Page 89 - 《应用声学》2023年第3期

第 42 卷 第 3 期 严凡等： 超声全矩阵数据联合稀疏重构的多测量向量模型应用 527

2.2 0.15
MSBL MSBL
2.0 SBL SBL
ԠᏦϙ
ॆʷӑکவಪឨࣀ
1.8 0.10
API
1.6
1.4 0.05

1.2
1.0 0
5 10 15 20 25 30 5 10 15 20 25 30
᧔ನဋ/% ᧔ನဋ/%
(a) ງए45 mmᎥᬞ
图 5 不同采样率下的 MSBL 和 SBL 算法重构误差
2.2
Fig. 5 NRMSE using MSBL and SBL algorithms
MSBL
2.0 SBL with different SRs
ԠᏦϙ
1.8 1.2
ԔݽηՂ
API 1.6 0.8 MSBL

1.4 0.4
ॆʷӑࣨϙ
1.2 0
1.0 -0.4
5 10 15 20 25 30
᧔ನဋ/%
-0.8
(b) ງए55 mmᎥᬞ Ꭵᬞ1 Ꭵᬞ2 Ꭵᬞ3
2.2 -1.2
180 380 580 780 980
MSBL ᧔ನག஝
2.0 SBL
ԠᏦϙ (a) ߹டAੳଡηՂ
1.8
1.2
API 1.6 0.8 ԔݽηՂ
MSBL
1.4
0.4
ॆʷӑࣨϙ 0
1.2
1.0 -0.4
5 10 15 20 25 30
᧔ನဋ/%
-0.8
(c) ງए65 mmᎥᬞ
图 4 不同采样率下 API 值 -1.2
450 480 510 540 570 600
Fig. 4 APIs corresponding to different SRs ᧔ನག஝
(b) Ꭵᬞ2ᄊࡍᦊஊܸ
由于所用相控阵探头的 −6 dB带宽为 74%，则
图 6 15% 采样率时 MSBL 算法重构结果与原信号
本研究采集到的 A 扫描信号在傅里叶域内的稀疏
Fig. 6 Original signal and reconstructed signal by
度 k = (2 × 0.74 × f c /f s ) × N = 7.4%N。通常情
MSBL algorithm using 15% sampling rate
况下，SMV 模型约需 M = (3 ∼ 4)k 个采样点才能
得到较好的重构质量，这也正是 SBL 算法在采样率 模型重构所需时间比 SMV 模型低两个数量级，结
20% 至 25% 时，NRMSE 由 4.4% 急速下降到 1.9% 合重构误差分析结果，进一步证明了 MMV 模型在
的原因。此外，由表1可知，在相同采样率下，MMV 无损检测中的优越性。