1. 项目概述与核心挑战在医学超声成像领域追求更高的图像质量与更快的成像速度始终是推动技术进步的核心驱动力。作为一名长期从事超声信号处理与硬件架构设计的工程师我深知其中的挑战与机遇。波束成形技术作为超声成像系统的“大脑”其性能直接决定了医生能否看清病灶的细节。传统的波束成形方法如动态聚焦虽然能生成高质量图像但其帧率受限于声波往返的物理时间难以满足心脏、血流等快速动态场景的实时成像需求。合成发射孔径技术为解决这一矛盾提供了新思路。它的核心理念很巧妙与其让所有阵元同时发射一个高能量的聚焦波束不如让一小部分阵元一个子孔径依次发射每次发射后所有阵元都接收回波形成一幅低分辨率图像。最后将所有次发射得到的低分辨率图像进行相干叠加合成一幅高分辨率图像。这种方法的好处显而易见单次发射所需的硬件通道数减少系统复杂度与成本得以降低同时由于每次发射的“任务”更轻发射间隔可以更短从而理论上能获得更高的成像帧率。然而STA技术有一个致命的“阿喀琉斯之踵”运动。想象一下你要用手机拍摄一张由多张照片拼接而成的全景照片如果拍摄过程中手抖了合成的照片必然会出现重影和模糊。STA成像过程与此类似。在依次进行多次发射以合成一幅图像的过程中如果被扫描的组织如跳动的心脏、呼吸的肺部发生了移动那么各次发射所对应的低分辨率图像之间就会失去“相干性”——它们描绘的已经不是同一个静止的“场景”了。这种不相干性在图像叠加时非但不能增强信号反而会相互抵消导致最终的高分辨率图像对比度下降、细节模糊严重影响诊断价值。因此运动补偿成为了STA技术走向临床实用化必须跨越的一道坎。现有的补偿方案如双工法或轴向运动补偿法要么计算复杂度极高难以在便携设备上实时运行要么需要插入额外的、非成像的发射脉冲来估计运动这直接牺牲了STA技术带来的高帧率优势。如何在保证图像质量提升的前提下设计出一种既能精准补偿运动又计算高效、且不降低帧率的算法与硬件架构就是我们这次要深入探讨的核心课题。2. 低复杂度运动补偿算法原理深度解析面对STA成像中的运动伪影问题我们提出的算法核心思想是利用STA成像过程本身产生的数据来估计运动无需额外发射从而实现“零帧率损失”的补偿。这听起来似乎是个悖论——运动破坏了数据的一致性我们又如何从这些“受损”的数据中反推出运动本身呢关键在于找到那个不受发射源变化影响的“锚点”。2.1 公共感兴趣区域与波束向量的构建在STA成像中每次发射由不同的子孔径完成这意味着每次发射的声场能量分布和聚焦特性略有不同。直接比较不同发射时刻、不同通道的原始射频数据是困难且不准确的。我们的突破口在于波束成形之后的数据。我们定义了一个关键概念公共感兴趣区域。对于相邻的第i次和第i1次发射它们各自形成的低分辨率图像中并非所有区域的质量都同样好。受发射子孔径位置影响每次发射对成像区域中不同位置的聚焦能力不同。CROI就是这两个相邻发射都能清晰、可靠成像的公共区域。可以把它想象成两盏探照灯同时都能很好照亮的重叠区域。算法的第一步就是在每次发射接收数据后立即进行一波“预波束成形”。但不是形成整幅低分辨率图像而是专门针对计算出的CROI生成两个特殊的波束向量后向波束向量使用当前发射i的数据波束成形到CROI中与下一次发射i1的声场中心更接近的那些扫描线位置。前向波束向量同样使用当前发射i的数据但波束成形到CROI中与前一次发射i-1的声场中心更接近的那些扫描线位置。注意这里有一个精妙之处。我们是用当前发射的数据去模拟“看向”相邻发射视角下的CROI。这样对于第i次发射我们得到了一个指向“过去”i-1的前向向量和一个指向“未来”i1的后向向量。而第i1次发射的后向向量理论上应该与第i次发射的前向向量描述的是CROI的同一区域——如果组织没有运动的话。2.2 基于互相关的运动估计运动估计的核心就落在了这两个波束向量的比较上。我们计算第i次发射的后向波束向量B_i与第i1次发射的前向波束向量F_{i1}的归一化互相关函数。如果组织没有运动这两个向量应该高度相关互相关函数在零延迟处取得最大值。一旦组织发生运动B_i和F_{i1}所代表的组织回波信号就会发生相对位移。通过搜索互相关函数的峰值位置我们就可以精确地估计出从第i次发射到第i1次发射之间组织在波束方向上的位移量Δd_i。为什么这样做能降低复杂度传统方法如AMC直接对原始多通道射频数据进行互相关运算。假设有128个通道每个通道有数千个采样点计算量巨大。而我们的方法先将多达128通道的数据通过波束成形“压缩”成单个波束向量例如长度1024然后再进行互相关。这相当于将计算维度从【通道数×采样深度】降低到了【波束向量长度】。虽然引入了波束成形的计算开销但后续互相关的计算量下降了数个数量级。在硬件实现中波束成形是必须进行的步骤我们只是巧妙地“复用”了其中间结果。2.3 从一维到二维扩展运动估计维度上述过程主要估计的是沿超声波传播方向的轴向运动。然而实际组织中更多的是二维甚至三维运动。为了估计侧向垂直于波束方向的运动我们对算法进行了扩展。我们不再只生成一个前向波束向量而是在CROI内以理论上的对齐位置为中心向侧向两边各扩展生成M个波束向量形成一个波束向量组{F_{i1}(m)}其中m -M, ..., 0, ..., M。然后我们计算当前发射的后向向量B_i与这个向量组中每一个向量的互相关。这样我们得到一个二维的互相关函数曲面。这个曲面的峰值不仅会沿轴向延迟轴偏移指示轴向位移其峰值所在的侧向索引m也指示了侧向位移的大小。通过寻找二维互相关曲面的全局最大值我们可以同时估计出轴向和侧向的位移矢量(Δd_{axial}, Δd_{lateral})。2.4 运动补偿的执行得到每次发射间的相对位移后补偿就变得直接。我们以第一幅低分辨率图像为参考基准将后续所有低分辨率图像根据累积的位移矢量进行反向平移重采样使它们与参考图像在空间上重新对齐然后再进行叠加形成最终的运动补偿后的高分辨率图像。实操心得参数选择与权衡CROI大小的选择CROI不能太小否则波束向量包含的信息量不足互相关估计不可靠也不能太大否则会包含那些因发射源不同而本身相关性就差的区域引入误差。通常CROI的深度范围应覆盖主要成像区域其侧向宽度约为波束宽度的1.5-2倍。侧向搜索范围MM决定了能估计的最大侧向位移。它需要根据预期的组织运动速度和成像帧间隔来设定。M越大估计范围越广但计算量也线性增加。在实际心脏成像中初始设置M3或5对应约半个到一个波束宽度的搜索范围通常是个不错的起点。互相关函数的插值为了获得亚像素级的位移估计精度直接取整像素的峰值位置是不够的。需要对互相关函数峰值附近的数据进行插值如抛物线插值这样可以显著提高运动估计的精度对提升最终图像质量至关重要。3. 低复杂度延迟生成器架构设计波束成形系统中计算量最大的模块往往是延迟生成器。它的任务是为成像区域中的每一个像素点计算每一个阵元发射和接收声波所需的精确时间延迟对应于距离。传统方法需要对每个像素、每个阵元进行两次平方、一次开方的运算计算负担极重是系统实时处理的瓶颈。我们提出了一种基于几何递归关系的低复杂度延迟生成器其核心思想是利用相邻像素点之间延迟值的连续性通过增量更新来避免重复的复杂运算。3.1 算法推导从几何关系到递归计算考虑线性阵列的几何模型。设阵元间距为d第n个阵元的坐标为(x_n, 0)感兴趣像素点P的坐标为(0, z)z为深度。从阵元到像素点的距离为R_n sqrt(x_n^2 z^2)。延迟正比于这个距离。传统计算对每个z每一行像素对每个阵元n计算R_n sqrt(x_n^2 z^2)。这需要大量的乘法和开方运算。我们的递归方法考虑深度z和zΔz的两个相邻像素点Δz是深度方向采样间隔。计算从阵元到深度z点的距离平方R_n^2(z) x_n^2 z^2。到下一个深度点zΔz的距离平方可以递归得到R_n^2(zΔz) x_n^2 (zΔz)^2 x_n^2 z^2 2zΔz (Δz)^2 R_n^2(z) (2zΔz (Δz)^2)。令UT(z) 2zΔz (Δz)^2我们称之为“更新项”。可以看到UT(z)本身也可以递归计算UT(zΔz) UT(z) 2(Δz)^2。因此计算流程变为初始化计算第一个深度z0的R_n^2(z0)需计算一次平方和UT(z0)。递归对于后续深度R_n^2(z_new) R_n^2(z_old) UT(z_old)UT(z_new) UT(z_old) 2(Δz)^2。延迟的整数部分通过比较R_n^2(z)与一组预设的阈值对应不同整数距离的平方来确定无需开方。3.2 延迟小数部分的近似计算波束成形不仅需要延迟的整数部分来进行采样点选取还需要小数部分来进行相位旋转插值。我们提出一个高效的近似公式 假设R_n(z) D δ其中D是整数部分δ是小数部分0 ≤ δ 1。那么R_n^2 (Dδ)^2 D^2 2Dδ δ^2。 由于δ^2很小可以忽略。我们有R_n^2 ≈ D^2 2Dδ。 因此δ ≈ (R_n^2 - D^2) / (2D)。R_n^2是已知的D^2是预先计算好的阈值。这个近似仅需一次减法和一次除法避免了复杂的开方运算来获取小数部分。经仿真验证该近似引入的误差远小于波长对波束成形性能的影响可忽略不计。3.3 硬件架构实现基于上述算法我们设计了相应的硬件架构。整数部分延迟生成器主要由三个模块构成更新项生成器递归计算UT(z)每个时钟周期执行一次加法。更新项累加器累加UT(z)到R_n^2的寄存器中。延迟判决器将当前的R_n^2与一组预先存储的D^2阈值进行比较输出当前深度对应的整数延迟D。同时根据比较结果生成R_n^2 - D^2用于小数部分计算。小数部分延迟生成器接收来自整数部分的(R_n^2 - D^2)和D执行一次除法运算(R_n^2 - D^2) / (2D)输出近似的小数延迟δ。架构优势对比计算模块传统方法 (每像素每阵元)本文方法 (每像素每阵元)乘法器2次 (计算x^2和z^2)0次 (递归更新无需乘法)加法器1次 (求和x^2z^2)2次 (递归更新UT和R^2)开方器1次 (计算R)0次除法器0次1次 (计算小数部分)注意虽然引入了一个除法器但在现代FPGA或ASIC中一个高吞吐量的除法器资源消耗远低于一个高精度的开方器。更重要的是我们彻底消除了最耗资源的开方运算和大量的乘法运算。实测表明该架构的硬件门数比传统方法减少约23%。4. 整体系统架构与VLSI实现我们将提出的低复杂度运动补偿算法与低复杂度延迟生成器整合构建了一个完整的数字波束成形系统引擎。4.1 系统数据流与调度整个处理流程是高度流水线化的射频信号处理接收到的射频信号经过放大、模数转换后首先进行解调正交下变频得到基带I/Q信号。运动估计模块解调后的通道数据并行送入两个路径。一路进入运动估计模块。该模块包含CROI波束成形器生成前/后向波束向量和互相关计算单元。互相关计算采用了“折叠”技术将1024点的向量相关折叠到5个乘法器上分时完成并用乒乓缓冲区实现数据读取与计算的并行极大节省了硬件资源。延迟生成与波束成形另一路数据进入主波束成形通道。这里集成了我们提出的低复杂度延迟生成器为每个像素点、每个通道计算延迟。然后根据延迟值从通道缓冲区中读取对应的I/Q采样并进行相位旋转通过CORDIC算法实现补偿小数延迟最后将所有通道的信号求和形成低分辨率图像像素。运动补偿与图像合成运动估计模块输出的位移矢量被送入一个运动补偿控制器。该控制器在合成高分辨率图像时对每一幅低分辨率图像进行相应的像素位移重采样后再叠加。系统的调度经过精心设计使得解调、延迟计算、运动估计等任务能够并行执行。运动估计虽然需要相邻两次发射的数据但通过流水线安排其计算时间可以被隐藏不会成为系统的关键路径。4.2 VLSI实现结果与性能分析我们使用Verilog HDL描述了整个系统并在TSMC 90nm CMOS工艺下完成了综合、布局布线等后端设计。关键实现指标核心面积2.39 mm²。其中运动补偿模块包括波束成形和互相关计算仅占整个芯片面积的约9.2%开销非常小。工作频率125 MHz。帧率计算这是衡量实时性的关键。我们的系统参数为128阵元分成8个子孔径发射即N8图像深度为2000个采样点。在125MHz时钟下经过详细时序分析系统处理一帧图像的总周期数约为2.96M cycles。由此计算出帧率为42.23帧/秒。帧率与硬件资源的权衡帧率主要受限于延迟生成器的吞吐量。我们实例化了8个并行的低复杂度延迟生成器。分析表明如果增加到16个帧率可以提升至约65.4帧/秒。这为系统设计提供了灵活的“面积-速度”衡空间。性能对比总结特性传统方法 (如AMC)本文提出的方法运动估计维度主要针对轴向支持二维运动估计是否需要额外发射是降低帧率否保持高帧率计算复杂度高直接对多通道RF数据做互相关低对波束成形后的向量做互相关非恒定速度适应性较差基于恒定速度假设好逐帧独立估计硬件开销高低运动补偿模块占比较小成像质量提升(仿真)CR提升约5.89 dB, CNR提升约0.68 dB (2D运动下)CR提升约13.73 dB, CNR提升约2.04 dB (2D运动下)5. 仿真验证、问题排查与工程实践思考任何算法的价值都需要通过严格的仿真和实验来验证。我们使用业界公认的超声仿真工具Field II来构建测试环境。5.1 仿真场景与结果我们设置了三种典型的运动场景进行测试纯轴向运动组织以恒定速度远离探头。我们的算法与AMC方法性能相近但计算复杂度大幅降低。二维复合运动组织同时存在轴向和侧向位移。这是更接近真实的场景。AMC方法因只估计轴向运动性能显著下降CR提升有限。而我们的二维运动补偿算法表现优异将对比度提升了13.73 dB显著优于AMC的5.89 dB。非恒定速度运动呼吸模型组织运动速度随时间变化。AMC方法因依赖恒定速度假设估计误差大。我们的方法由于在每个发射间隔独立估计运动不受此假设限制在呼吸模型下仍比AMC方法多提升6.65 dB的CR。5.2 常见问题与调试技巧在实际硬件实现和算法调试中会遇到一些典型问题互相关峰值不明显或存在多个峰值可能原因CROI选择不当包含了信噪比很低的区域或旁瓣干扰严重的区域运动位移超过了预设的搜索范围组织形变而不仅仅是平移导致信号失配。排查与解决检查CROI确保CROI位于两次发射的主瓣重叠区域可以通过仿真先观察声场分布来确定。扩大搜索范围适当增加轴向和侧向的搜索范围L和M但要注意计算量会增加。应用窗函数在计算互相关前对波束向量加窗如汉明窗抑制边界效应。中值滤波对估计出的位移序列进行中值滤波可以剔除野点。补偿后图像出现条纹状伪影可能原因运动估计存在微小误差这些误差在逐帧累积补偿时被放大重采样插值算法选择不当引入了新的插值误差。排查与解决检查位移估计的连续性绘制估计出的位移曲线应该相对平滑。出现跳变点则需要分析原因。优化插值器在硬件中实现运动补偿像素位移时简单的最近邻插值会导致块状伪影。建议至少使用线性插值在资源允许的情况下考虑使用立方卷积插值能更好地保留图像边缘。引入平滑约束可以对相邻扫描线或相邻帧的位移估计值施加平滑性约束避免突变。系统帧率不达标可能原因关键路径时序不满足内存访问带宽成为瓶颈运动估计模块计算耗时过长。排查与解决时序分析使用静态时序分析工具找到关键路径。对延迟生成器、互相关计算中的长路径进行流水线切割或寄存器重定时。内存子系统优化波束成形需要随机访问大量的通道数据。确保你的缓冲区Buffer架构是高效的例如采用多Bank存储、增加数据位宽以提高吞吐量。计算折叠与复用正如我们在互相关模块所做的将大向量的计算折叠到少量计算单元上分时完成是节省面积的有效方法。评估是否还有其他模块可以进行类似优化。5.3 工程实践中的扩展思考这次的设计主要针对线性阵列和二维成像。在实际应用中还可以从以下几个方向扩展三维/四维成像对于矩阵探头运动补偿需要估计三个维度的位移。算法原理可以扩展但计算量和数据量会呈指数增长。此时可能需要引入更稀疏的估计网格或基于模型的运动估计来降低复杂度。自适应CROI选择目前的CROI是固定区域。可以探索根据图像内容如组织边界、血流区域自适应选择CROI在运动剧烈的区域使用更鲁棒的估计策略。与前端电路的协同设计本文聚焦于数字后端算法与架构。未来可以将运动估计的需求反馈给前端模拟电路或波束成形芯片例如设计更灵活的发射序列或在前端进行部分预处理进一步分担数字部分的压力。回顾整个项目从算法构思、数学推导、仿真验证到最终的VLSI架构实现与流片验证其核心在于把握住了工程上的一个关键平衡在追求高性能图像质量的同时必须将计算复杂度控制在硬件可实时实现的范围内。我们通过“在波束成形域进行运动估计”和“递归计算延迟”这两个核心创新成功地打破了传统方法在复杂度与帧率上的限制。这不仅仅是发表一篇论文更是为下一代便携式、高帧率、高性能超声成像设备提供了一块坚实的技术基石。在实际流片后看到算法在真实的硅片上以每秒40多帧的速度流畅运行并显著提升图像质量那种将理论转化为实用技术的成就感是驱动我们不断深入探索的根本动力。