行標準化：

其中，表示超聲回波信號，表示標準化處理后的信號，和分別表示超聲回波信號的均值和標準差。

4.根據權利要求1所述的一種引入機器學習的超聲合成孔徑成像方法，其特征在于：所述步驟S2中，分別獲取兩對間隔數據集，分別作為機器學習模型的訓練數據集輸入、輸出，測試數據集輸入、輸出。

5.根據權利要求3所述的一種引入機器學習的超聲合成孔徑成像方法，其特征在于：所述步驟S2中，從第一次發射子孔徑到采集超聲回波信號，按順序取出第1+4M回掃查線的超聲回波信號，作為訓練數據集輸入；從第二次發射子孔徑到采集超聲回波信號，按順序取出第2+4M回掃查線的超聲回波信號，作為訓練數據集輸出；從第三次發射子孔徑到采集超聲回波信號，按順序取出第3+4M回掃查線的超聲回波信號，作為測試數據集輸入；從第四次發射子孔徑到采集超聲回波信號，按順序取出第4+4M回掃查線的超聲回波信號，作為測試數據集輸出；M表示發送回數。

6.根據權利要求1所述的一種引入機器學習的超聲合成孔徑成像方法，其特征在于：各陣元均能發射和接收信號，接收模式采用全孔徑接收，最終獲取超聲反射回波信號的陣元數和信號長度矩陣，將接收到的超聲回波信號對應的多維矩陣展開成一維向量后作為機器學習模型的輸入和輸出。

7.根據權利要求1所述的一種引入機器學習的超聲合成孔徑成像方法，其特征在于：所述步驟S4中，將稀疏間隔的N/2k回組成稀疏掃查的超聲反射回波信號陣列，通過訓練好的機器學習模型，預測稀疏間隔之間掃查的超聲反射回波信號，重建N/k-1回密集掃查的超聲反射回波信號陣列，N表示所述一組陣元的數量，k表示間隔的陣元數量。