结合延时相乘求和的特征空间最小方差自适应波束形成器：实验研究
信号处理
2018-02-23 v1 信息论
math.IT
摘要
延时求和（DAS）因其实现简单，是线阵光声成像（PAI）中最常用的波束形成算法。然而，它导致分辨率低且旁瓣高。延时相乘求和（DMAS）被用来解决DAS的不足，提供更高的图像质量。但与基于特征空间的最小方差（EIBMV）相比，其分辨率提升仍不够充分。本文利用DMAS算法的展开式，将EIBMV波束形成器与DMAS代数相结合，称为EIBMV-DMAS。所提方法被用作线阵PAI的重建算法。对EIBMV-DMAS进行了实验评估，定量和定性结果表明，其性能优于DAS、DMAS和EIBMV。与DAS、DMAS和EIBMV相比，所提方法分别将旁瓣降低了约365%、221%和40%。此外，EIBMV-DMAS分别将信噪比提升了约158%、63%和20%。
引用
@article{arxiv.1710.01767,
title = {Eigenspace-Based Minimum Variance Adaptive Beamformer Combined with Delay Multiply and Sum: Experimental Study},
author = {Moein Mozaffarzadeh and Ali Mahloojifar and Mohammadreza Nasiriavanaki and Mahdi Orooji},
journal= {arXiv preprint arXiv:1710.01767},
year = {2018}
}