简介 # 超声回波信号模型(Echo Model, EM)是对超声回波信号经验性的建模。选择适当的模型,可以用少量参数表示一个回波信号。虽然是经验性的,部分模型参数仍与具有实际意义的物理参数相关联,例如与飞行时间(Time of Flight, ToF)一致的时延参数。超声回波信号建模、模型参数估计方法以及模型参数的物理解释等研究从上世纪末至今一直较为活跃。
BP问题介绍 # 基追踪不同于匹配追踪(Match Pursuit, MP),描述的不是一种算法,而是一类问题。基追踪用来描述信号在过完备字典(Overcomplete Dictionary)下的稀疏表示(Sparse Representation, SR)1。由于字典是过完备的,信号总能通过基的线性组合表达。此外,由于字典中的基一般不是线性无关的,所以信号在选定字典下的稀疏表示并不唯一。
介绍 # 支持匹配追踪(SMP)算法由Etai Mor于2009年提出,是匹配追踪的一个变种,用以解决超声信号的稀疏分解问题,用于重叠回波(分层结构)效果良好。与MP不同,SMP在计算步骤中在字典(所有basis组合成的矩阵)中选取所有满足阈值条件的basis,再通过计算一个参数可选的支持(support)来更新余量和对应的分解系数,一方面保证分解系数的稀疏性,另一方面可以克服MP中每个basis分解系数只计算一次、不能很好表示超声信号的缺点。
介绍 # 正交匹配追踪(OMP)算法由Y.C. Pati等人于1993年提出,是MP算法的一个变种。OMP算法主要改善求解时的收敛速度。算法与MP不同的是在迭代过程中求解稀疏系数时,选取正交于此前已选取基的基来计算系数。
介绍 # 匹配追踪(MP)算法由Mallat于1992年提出,用于解决信号的稀疏表示问题。算法按信号在基(basis)上的投影大小顺序,依次求解稀疏系数,是一种贪婪求解的算法。原始论文对算法进行了详细的论证,较为复杂,可以阅读Koredianto Usman的文章快速直观了解其原理。
流程 # 待分解的信号记作$y$,第$i$个basis记作$b_i$,稀疏系数向量记作$\Phi$,则算法可以表示为: