专利名称：诊断信号处理方法和系统的制作方法
技术域本发明一般涉及信号处理应用，特别涉及牵涉时间-到-频率域转换的信号处理应用，在该时间-频率域转换中，定义包括关于不同于基频及其谐波的频率而言的频率信息的频谱是有用的，或者产生基于代表少于一个信号组分的周期的时基信号的一部分的频谱是有用的。本发明对于一些方法具有特别的应用，在该方法中，接收的信号被分解或者，否则以提供关于调制或者，否则产生该接收的信号的物质的特性的信息这样的方式被处理。所接收的信号可能从与引进到生物体中的询问信号相互作用的组织发出，并且通过生物体的物质，例如器官、组织、流体或者其它的结构，的一个或多个影响，从询问信号修改。
背景技术：
使用询问信号的非侵害的诊断频繁地被用来确定组织的状况和器官的功能参数。例如，这样的询问信号可以使用电磁的或者声波的，包括超声波，能量。一个例子为传输超声波至，像人那样的，生物体中，并接收返回的信号，该返回的信号为所传输的询问信号的被修改的形式，该修改由一种或多种组织类型的特性所引起。测量并处理所接收的信号以估计组织或者询问信号与之相互作用的其它物质的状况或特性。具体而言，常常传输询问超声波信号至生物体中，并且所接收的信号是由询问信号通过一种或多种组织类型的反散射或回波而产生的。更具体而言，常常传输超声波询问信号至生物体的一个部位，这里有预期的血流，并且所接收的信号为询问信号的被修改的形式，其中，这样的修改整体或部分地归因于包括血液的运动的组织的运动所引起的多普勒效应(Doppler effect)所导致的频率移位。在这种情形中，期望以为了估计活动组织的不同速率，尤其流动血液的速率，能够确定所发生的多普勒频率移位的总量这样的方式来测量及处理所接收的信号。
超声波多普勒技术典型地需要使用包含一个或多个传感器的手持探测器，这些传感器用来传输询问信号并且典型地以时变电压的形式产生对所接收的信号的响应。询问超声波信号典型地具有在大约0.5百万赫兹(0.5MHz)到大约20MHz的射频(RF)范围内的频率，尽管可以使用其它的频率。可以连续地发送询问信号，在这种情形，所使用的方法被称为“连续波”(CW)或者可以通常以一个周期为基础间歇地发送询问信号，在这种情形中，所使用的方法被称为“脉冲方式(pulsed)”。当使用脉冲多普勒时，通过仅在发送脉冲之后的一段预定的时间延迟以后发生的一段选择的持续时间期间测量所接收的信号，在离传感器所规定的距离范围内询问组织是可能的。如果用于干扰组织的声速已知，那么时间延迟直接转换成被询问的组织的深度。询问指定的组织深度常常提供，如果使用CW多普勒则不能获得的，临床有价值的信息。CW多普勒系统常常比脉冲多普勒系统简单，尽管它们不能提供已知来自于与特定的时间延迟(及相应的估计的组织深度)相关联的组织的信息。
不管多普勒系统是脉冲的还是连续的，分析所接收的信号的频谱内容以估计组织如何修改询问信号。信号的频谱的频率内容是，当结合起来时，形成总信号的每个组成频率的振幅的度量。频谱内容典型地被表示为或者每个频率的振幅或者每个频率的功率。当绘制频谱内容数据时，作为结果的绘图具有多种的名称，包括频谱图和频谱密度函数。术语“频谱密度函数”(SD函数)在下文将被用作为普遍的术语。当询问信号的频率内容为已知时，能够将它与所接收的信号的频谱作比较，并且频谱之间的差能够被解释为由信号通过的组织的速率分布引起的。利用熟知的已建立的方法能够根据频谱差反计算速率分布。
至此，多种方法已经被用来估计所接收的信号的频谱的频率内容。主要的频谱分析方法传统地分类为或者非参数的或者参数的方法。
非参数的方法与使用傅立叶(Fourier)级数有关，并且它们在等间隔的频率点估计频谱内容。现有的方法包括傅立叶和z-变换(包括线性调频(Chirp)z-变换)。简短来讲，使用在等间隔的频率点估计频谱内容的所有方法被称为傅立叶方法。
典型地采用快速傅立叶变换(FFT)的形式的傅立叶方法，是熟知的，并且将信号分解成为基频的整数倍的频率。该整数倍的频率在频率域内形成一个正交基。众所周知，这种信息能够被用来近似信号为三角多项式。傅立叶方法已被广泛地用来分析所接收的信号，因为这样的方法已经被精炼到其很快且具有适当定义的特性的程度。
另一类频谱分析方法为参数方法。参数方法使用时序分析来估计用于有理函数模型的参数。该有理函数可能具有或者仅只极点，其为自回归(AR)模型，仅只零点，其为移动平均(MA)模型，或者极点和零点两者，其为自回归移动平均(ARMA)模型。最大熵方法(MEM)包括在这些方法中。参数方法中使用的模型参数的数目称为该模型的阶。现存的用于计算模型参数的值的各种各样的方法，例如伯格算法(Burg algorithm)和杜宾(Durbin)第一和第二方法，是熟知的。参数方法的一个优点是使用数据的极少的循环或者循环的部分，它们能够产生合理的频谱估计。
发明内容
包括交替的时间-频率域转换的交替式频谱分析方法可能对多种的信号处理应用有益，包括某些医学的应用，这已经是公认的。具体而言，尽管傅立叶方法的广泛使用，它们存在重大的不足。参数方法也存在重大的不足。关于傅立叶方法，最重大的不足是这些方法仅对于少量的离散的频率产生频谱估计，即使当预料到或者已知真实的频谱覆盖连续范围的频谱或者频谱可能包含不同于构成为傅立叶变换的输出的基底(basis)的那些频率的频率时。例如，信号可能包含不为基频的整数倍的频率。当基础不正确时，会产生重大的误差，或者因为基础的频谱是连续的或者因为它包含不同于在傅立叶变换的输出的基底中的那些频率的频率。这些误差作为频谱的扩展显露出来，其中振幅(或者功率)展开到实际上不存在于信号中的频率上。通过将振幅扩展到远离基础频率的频率上，傅立叶方法近似信号的实际频率内容。这样的扩展是关于傅立叶方法的熟知的问题，并被称为频谱加宽。频谱加宽不能被消除，尽管已经使用各种各样的诸如依赖于窗口的那些方法之类的方法来减少它。不同于它们熟知的存在，这些加窗(windowing)方法与当前的发明无关，并且广泛的使用证实频谱加宽是由在傅立叶变换中的固有的离散近似引起的一个重大问题。当使用离散的频率来估计信号的频谱内容时，将总是会发生频谱加宽，该信号具有或者连续的，或者由这样的多数紧密间隔的、基本上连续的频率组成的频谱，如由来自动脉中的血流的询问信号的多普勒移位产生的信号。
傅立叶方法的另一个主要问题是它们不能用来检验所有感兴趣的频率。它们仅能包括作为在测量中使用的基频的谐波的频率。这些问题又是熟知的并且它们限制了傅立叶方法检验低于在测量中使用的基频的频率的能力。此外，这种局限性导致频率分解(frequency resolution)等于基频。例如，为了估计相隔20Hz的频率的振幅，基频必须为20Hz或者更低。因此，如果询问信号具有2MHz的频率以及存在以20Hz的分解区别所接收的信号的要求，那么在基底中至少有100,000个谐波。这种大量的谐波造成重大的计算上的困难，并且由于多种原因，包括为执行这样的计算而使用许多数据点的需求，一般被认为是不切实际的。
用于傅立叶级数的所有的基础频率都是基于基频的局限性也导致了其它问题，例如当所接收的信号不是固定的(随着独立的变量例如时间，而变化)时候。例如，，所接收的信号使得其频谱内容随着作为询问信号与流过动脉的血液相互作用的结果而改变时，将会存在这种情形。随着血压响应心脏的跳动而变化，动脉中的速率分布改变，并且血液的速率分布的变化将导致具有时变SD函数的非固定的信号。如果要在一个短的时间间隔范围内测量SD函数，例如在0.01秒范围内，那么用于傅立叶分析的基频不能提供一个比与测量时间间隔相关联的频率分解更好的频率分解。例如，具有0.01秒的周期的数据样本将拥有100Hz的基频，其排除了以比100Hz好的频率分解来计算信号的频谱内容。
参数方法关于某些应用也存在很重大的不足。具体而言，这些方法将测量的数据和由模型估计的值之间的平方误差的和减到最小。如稍后所描述的，将测量的数据必要地数字化并且这个过程引进产生多种同样有效的模型的误差。将最小平方误差减到最小没有解决这样的可选择的解的可能性。
参数方法的另一个缺点是它们对于所挑选的模型的次数的严重依赖。例如，在最普通的模型，AR模型中，如果使用极少的极点，那么不会可靠地探测到频谱的峰。如果选择太多的极点，那么会引进伪峰。适当的模型选择是很重要的，并且需要一个计算上集中的搜索过程，该过程涉及使用一系列次数来计算模型并在它们之中选择。
在某些应用中，数字化误差能够重大地影响频谱分析，这也已经是公认的。不直接使用输入模拟信号来计算频谱密度函数。首先，数字化所测量的数据并且给出离散的值。这个过程使数据量化并引进了误差。这些数字化误差(也称为离散误差和量化误差)使频谱分析受挫。每个数字化的测量为实际值的一个估计，并且具有一个上和下误差界限，在该界限之内，任何值等可能地出现。尽管在误差界限之内的任何值都等可能地为真值，习惯上设立数字化的值为下和上误差界限之间的范围的中点。在该范围内的任何值为等可能的，导致无穷多个能够被用来计算频谱的可能值。因而存在无穷多个候选的频谱密度函数。
现有的频谱分析方法无法明确地解决这个范围的可能的解。这些方法能够被理解为使用最小平方误差或者其它试图最小化预测值和测量值之间的差的最小规范(norm)方法。当使用最小规范方法求解这些问题时，并且具体而言，当使用最小平方误差方法求解，这些问题的结构使得它们对于这样的误差很敏感并产生病态问题。这些病态问题是熟知的，并且使用正则化技术来计算合理的估计解。正则化方法，包括Tikhonov正则化(有时称为岭回归(ridgeregression)或Phillips正则化)，和最小平方误差拟合一起使用并以一个极端化的(如最小化的)辅助函数补充最小平方误差模型。正则化方法产生稳定的结果，但是由于正则化函数的某些度量，折衷了拟合解的质量(预测值与测量数据相对照)。进行这种折衷需要使用加权因子，其也称为正则化参数，该加权因子将赋给拟合所述数据的权重和赋给正则化函数的权重折衷。
现有的用于求解病态问题的方法具有几个不足。它们需要计算加权因子，这是困难的并且会对结果有重大的影响。它们无法做到明确地辨认，解仅仅当所有的估计值在测量值的数字化误差区域(bin)之内时有效。这些不足在具有估计值的解中显露出来，这些估计值处于对于一个或多个测量值而言的数字化区域(digitization bin)的外面，因而，是不正确的。另一个不足是实际上该方法依赖于使用最小化最小平方误差，其趋向于促使估计值朝着数字化区域的中心的方向，因而不提供用于通过调整正则化参数，计算可实施的解的单调收敛的方法。
因此，关于时变信号及当期望获得精细的频率分解时的信号的频谱分析，在现有技术中存在重大的不足。
本发明克服了与根据信号来确定频谱内容关联的难题，其中被处理的信号的基频对应于比被已经测量的较长的一个时间段，并且/或者基本的频谱，至少在感兴趣的范围内，是连续的或者充分连续的(有时在下文中，共同地称为“充分连续的”)。本发明进一步使得信号不固定及信号具有数字化误差的频谱分析能够进行。
更具体而言，本发明涉及一种方法和设备(“设施”)，包括时间-到-频率域转换以定义充分连续的频谱或者包括在不规则地隔开的频率间隔处的非零值的其它频谱。因而本发明考虑对于大量的离散频率的频谱估计，从而使得某些真实频谱的更精确的表示能够进行，并且减少或消除了频谱加宽。本发明同样考虑较大范围的感兴趣的频率的检验，并且提供不局限于基频的频率分解。在这点上，本发明考虑基于时基信号的一部分的分析的频谱的确定，该时基信号的这一部分比这个时基信号的一个组分的完整的周期短。此外，本发明考虑不固定的，即，随着独立的变量，例如时间而变化的，所接收的信号的增强的分析。因此关于所接收的信号具有变化的频谱内容的医学环境，本发明具有特别的优势，该变化的频谱内容作为询问信号与移动生理物质，例如流过动脉的血液，相互作用的结果。本发明同样使得与模拟-到-数字转化关联的数字化或量化误差的减少能够进行。
根据本发明的一个方面，提供用于处理输入信号，例如医学诊断信号，的设施，以获得包括在不规则地隔开的间隔处的非零值的频谱。相关联的处理涉及接收相应于时基信号的一个或多个预定的时间间隔的时基信息，对时基信息执行转换以获得包括在不规则地隔开的间隔处的非零值的频谱，以及在信号处理环境中操作处理器，用于使用转换来提供基于时基信号的输出。频谱包括至少一对相继的点(即，非零的值)，其具有不同于至少其它一组相继的点的频率间隔。优选地，频谱包括一组非零值，该组非零值包括在第一频率处的第一非零值及在比第一频率大的在第二频率处的第二非零值，这里第二频率为除了第二频率以外的该组频率的每个频率的非整数倍。
根据本发明的另一方面，提供用于处理输入信号，例如医学诊断信号，的设施，以便产生基于相应于输入信号的一个短的时间间隔的信息的频谱。相应的方法包括步骤接收相应于时基信号的一个或多个所定义的时间间隔的时基信息，这里该时基信号包括具有比该时间间隔长的周期的组分；对时基信息执行转换，以获得关于时基信号的频谱；以及在信号处理环境中操作信号处理器，用于使用转换来提供基于时基信号的输出。这种处理能够用来获得频谱，其中所接收的时基信息相应于少于该信号组分的周期的一半的时间间隔。
根据本发明进一步的一个方面，提供用于处理输入信号的设施，以获得充分连续的频谱。相关联的方法包括步骤接收相应于时基信号的一个或多个所定义的时间间隔的时基信息；对时基信息执行转换，以获得关于时基信息的频谱，这里该频谱在一个频率范围内定义了一个充分连续的函数，该函数对于该范围中的大部分频率具有非零的值；以及在信号处理环境中操作处理器，用于使用转换来提供基于时基信号的输出。这样的一个充分连续的频谱能够更精确地表征在分析中的真实的频谱，从而避免了频谱加宽和某些现有技术处理的其它缺点。
根据本发明更进一步的一个方面，提供用于处理输入信号的设施，以便解决与模拟-数字转化关联的数字化或量化误差。相关联的方法包括步骤接收相应于时基信号的一个或多个所定义的时间间隔的时基信息，这里时基信号为模拟信号且时基信息为数字信息；对时基信息执行转换，以获得用于时基信号的频谱，这里执行转换的步骤涉及解决与模拟时基信号和数字时基信息之间的差关联的数字化误差；以及在信号处理环境中操作处理器，用于使用转换来提供基于时基信号的输出。因而本发明考虑对于某些情形，基于输入信号的频谱的精确定义，在这些情形，由于数字化误差，精确地定义这样一个频谱可能很困难或者是不可能的。
根据本发明的另一个方面，提供用于与将信号从模拟形式转换成为数字形式有关而使用的设施。该设施涉及接收模拟信号，定义许多的数字化范围或者区域(bin)，并且分配区域内一个特定的值到与基于数学模型的模拟信号有关的样本，这里该特定的值能够相对于区域的边界而变化。优选地，数学模型通过求解涉及具有一个或多个约束的目标函数的受约最优化问题来确定特定的值。例如，这样的约束可能涉及区域的一个或多个界限值、非负性约束、以及在该区域内的峰数。例如，目标函数在区域范围之内可能被约束为凸的或者正的，具有由在或邻近区域的界限的预先定义的参数确定的斜率。约束可以实现为罚或者障碍函数，例如，Heaviside函数，而实现。在一种实现中，这样的函数近似为Heaviside函数并且在相应于约束值(例如，区域的界限值)的区域上渐减的(tapered)，以致在那个区域该函数没有奇点(未定义的函数值)。
在一个实现中，本发明用来确定关于以基于与流体相互作用而调制的信号的分析为基础的生理学流体的流动通道的维度相关的信息。相应的系统包括探测器，用于接收来自流体的信号并提供基于所接收的信号的模拟电子信号；模拟-到-数字转换器，用于提供基于模拟电子信号的数字信号；处理设备(处理器)，用于首先处理数字信号以获得相应于包括不是在规则地隔开的频率处的非零值的频谱的频谱信息，以及其次处理频谱信息以获得用于流动通道的维度相关的信息。该维度相关的信息可能为，例如，通道的维度或者流体的体积流速。
为了更加完整的理解本发明及其进一步的优点，参考下列与下文所描述的附图结合的详细说明。
图1举例说明频谱密度函数。
图2阐明一个例子高斯脉冲。
图3举例说明由10个分段连续函数构成的振幅函数。
图4举例说明由具有重叠域的多重函数组成的振幅函数。
图5举例说明有关多普勒的相位角。
图6举例说明当选择发射频率以产生近似线性的相位角响应时，有关多普勒的相位角。
图7举例说明当选择发射频率以产生始终为正及近似线性的相位角响应时，有关多普勒的相位角。
图8举例说明当选择发射频率以产生接近于零相位角的正的相位角响应时，有关多普勒的相位角的正弦。
图9举例说明当选择发射频率以产生接近于零相位角的正的相位角响应时，有关多普勒的相位角的余弦。
图10举例说明使用2MHz的发射信号的有关多普勒的相位角。
图11举例说明使用2MHz的发射信号的有关多普勒的相位角的余弦。
图12举例说明使用2MHz的发射信号的有关多普勒的相位角的正弦。
图13关于速率的六个参数的分布。
图14关于f(t)的无连续性的二次函数段。
图15用于例子的参数。
图16举例说明‖A‖矩阵。
图17举例说明‖P‖矩阵。
图18举例说明包迹函数。
图19频谱密度组成函数用来计算例子f(t)的值。
图20举例说明信号以及测量点的位置。
图21举例说明关于高斯包迹调整后的信号以及测量点的位置。
图22举例说明关于G(f)的计算出的结果和实际的G(f)。
图23举例说明关于F(f)的计算出的结果和实际的F(f)。
图24关于分段连续等间隔的二次函数段的方程。
图25关于分段连续等间隔的线性函数段的方程。
图26具有四个数字化区域的三频率函数。
图27具有四个数字化区域的三频率函数及最小平方误差估计。
图28具有四个数字化区域的三频率函数及最小绝对值误差估计。
图29具有四个数字化区域的三频率函数及最小平方误差和最小绝对值误差估计。
图30实际的及在未解决数字化的情况下计算出的估计的G(f)。
图31实际的及在未解决数字化的情况下计算出的估计的F(f)。
图32当使用分段连续二次函数段时，有界面积的度量。
图33关于基于分段连续二次函数段的频谱密度组成函数的弧长的度量。
图34关于基于分段连续二次函数段的频谱密度组成函数的有界面积的度量。
图35关于基于分段连续二次函数段的频谱密度组成函数的二次曲率的度量。
图36关于G(f)和F(f)两者使弧长的度量和面积的度量相结合的目标函数。
图37双边约束违反值函数。
图38非负性约束值函数1(NCV1)。
图39非负性约束值函数2(NCV2)。
图40渐减的Heaviside门函数的例子。
图41关于G(f)的极值小于零的渐减的Heaviside门函数。
图42举例说明使用NCV1非负性约束值函数计算出的G(f)。
图43峰数约束值(PCV)函数。
图44基本的计算顺序(3页中的第1页)。
图45基本的计算顺序(3页中的第2页)。
图46基本的计算顺序(3页中的第3页)。
图47实际的及根据数字化的数据(M＝50)计算出的G(f)。
图48实际的及根据数字化的数据(M＝50)计算出的F(f)。
图49实际的及根据数字化的数据(M＝50)计算出的频谱密度函数。
图50实际的及根据数字化的数据(M＝200)计算出的G(f)。
图51实际的及根据数字化的数据(M＝200)计算出的F(f)。
图52实际的及根据数字化的数据(M＝200)计算出的频谱密度函数。
图53实际的及根据数字化的数据(M＝200)计算出的累积频谱密度函数。
图54根据本发明的系统的一个实施例的框图。
具体实施例方式
从能量发射器，例如传感器，发射的询问信号能够呈现许多种形式，且EQ.1为具有频率f的询问信号一般表述。
f(t)＝E(t)sin(2πft) (1)E(t)为描述振幅如何随着时间变化的函数。例如，如果所发射的信号是一个脉冲，那么E(t)能够为包括相移项的函数，该相移项将以周期τ周期性地重复。具有这样的形式的信号的一个例子为高斯(Gaussian)脉冲。高斯脉冲的振幅如由EQ.2所定义的那样将随着时间变化E(t)=122e(-1/2(t-τ)2f2b2)π---(2)]]>如由EQ.3所定义的，高斯脉冲将随着时间变化，并且在图2中阐明了单个的高斯脉冲。
f(t)=122e(-1/2(t-τ)2f2b2)sin(2πft)π---(3)]]>这些方程能够和或者脉冲的或者连续波系统一起使用。在超声波医学分析环境中，脉冲波具有允许组织深度的选择以便询问的优点，其能够减少由多普勒移位引起的误差，该多普勒移位由比所感兴趣的区域深，例如升主动脉(ascending aorta)的血液引起。脉冲波途径导致具有瞬时响应的脉冲，并且这需要可能地通过在采集数据之前等待该瞬态经过范围之外来处理。另一个途径可能为将瞬态明确地模拟为具有变化的振幅的纯音或者为具有相位随着时间移动的多重振幅的纯音。使用连续波避免了瞬时响应问题并导致使用纯音询问组织。然而，连续波途径具有接收来自不同于升主动脉的所选择的深度的区域，或者特别感兴趣的任何其它区域，的多普勒移位信号的令人混淆的因素。依赖于深度的信号可能从自不同的发射频率(这些发射频率将要求非常地不同，例如1MHz和3MHz)产生的信号推断，以便衰减效应相当地不同。能够将信号强度差与频谱匹配而开始获得与深度有关的数据。较高的频率比较低的频率更迅速地衰减，因此使用较高的频率减少来自较深的组织的干扰，但是以减少来自感兴趣的区域的信号为代价。
如先前所描述的，能够使用询问信号来激发组织。能够检测并分析作为结果的反散射的信号以确定反散射该信号的组织的有用的特性。这样的信号可能包含，例如，接收的信号，该接收的信号从以一个或多个速率移动的，被超声波询问信号穿透的许多反射体或反散射物反射回来。在能够使用本发明的目的中，包括从询问信号确定反散射的信号的SD函数，该询问信号具有或者固定或者时变的振幅，包括包含一个或多个脉冲、重复的脉冲组、或者任何其它随着独立的变量而变化的振幅函数的时变信号。如上文所讨论的，时间为这样的独立变量的一个例子。
为了解释说明的目的，下列的描述和推导用作为例子信号，例如当使用超声波信号询问有生命的生物体的组织时可能出现的那些信号。这种解释说明不是限制性的，因为本发明不需要使用询问信号或者来自这样的信号的响应。可以使用任何适当的最终产生两个或多个数字化数据的方法获取本发明所使用的测量数据，包括传感器，跟随有随后的处理或者来自可能已经预先存储的一个或多个数据源，例如作为硬拷贝(hard copy)或者使用电子的、磁的、光学的方法存储的表格或图表的，数据输入或读出。
使A(t，f)为SD函数(在这种情形该函数是与振幅密度函数相同的)。为其而将获得SD函数的信号的一般形式为EQ.4。
g(t)=∫fLfHA(t,f)sin(2πft+φ(f))df---(4)]]>如下文更加详细地描述的，当SD函数依赖于至少一个独立的变量，f，时，本发明确定用于有关两个或多个独立的变量的处理的SD函数，例如随时间变化的信号，g(t)，f在间隔[fL，fH]的一个或多个部分上具有一个或多个非零值，这里fL和fH为f的下和上界。EQ.4定义了一个振幅函数，A(t，f)，其基于两个独立的变量，t和f，的值而变化。对于这个例子，变量t代表时间以及变量f代表频率。A(t，f)函数能够分离成f的函数和t的函数。
A(t，f)＝E(t)B(f) (5)当将EQ.5代入EQ.4时，结果为对于为其而寻求SD函数B(f)的时变信号g(t)的一般表达式。
g(t)=∫fLfHE(t)B(f)sin(2πft+φ(f))df---(6)]]>能够重新整理EQ.6变成EQ.7。
g(t)=∫fLfHE(t)B(f)(sin(2πft)cos(φ(f))+cos(2πft)sin(φ(f)))df---(7)]]>以下的项是关于系数而定义的。
F(f)＝B(f)sin(φ(f)) (8)G(f)＝B(f)cos(φ(f)) (9)将这些关于系数的方程代入EQ.7导致EQ.10。
g(t)=E(t)∫fLfHF(f)cos(2πft)+G(f)sin(2πft)df----(10)]]>在正弦和余弦项的和上分配积分导致EQ.11。
g(t)=E(t)(∫fLfHF(f)cos(2πft)df+∫fLfHG(f)sin(2πft)df)---(11)]]>定义频谱密度组成函数(SDC函数)作为能够从其计算SD函数的函数。
F(f)和G(f)为SDC函数。众所周知，利用EQ.12能够使用F(f)和G(f)来计算频谱密度函数B(f)。
B(f)=F(f)2+G(f)2---(12)]]>利用EQ.13，也能够使用振幅函数来计算关于每个频率的相移。
φ(f)=arctan(G(f)F(f))---(13)]]>SD函数和SDC函数两者都表征了函数的振幅如何关于独立的变量而变化并且共同地被称为振幅函数。例如，F(f)表征了F(f)cos(2πft)的振幅如何随着频率而变化。使用下文所描述的方法，将估计或者SD函数本身或者SDC函数。
可以使用各种各样的函数描绘SD函数或者像F(f)和G(f)那样的SDC函数。当恰当地选择时，用来描绘振幅函数的函数将一般地具有导致为g(t)而计算的有效的估计值的参数。振幅方程可以由能够确定其参数的任何函数形式描绘，该函数形式以满足预定的目的的方式产生与g(t)的实际值不同的关于g(t)的估计值。这样的预定的目的的一个例子是具有在g(t)的测量值和估计值之间足够小的误差，以致关于g(t)的估计值提供g(t)的实际值的有效近似。关于g(t)的有效值出现在当为描绘SDC函数的函数而指定的参数能够用来计算g(t)的SD函数时。
本发明的一个方面涉及结构和一套方法，用于当这样的振幅函数由一个或多个充分连续的函数组成时或者当这样的振幅函数使用关于导致组成g(t)的非正交基函数的一个或多个像频率那样的独立的变量的值时，或者基于测量、模拟、或者其它适当的方法，使用g(t)和E(t)的值来确定表征SD函数或者一个或多个SDC函数的参数的特定值。当具有不同频率的许多信号结合起来产生为所测量的信号g(t)的混合信号时，在至少一个独立的变量(例如时间)的部分域(domain)范围内，使用连续的函数来描绘一个或多个振幅函数是尤其有利的。例如，这样的混合信号出现在当询问信号从，当被流体携带运送时以很大范围内的速率移动的，大量的颗粒反散射时。一个例子为当询问超声波信号从在有生命的生物体的主动脉中移动的血细胞反散射时产生的信号。
和本发明形成对比，傅立叶方法使用被选择作为基频的整数倍的频率的离散值描绘振幅函数。使用在傅立叶方法中的频率是仔细选择的以使作为结果的基函数既是正交的又是正规的(正规正交的)。如先前所描述的，使用离散的频率，尤其当它们被限定为基频的谐波时，来近似连续函数，会导致显著的不准确度，例如频谱加宽。本发明通过使用能够被充分地选择，而没有关于哪些频率被选择的限制，的频率，以及也通过允许以连续函数描绘连续振幅函数的使用，改进傅立叶方法。
在本发明中，选择一个或多个函数来描绘SD或者SDC函数。用来描绘SDC，例如F(f)，的函数可以为零。用来描绘振幅函数的函数可以是离散的，例如一个或多个离散频率的矢量，其以任何感兴趣的频率开始且以彼此间任何可能变化且不均匀的频率隔开(与在傅立叶方法中使用的均匀间隔的谐频对比)。在本发明中，描绘振幅函数的函数可能是正交的或者非正交的。描绘振幅函数的函数可能是或者正规的或者不正规的。用来描绘振幅函数的函数可以是一个或多个连续的、不连续的、或分段连续的函数。描绘振幅函数的函数可能具有一个或多个相交的，包括重叠的，域。两个或多个函数之间的重叠域为两个或多个函数的域在多于一个值处相交的一段间隔。图3阐明仅在其终点相交的多重分段连续函数描绘一个振幅函数的例子。图4阐明具有重叠域的多重函数模拟振幅函数的例子。本发明的一个方面是描绘振幅函数的函数可以使用一个或多个以下的函数样条、B样条、1次或更高次的多项式、三角函数、三角多项式、指数函数、双曲函数、Heaviside函数、近似Heaviside函数的函数(下文详细地讨论)、或者能够用来构造跨越一个或多个预定的矢量空间的一个或多个基，能够近似或者定义一个离散的、不连续的、连续的、或者分段连续的函数的任何另外的函数。例如，在图3中阐明的分段连续的段由二次多项式和Heaviside函数组成。作为另一个例子，图4阐明B样条能够如何结合以描绘振幅函数。
图4同样阐明提供计算灵活性的本发明的另一方面。能够对独立的及非独立的变量进行偏置(如在图4中所阐明的，这里对频率轴进行2MHz的偏移)或者调整尺度以为计算描绘振幅函数的函数的参数提供方便。
使用分段连续的函数或者具有重叠域的函数是尤其感兴趣的，因为用于在离散的间隔范围内定义的函数段的参数能够使用本发明来有效地确定。函数段的结合能够描绘复杂的振幅函数。图3是分段连续函数的一个图例。分段连续函数的各个的函数段相交的点为节点且它们在图3中由空心点阐明。
本发明的另一方面涉及结构和一套方法，其采用使用一个或多个目标度量来确定描绘振幅函数或SD函数的函数中的参数的值的计算模块。这样的目标度量的一个例子为使用拟合优度。目标度量的其它例子为最小化振幅函数、SD函数、或者SDC函数的长度；最小化在振幅函数、SD函数、或者SDC函数下的平方面积或者面积的绝对值；以及最小化振幅函数、SD函数、或者SDC函数的斜率或者斜率的变化的一个或多个度量。
使用拟合优度的目标度量的一个例子是最小化，或者近似地最小化g(t)的测量值和使用振幅函数预测的那些值之间的平方误差的和。拟合优度目标度量的另一个例子是当一个或多个振幅函数或者SD函数中的一个或多个参数的值被限制为具有带有预定的特性的值时，最小化，或者近似地最小化平方误差的和。这样的预定的特性可能包括允许参数仅具有特殊的值，例如为非负的；或者参数具有特殊的关系，例如两个或多个参数的数学结合(例如它们的和、差、积、或商的一个或多个)始终为正或者该数学结合始终落在某一范围之内，例如近似等于零。拟合优度目标度量的另一个例子是最小化，或者近似地最小化误差的绝对值的和，包括一个或多个振幅函数或SD函数中的一个或多个参数的值被限制为具有带有预定的特性的值的可能性。如以前那样，这样的特性包括具有被限制为，像非负的这样的，特殊的值的一个或多个参数；或者参数具有特殊的关系，例如两个或多个参数的和始终为非负的或者它们近似地等于零。下文更加详细地包含本发明的这些方面。
参照EQ.11，根据本发明进一步的一个方面，通过分别设置用于fL和fH的值足够低和足够高，以使它们覆盖组成g(t)的频谱的频率的完整的范围，能够获得最优化的结果。用于fL和fH的值可以随着确定用于描绘SDC函数，例如G(f)和F(f)，的函数的参数的值而同时确定，或者它们可以在确定用于描绘G(f)和F(f)的函数的参数之前选择。提前选择fL和fH往往是可能的。例如，产生g(t)的条件一般是已知的。预定的最低的频率可能是基于与一个或多个活动媒介相互作用的询问信号的频率。例如，在包括了像测量误差或能够影响由询问信号和活动媒介的相互作用产生的频率的噪声这样的因素之后，最低的频率能够基于询问信号的频率及从活动媒介预料的最低的频率来预先确定。
本发明的另一方面涉及使用跨越整个频率域的单个连续的函数作为振幅函数或者作为SD函数。这样的函数的一个例子是EQ.14。这个方程表征了带有测量噪声的，在层流流体流动期间出现的振幅函数。在EQ.8和EQ.9中，这个方程将变为B(f)。
x(f)=12(1-F)e(-12(c(-f+fe)f+fe+μs)2σs2)2πσs+F∫fe(c+a)fec-a(1+c(-x+fe)(x+fe)a)(21k-1)e(-2c2fe2(-f+x)2(f+fe)2(x+fe)2τ2)2πσkadx---(14)]]>作为询问信号而发送的发射频率为fe并且组织以不同的速率移动而产生反射的频率，f。在每个速率的组织的数量产生相对应的振幅。参数为1.F具有流动液体的声穿透区的折射(fraction)。
2.k关于流动区域的形态指数。
3.σs关于慢速/非流动区域的反射体中的速率的标准偏差。
4.fe询问信号的频率。
5.α关于在进行测量的时刻所获得的速率的最大值。
6.μs慢速/非流动区域的反射体的平均速率。
7.σ与流动流体关联的测量误差的标准偏差。
8.c声速。
本发明进一步的一个方面涉及使用与描绘相移，φ(f)，的函数相结合的这样的单个连续的振幅函数，参看例如EQ.8和EQ.9，以产生描绘跨越整个频率域的振幅函数的单个连续的函数。本发明另外一个方面涉及使用这样的单个连续的振幅函数，例如与EQ.8和EQ.9中描绘sin(φ(f))和cos(φ(f))的函数相结合，以产生跨越整个频率域的单个SDC函数。本发明进一步的一个方面涉及使用或者常数或具有1或更高的次数的多项式来描绘φ(f)、sin(φ(f))、或者cos(φ(f))。本发明进一步的一个方面涉及选择与速率的多普勒测量一起使用的询问信号的频率，以致可以使用或者常数或者线性函数来描述φ(f)、sin(φ(f))、或者cos(φ(f))。
本发明进一步的一个方面涉及当使用流体流动的多普勒测量利用EQ.15来描绘相位角时表征相移。
φ=-arctan(124fπsin(fDπc)cos(fDπc)-2fxcbcos(fDπc)2+fxcb+fxe(bfxD)cb2fπcos(fDπc)2-fπ+cbfxsin(fDπc)cos-(fDπc)-fπe(bfxD))---(15)]]>这里，φ＝以弧度为单位的相位角。
f＝以Hz为单位的频率。
D＝多普勒移位信号从其产生的区域的深度。
c＝信号的速度，例如声速。
x＝衰减指数。
b＝衰减常数。
对于x＝1的情形，EQ.15简化成为EQ.16。
φ=arctan(-2πsin(2fDπc)+cbcos(2fDπc)-e(bfD)bc2πcos(2fDπc)+cbsin(2fDπc)-2πe(bfD))---(16)]]>能够使用EQ.17从衰减因子计算衰减常数b。
b＝.5000000000 10-7βln(10) (17)
这里β为以dB为单位的衰减因子。
图5阐明相位角能够如何随着频率而改变。如已知的，选择发射频率确定返回信号的频率。如先前所提及的，本发明的一个方面涉及选择发射频率，以使返回信号被限制在相位角响应的近似线性的区域中。例如，在图5中，选择导致2.079MHz左右的返回频率将处于相位角随频率接近于线性地变化的区域的发射频率，然而选择导致大约2.17MHz的返回频率将处于相位角不随频率线性地变化的区域的发射频率。更具体而言，如果选择2.078MHz作为发射频率，并且使用沿着主动脉的轴线向下播送的询问信号测量在成人的升主动脉中的血流，那么将返回在大约2.078到2.093MHz范围内的频率。图6阐明在这个频率范围内的例子相位角响应。在这个例子中，选择2.078MHz导致可以模拟为线性函数的相位角响应。
图5阐明相位角响应的一半将在导致正的相位角的频率范围内。选择一个发射频率以使相位角响应始终为正是有益的。当相位角始终为正时，EQ.1的振幅响应函数F(f)将始终为正。如果相位角变为负，sin(φ(f))项将为负，导致在至少F(f)的部分范围内的负值。具有仅仅正的相位角避免了这种情况。当已知F(f)和G(f)始终为正时，计算关于F(f)和G(f)的正确值变得较容易。根据本发明的另一方面，包括了选择用于多普勒速率测量的发射频率以使相位角响应始终为正。
本发明的另一方面涉及选择发射频率以便相位角响应始终为正，并处于相位响应为近似地线性的区域。图7阐明根据本发明的这个方面的一个例子。
本发明进一步的一个方面涉及发射频率的选择以便至少相位角响应的一部分接近于零。
图8和图9阐明如此选择发射频率如何产生能够被近似的sin(φ(f))和cos(φ(f))函数。在许多情形，能够使用线性函数近似sin(φ(f))。cos(φ(f))的范围是很小的。依赖于所需要的精度，它可以被近似为一个常数(例如在这个例子中的0.98)、为一个线性函数、或者为一个较高次的多项式。线性近似将获得大部分的变更且适合于许多应用。
将在图7、8和9中阐明的结果与如果不根据本发明的这个方面选择发射频率而发生的结果相比较。图10、11、和12阐明来自使用用于这个例子的情形的2MHz的发射频率的结果。根据本专利的这个方面选择发射频率时出现的线性响应和很小的域，在图10、11、和12中未呈现。
当频谱分布的频率分布已经以将频率和一个计算出的变量联系起来的方式产生时，那么能够确定该计算出的变量的分布。例如，如果使用多普勒，已经获得了频率分布，那么能够使用EQ.18计算在任何频率下的速率。频率数据或者用于计算出的变量的数据能够用来计算表征分布的一个或多个参数的值。当使用本发明的方法计算连续的分布时，这样的分布尤其有用。这样的分布可能为，例如，由其平均和标准偏差表征的高斯分布。EQ.19是具有6个参数的更复杂的分布的一个例子。图18是当计算出的参数为速率时这样的一个分布的例子。
ν=-c(-f+fe)f+fe---(18)]]>x(v)=12(1-F)e(-1/2(-v+μs)2σs2)2πσs+F∫0a(1-xa)(21k-1)e(-1/2(v-x)2σ2)2πσkadx---(19)]]>本发明的其它方面涉及结构和一套方法，用于根据已经由数字化误差造成失真的信号确定SD函数，或者SDC函数的参数。当信号被测量并且从模拟形式转化为数字形式时，模拟值以有限的精度被转化为数字(numeric)(数字(digital))值。这样的有限的精度导致近似信号的实际值的数字值，并且实际值和近似值之间的差为有数字化处理引起的误差。具体而言，本发明包括结构和一套方法，用于当通过限制计算出的函数以使它们具有预定的特性，使用数字化的数据时，计算SD函数，或者能够用来确定SD函数的函数。这样的预定的特性可能包括具有落在由数字化处理所确定的范围之内的至少一个，以及典型地大多数或者近似全部的，使用计算出的函数所估计的g(t)的值。这样的预定的特性也可能包括要求SD函数，或者能够用来确定SD函数的函数具有与它们的几何形状有关的或者定义该函数的参数的预定的特性。例如，这样的一套方法包括具有这样的函数，其作为斜率或者斜率、长度、或由该函数包围的平方(squared)面积的改变率的最小度量。另一个例子为具有这样的函数，其最大化，或者最小化表征该函数的一个或多个参数的量级的函数。另一个例子为具有这样的函数，其最小化长度及由该函数包围的平方面积的度量及最大化表征该函数的一个或多个参数的量级的函数。稍后会更加完全地描述本发明的这些方面。
为了阐明使用多重函数表征振幅函数的本发明的这个方面，考虑下列用于估计振幅函数的一般处理的描述。振幅函数，例如EQ.8和EQ.9中的那些，能够任意地近似为其它函数的和。下列表达式将N个分段函数的和定义为G(f)和F(f)的近似。
G(f)=Σj=1NGj(f)---(19)]]>F(f)=Σj=1NFj(f)---(20)]]>定义在N个间隔的每一个上的N个分段函数将共同地跨越感兴趣的f的域。存在用于G(f)的N个函数以及存在用于F(f)的N个函数，并且它们可能或者可能不具有重叠的域。将在具有下和上界的f的域范围内定义G(f)和F(f)中的每一个。对于使用分段连续的函数的情形，域的结合将是连续的且除了在交叉点以外，各个域不会重叠。
将EQ.19和20代入EQ.11并且在总和上分配余弦和正弦项导致EQ.21。
g(t)=E(t)(∫fLfHΣj=1NFj(f)cos(2πft)df+∫fLfHΣj=1NGj(f)sin(2πft)df)---(21)]]>改变和的积分为积分的和导致EQ.22。
g(t)=E(t)((Σj=1N∫fLfHFj(f)cos(2πft)df)+(Σj=1N∫fLfHGj(f)sin(2πft)df))---(22)]]>分段函数的每一个被定义在f的部分域范围内。给总和中用于每个积分的积分界限做标记导致EQ.23。
g(t)=E(t)((Σj=1N∫fLjfHjFj(f)cos(2πft)df)+(Σj=1N∫fLjfHjGj(f)sin(2πft)df))---(23)]]>E(t)为询问信号的包迹。如果正被分析的信号未经询问函数调制，那么设置包迹函数E(t)＝1将分解接收的信号而不消除询问信号的影响。如果E(t)不为常数，那么根据本发明的一套方法，能够在分解接收的信号成为，例如，SD或者SDC函数时，分离E(t)的影响。
g(t)为接受的信号并且关于它的测量值是已知的。用E(t)除EQ.23的两边产生EQ.24。
g(t)E(t)=(Σj=1N∫fLjfHjFj(f)cos(2πft)df)+(Σj=1N∫fLjfHjGj(f)sin(2πft)df)---(24)]]>来自g(t)的测量值是用来计算F(f)和G(f)的数据。
在EQ.24中使用下列替换
g(t)E(t)=f(t)---(25)]]>fHj=Hj---(26)]]>fLj=Lj---(27)]]>则得到EQ.28。
f(t)=(Σj=1N∫fLjfHjFj(f)cos(2πft)df)+(Σj=1N∫fLjfHjGj(f)sin(2πft)df)---(28)]]>如先前所陈述的，分段连续的函数可以为多项式，例如线性或者二次函数。每个函数段将具有其系数，例如关于线性函数的斜率和截距。为了阐明本发明的原理，下列例子使用二次函数并导出可以用来求解指定每个二次函数段的系数的表达式。
用下列表达式指定分段二次函数段Gj(f)＝ajf2+bjf+cj(29)Fj(f)＝xjf2+yjf+zj(30)将这些表达式代入EQ.28导致EQ.31f(t)=(Σj=1N∫fLjfHj(xjf2+yjf+zj)cos(2πft)df)+(Σj=1N∫fLjfHj(ajf2+bjf+cj)sin(2πft)df)---(31)]]>这个方程关于系数xj、yj、zj、aj、bj和cj是线性的，并且积分具有分析解。图14具有解析解。这个方程为一般表达式。在间隔范围[Lj、Hj]上，不存在约束，因而它们不必定为连续的以及它们能够重叠。因此，函数段可能为不连续的。如果函数段是连续的，在相匹配的函数段的斜率上不存在约束。当前的公式，无限制地，广泛地适用。
将要求解的未知数为关于j＝1…N的系数xj、yj、zj、aj、bj和cj。将未知数描述为矢量|d|。一旦已估计了关于|d|的值，就能够使用EQ.31计算关于f(t)的估计值。能够使用一个或多个客观标准求解|d|的值，例如与关于f(t)的测量值相比，关于f(t)的估计值具有最小的平方误差的和。EQ.31关于xj、yj、zj、aj、bj和cj是线性的，因而可以使用最小规范方法，例如，最小平方误差，来求解未知数。频率间隔的数目以及关于每个函数段的下限和上限频率为所选择的值，且因而为已知的。类似地，进行测量的时刻是已知的。这些值被插入到图14中的方程中，并且结果为乘以xj、yj、zj、aj、bj和cj的每一个的一组系数。这组系数形成一个矩形矩阵‖A‖。指定f(t)的测量值矢量为|f|。作为结果的矩阵方程为EQ.32。
‖A‖|d|＝|f| (32)本域技术人员已知的矩阵解答方法能够用来求解|d|，其包含关于xj、yj、zj、aj、bj、和cj的值。一个这样的方法是使用‖A‖的Moore-Penrose广义逆。指定‖P‖作为‖A‖的Moore-Penrose广义逆导致EQ.33。奇异值分解为能够使用的另一种方法。
‖P‖|f|＝|d|(33)对于测量时刻和频率间隔为预先确定并多次重复使用的情形，仅需计算一个矩阵的逆，其提供相当可观的计算节省。矩阵‖A‖基于预定的[Lj，Hj]及预定的测量时刻并且被预先计算。Moore-Penrose广义逆，‖P‖，也被预先计算并被存储以便稍后使用，例如在像使用硬盘或其它磁性介质那样的计算设备的非易失性存储器中，或者在CD ROM或其它光学存储介质，或者非易失性RAM或其它电子存储介质上。在已经计算并存储了‖A‖和‖P‖之后，能够重新取回关于‖P‖的值并用来计算|d|，无论何时利用EQ.33，这些计算被期望用于f(t)的测量值的矢量，|f|时，这立即导致关于系数xj、yj、zj、aj、bj和cj的值。
如下文所描述的，当关于每个间隔的下和上界，[Lj、Hj]都具有相同的宽度时，公式变得相当地更简单，但是它们不需要具有相同的宽度或者为等间隔的。测量时刻不约束为等间隔的。关于选择用于每个间隔的边界和测量时刻的可获得的灵活性允许选择不均匀的间隔，例如使用切比雪夫(Chebyshev)点或者扩充的切比雪夫点。
能够使用不同于最小平方误差的和的方法计算未知系数的值。例如，能够使用误差的最小绝对值的和(LAV)或者非负的最小平方(NNLS)。如本域技术人员已知的，能够实现LAV，以便对变量的值进行约束，对于NNLS也是一样的情形。当使用线性函数段时，这样的约束尤其有用，因为这些函数段容易地受到阻止一个或多个SDC函数，例如G(f)，具有任何负值的约束。
对于频谱连续的情形，例如来自流动的血液的多普勒频谱，第j个函数段需要连接到函数段j-1。要求连续性意味着第(j-1)个函数段的终点必须为第j个函数段的起点，这导致第j段的下界等于第(j-1)段的上界。因此，EQ.34适用于分段连续的函数。
Lj＝Hj-1(34)如下文所演示的，这种约束意味着关于cj的值由aj-1、bj-1、cj-1和Hj的值确定。因此，当二次函数段为分段连续时，cj不是一个独立的变量。
来自像流动的血液这样的过程的频谱是平滑的。二次函数段之间的平滑过渡要求在第(j-1)段末端的斜率与第j段的斜率相匹配。如下文将显示的，这种约束将bj组从独立变量中消除。
以下讨论用作举例说明aj、bj、cj，且同样的讨论也适用于xj、yj、zj。包括关于在其上使用了一个函数的间隔的首端的频率的一个偏移量。关于通过一个特定的点的第j个函数段的方程导出如下。通过使用有序偶(Lj，βj)，指定关于最低频率的特定的点及在最低频率处的振幅。βj是关于第j个函数段的初始振幅。第j个函数具有其自身的系数aj、bj，和截距cj。
第j个函数段的起点具有与第(j-1)个函数段的终点相同的坐标。指定第(j-1)个函数段的终点为(Hj-1，ej-1)。ej-1为关于第(j-1)个函数段的结束振幅。第j个函数段的起点为第(j-1)个函数段的终点。当使用分段连续二次函数描绘SDC函数时，下列方程给出关于SDC函数的第j个函数段的振幅。
Gj＝aj(f-Hj-1)2+bj(f-Hj-1)+cj(35)然而，cj＝ej-1因此Gj＝aj(f-Hj-1)2+bj(f-Hj-1)+ej-1(36)对于当j＝1时的特殊情形，起点在频率flb处具有为零的振幅。这里flb是先前定义的。明显地，存在给出ek的递归。基本的方程为ej＝aj(Hj-Hj-1)2+bj(Hj-Hj-1)+ej-1(37)这个方程给出合乎逻辑的结果第j个函数段的终点的高度是所有之前的终点的高度加上在频率间隔j期间发生的高度的改变的和。使用先前的方程从EQ.35消除cj导致EQ.38。
Gj=aj(f-Hj-1)2+bj(f-Hj-1)+(Σp=1j-1((Hp-HP-1)2ap+(Hp-Hp-1)bp))---(38)]]>将终点联系在一起的这些方程在分段函数之间建立了连续性。分段函数现在是分段连续的。关于Hj的值是已知的因为它们是先验地选择的。在这组方程中，仅有的自由变量是最初的N-1个bj和N个aj。
约束第(j-1)和第j段的斜率以便在函数段连接的地方相匹配。这种约束导致第j个函数段的起始斜率等于参数bj。关于每段的bj仅依赖于先前的函数的系数的值。最后的结果是每个bj仅依赖于先前的aj的值。关于bj的方程为bj=2(Σq=2j(Hq-1-Hq-2)aq-1)---(39)]]>对于第一个函数段，最初的斜率为零，因为它沿着f轴的切线方向开始。因此，b1＝0。通过检验j＝1的情形，这种状况变得明确。
G1＝a1(f-H0)2(40)使用EQ.39从EQ.38中消除b导致EQ.41。这个方程是关于分段连续二次函数段的第j个函数段的一般表达式。
Gj=(Σp=1j-1(Hp-Hp-1)(-Hp-1+2f-Hp)ap)+aj(f-Hj-1)2---(41)]]>最后的函数段的终点在频率HN处。在这点上，SD函数必须为零，并且斜率也需要为零。这些必要条件同样要求SDC函数，例如G(f)，在HN处具有零振幅和斜率。在HN处，存在两个边界条件，但仅一个自由变量，aN-1，存在，因此，需要消除另一个自由度。设置关于边界条件的方程，其使得在第N段结尾处的斜率和振幅彼此相等(它们两者都等于0)，并且很明确aN-1也不是一个自由变量。因此，当具有N个函数段时，仅需要找到N-2个|a|的值。
使用等间隔的函数段使得方程变得相当地简单。假定每个函数段覆盖具有相等宽度的一个频率间隔。选择关于最低的基础频率的值，H0，且然后对于在基底中的其它频率通过由它上增Hδ的标记。
对于等间隔的频率，间隔具有Hq-1-Hq-2＝Hδ(41)并且关于第j个二次函数段的一般表达式变为EQ.42。
Gj=Hδ(Σp=1j-1(-(2p-1)Hδ+2f-2H0)ap)+aj(f-H0-(j-1)Hδ)2---(42)]]>未知变量为aj。将这些变量描述为矢量|a|。当在函数段连接的节点处强加连续性和相匹配的斜率时，关于|a|的第(N-1)和第N个值不再为独立的变量。关于这些变量的表达式为
aN-1=Σp=1N-2ap(p-N)---(43)]]>aN=-(Σp=1N-2ap(p-N+1))---(44)]]>给出aN-1和aN的方程证实最后的两个系数完全地由最初的N-2个系数指定，因而，不是独立的变量。这些变量导致最后两个函数段一起起作用使得G(f)的最终振幅变为零，并且在最后两个函数段的节点处具有平滑过渡的零斜率。
根据|a|的最初N一2个元素，关于第(N-1)和第N个函数段的表达式为GN-1=Σj=1N-2(Hδ(-(2j-1)Hδ+2f-2H0)aj+(-H0-(N-2)Hδ+f)2aj(j-N))---(45)]]>GN=Σj=1N-2(-aj(-f+NHδ+H0)2(j-N+1))---(46)]]>存在关于F(f)、fj和|d|的类似的关系，包括Fj(f)=Hδ(Σp=1j-1(-(2p-1)Hδ+2f-2H0)xp)+(-H0-(j-1)Hδ+f)2xj---(47)]]>FN-1=Σj=1N-2(Hδ(-(2j-1)Hδ+2f-2H0)xj+(-H0-(N-2)Hδ+f)2xj(j-N))---(48)]]>FN=Σj=1N-2(-xj(-f+NHδ+H0)2(j-N+1))---(49)]]>将前面的方程代入EQ.22并且积分及替换以消除第N-1和第N个aj和xj导致EQ.50。当使用分段连续及受约的等间隔的二次函数段，以便在节点处的斜率是相等的，并且在SD的开始和结尾处的斜率和数值为零时，这个方程是关于近似g(t)的函数的最终方程。EQ.50是用于计算g(t)的一般公式，g(t)关于变量xj和aj是线性的。
g(t)=E(t)(Σj=1N-218(sin(2πt(H0+(N-2)Hδ))(-2N+2j)-2(N-1-j)sin(2πt(H0+NHδ))-2sin(2πt(H0+jHδ))-(4N-4j-2)sin(2πt(H0+(N-1)Hδ))+2sin(2πt(H0+(j-1)Hδ)))xjπ3t3+18(2(N-j)cos(2πt(H0+(N-2)Hδ))+2cos(2πt(H0+jHδ))+2(N-1-j)cos(2πt(H0+NHδ))+(-4N+4j+2)cos(2πt(H0+(N-1)Hδ))-2cos(2πt(H0+(j-1)Hδ)))ajπ3t3)---(50)]]>进行测量的时刻是已知的，就像开始的基础频率，H0，和每个频率间隔的宽度，Hδ，也是已知的那样。在进行了这些替换之后，结果为由有关未知的(N-2)个未知变量aj和(N-2)个未知变量xj的系数组成的一组方程。能够提取系数并将其放进一个矩形矩阵‖A‖中，‖A‖将具有M行及2(N一2)列，这里
M＝测量的数目，测量在时刻ti，i＝1…M进行。
N＝函数段的数目(其与基础频率的数目相同)。
设置‖A‖以使最初的N-2列包含关于aj的系数以及最后的N-2列包含关于xj的系数。关于‖A‖的最初N-2列的方程为EQ.51。关于‖A‖的最后N-2列的方程为EQ.52。这些方程假定包迹函数是已知的，往往为这种情形，例如如果询问函数为连续的正弦函数或者具有其它已知的特性。如果被分析的信号还未由询问函数调制，那么设置包迹函数E(t)＝1，并且该方法将分解全部的信号而不企图消除询问信号的影响。
Ai,j=18E(ti)2cos(2π(H0+jHδ)ti)-2cos(2π(H0+(j-1)Hδ)ti)+2(N-j-1)cos(2πti(H0+NHδ))+2(N-j)cos(2πti(H0+(N-2)Hδ))+(-4N+4j+2)cos(2πti(H0+(N-1)Hδ))(π3ti3)---(51)]]>Ai,j+N-2=18E(ti)-2(N-j-1)sin(2πti(H0+NHδ))-2sin(2π(H0+jHδ)ti)+sin(2πti(H0+(N-2)Hδ))(-2N+2j)+(4N-4j-2)sin(2πti(H0+(N-1)Hδ))+2sin(2π(H0+j-1)Hδ)ti)(π3ti3)---(52)]]>指定aj的(当前未知的)N-2个值的值为|a|并指定xj的(当前未知的)N-2个值为|x|。指定矢量|d|为|a|迭加(stacked)在|x|上，因而|d|包含未知变量aj，j＝1…N-2，跟随有未知变量xj，j＝1…N-2。如先前所描述的，能够使用，例如，Moore-Penrose广义逆求解值|d|。
图15至图23阐明仅使用一个例子描述的方法。该例子使用少量的测量，20次，以及7个二次函数段。图15列出了用来计算图16中所示的‖A‖矩阵的参数。‖A‖的Moore-Penrose广义逆在图17中示出。根据f(t)的测量值，仅需要‖P‖来计算‖d‖的值。使用图19中所示的G(f)和F(f)来计算在该例子中使用的g(t)的20个值。一个成功的计算将产生接近于图19中所示的那些的估计的G(f)和F(f)。图18阐明用来产生g(t)的包迹函数。在图20中阐明g(t)连同获得测量值的点。图21阐明在消除了包迹函数的影响以后，g(t)看起来像什么。与图21的表面现象相反，这个函数具有比在图中所示出的长得多周期。在2MHz处，信号的明显的周期性由作为g(t)和f(t)的基础的狭窄范围的频谱引起。
通过‖P‖乘以g(t)的测量值的矢量计算|a|和|x|的值。作为结果的所估计的SDC函数，G(f)和F(f)，连同实际的G(f)和F(f)一起在图22和图23中示出。每个图仅只显示一条线，因为所估计的值如此接近于实际的函数值。随着所估计的SDC函数与实际的SDC函数相匹配，赘述地讲，估计的SD函数将与实际的SD函数相匹配，这是相同的意思。
这个例子阐明区别本主题发明和其它方法发明的一些关键特征。(1)当使用预先计算好的‖P‖时，频谱的计算涉及少量的乘法和加法，这意味着计算不是内存密集型的并且能够很快。计算使用可能接近与可能需要15阶或者更多位的精度的计算的精度相同的尺寸的数字。(2)本例子使用相对少量的测量来区别频谱。(3)‖P‖的尺寸随着测量的数目线性地增加，因此如果使用预先计算好的‖P‖，利用更多测量的计算成本仅线性地增加。(4)‖P‖的尺寸随着测量的数目线性地增加，因此如果使用预先计算好的‖P‖，利用更多基础频率(函数段)的计算成本线性地增加。(5)利用包括利用有理实值函数和有理实值连续函数的有理函数直接计算振幅、SD、和SDC函数，。
利用线性代数阐明的解答方法对于能够使用的基础频率的数目具有实际的限制。有意地，使被使用的基础频率不产生正交基函数。因此，随着增加更多的基础频率，‖A‖逐渐地变得奇异，当|f|中存在数字化误差时，这趋向于使该问题变得愈加病态。然而，下文描述了根据本发明的其它变更，其消除了‖A‖变得愈加奇异的的问题。
当使用均匀间隔的分段连续二次函数段时，能够使用EQ.53计算SDC函数。EQ.53使用aj并将计算G(f)。将xj代入EQ.53将导致计算F(f)。使用EQ.53计算图22和图23中的分布。
d(f)=Σj=1N-1Heaviside(f-H0-(j-1)Hδ)Heaviside(H0+jHδ-f)(Hδ(Σp=1j-1(-(2p-1)Hδ+2f-2H0)ap)+aj(f-H0-(j-1)Hδ)2)+]]>Heaviside(f-H0-(N-1)Hδ)Heaviside(H0-f+NHδ) (53)(Σj=1N-2(-aj(H0-f+NHδ)2(j+1-N)))]]>
在图24中总结了用于使用等间隔的分段连续二次函数段所需要的方程。如先前所陈述的，可以使用除了二次函数之外的函数。图25总结了用于使用等间隔的分段连续函数段所需要的方程。在这些图中列出的函数为使用本发明的一般方法的例子并演示了其一般用途。如先前所陈述的，该函数不需要为等间隔的、连续的、或者多项式。图4中使用的基函数为B样条。在能够使用的其它函数中是包含三角和指数函数的那些。
必要地将测量值数字化到某一精度。数字化引进误差，因为函数的实际值是未知的。替代地，可用的数值被移动到由测量精度界限限制的区域的中心。这些区域为离散区域，在其中在数字化处理期间进行了测量。在其中进行了测量的这些区域为数字化区域。对于数字化区域的数目为4的情形，在图26中阐明了这种实际的数值至数字化区域的偏移(shift)。实线为由三个离散频率组成的函数的部分绘图。十字为在所选择的测量时刻的实际值。圆圈为当具有四个数字化区域时出现的数字化值。必要地，从已经被数字化的数据计算SD函数。数字化的数据为实际函数值的近似，然而，所期望的SD函数是产生实际函数的那些函数。本发明包括用于使用数字化数据来估计实际SD函数的方法。
上文所描述的方法将产生精确地估计已经被数字化的f(t)的测量值的SD函数。重现的值为f(t)的数字化的值，并且SD函数为由下限和上限基础频率所限制的那些函数。使用数字化的数据时，随着数字化处理的精度增加，数字化的f(t)的所估计的SD函数变得愈加接近于实际的(非数字化的)频谱。当使用数字化的数据时，随着数字化处理的精度增加，测量误差减小且该问题变得不那么病态。上文所描述的方法将精确地估计关于函数的频率已知的特殊情形的SD函数，即使当数字化误差的量极大时。这种能力在图27至图29中阐明。当通过最小化最小平方误差的和，图27，以及通过最小化最小绝对值误差的和，图28，计算系数时，这三个图显示实际的函数值和估计的函数值。图29显示最小平方误差及最小绝对值误差两者的结果，连同实际的和数字化的函数数据。所显示的估计结果使用来自所阐明的4个数字化区域的数字化的数据计算。
典型地，组成感兴趣的函数的频率是未知的，并且需要不同于最小化估计的和测量的(数字化的)值之间的一些拟合优度目标度量的途径。数字化处理促使f(t)的测量值从真实值(且未知的值)移动到相应于由下限和上限阈值所限制的域的中心的值，该下限和上限阈值由可以放置数据的域的数目和总的测量范围的最低的和最高的值指定。数字化处理的主要后果是测量值几乎总是被移动到或者高于或者低于实际值的值。这些移动趋向于引进寄生频率到被测量的数据中。使用目标度量来最小化数字化值和估计值之间的差的频谱分解方法计算关于对其呈现的数据(数字化的数据)的SD函数，而不是感兴趣的实际函数。除非采取除已经提出的那些之外的措施，当数据已经被数字化处理充分讹误时，作为结果的频谱不再描绘非数字化数据的频谱。
在图30和图31中示出了当未采取措施来解决数字化时，具有数字化误差的计算出来的G(f)和F(f)的一个例子。除了它们是基于f(t)的数字化而不是实际值以外，这些图与图22和图23一样是基于相同的数据并使用相同的‖P‖。关于数字化数据的频谱能够用来计算关于测量的数字化数据的估计值，并且该估计值与实际的数字化值是相同的，证实了该计算预测了关于数字化数据的正确的频谱，但同样证实了数字化数据的频谱不描绘被数字化的基础函数的频谱。
抖动(dithering)数字化数据将改进结果，但是只有抖动往往是不够的。当处理已被数字化的数据时，其它措施常常是必要的。
增加数字化区域的数目将改进结果。然而成本和适当的电子元件的可用性可能限制实际的这样的增加的量。除增加数字化区域的数目以外的其它措施往往是必要的。
本发明的一个方面涉及在存在数字化误差时，通过使用误差吸收函数估计SD和SDC函数。数字化导致比实际发生的更加突然的f(t)的测量值的改变。这些突然的改变作为在实际的f(t)中不存在的频率的引进而在频率域显露出来。误差吸收函数为在为实际的f(t)而存在的频率之外有效且至少在某种程度上解决由数字化所增加的寄生频率的函数。误差吸收函数的一个例子是包括一个或多个SDC或SD函数至基底中，并且选择用于附加的函数的频率以使它们在用于实际的f(t)的间隔以外。例如，关于吸收函数的起始频率可能为实际的f(t)所预期的最高的基础频率的倍数，例如两倍多。当使用与用于SDC或者SD函数的那些相同的函数形式建立误差吸收函数时，那么相同的目标度量可以用来计算解，例如最小化最小平方误差的和或者LAV。误差吸收函数能够与其它的如抖动这样的方法一道使用。
本发明的另一方面涉及在存在数字化误差时，通过利用具有一个或多个能够使用目标度量来调整的特性，例如最小化或者最大化这些特性的SD或SDC函数来估计SD和SDC函数。被调整的特性可能具有有效的几何解释，但是这样的解释不是必需的。特性的调整可能受制于一个或多个约束。以下为本发明这个方面的一些例子。当数字化区域的数目足够小，以致产生错误的结果以及抖动不产生正确的结果时，这个方面尤其有效。
如由图30和图31所阐明的，使用由数字化严重讹误的数据计算出的SDC函数已知为不正确的，因为G(f)不总是非负的。G(f)必须严格地为非负，因为它是基于相位角的余弦的，并且余弦函数是偶函数。因此，本发明的一个方面是通过限制所计算出来的结果以使一个或多个SDC函数或者SD函数严格地为非负而计算SD函数。
例如，当使用均匀间隔的分段连续二次函数模拟G(f)时，EQ.54是关于aj的约束的一般表达式，该约束阻止G(f)在任何地方为负。仅需要j＝2…N-1的总共N-2个约束，因为如果满足了这些约束，那么第一个和最后一个函数段也被迫为非负。EQ.54说明函数的极小值需要位于因其对G(f)的贡献而为其定义了函数段的间隔的内部。如果像线性段那样模拟G(f)，那么关于G(f)的非负性约束由EQ.55表达。
Heaviside(aj)Heaviside(-12Σq=1j-1(2aq)aj)Heaviside(12Σq=1j-1(2aq)aj+1)(-2(Σp=1j-1app)aj-(Σp=1j-1ap)aj-(Σp=1j-1ap)2+2j(Σp=1j-1ap)aj)aj≤0---(54)]]>-(Σp=1jap)≤0---(55)]]>SD和SDC函数具有几何特性。几何特性为由像尺寸、维度、长度、面积、形状、及曲率这样的度量影响的特性。例如，在图30以及图31中所描绘的关于数字化的f(t)的SDC函数具有比关于实际的f(t)的SDC函数大得多的振幅。类似地，与非数字化的数据相比，对于关于数字化的数据的情形，限制在G(f)和F(f)以及频率轴之间的面积要大得多。频谱组成函数，G(f)或者F(f)，的有界面积为频率轴和在频率轴上方的曲线之间的总面积加上频率轴和在频率轴下方的曲线之间的面积的绝对值。有界面积是一个几何特性，因为它受SDC函数的面积和形状的影响。函数的峰和谷的高度以及这样的特征的数目也是几何特性。
曲率为几何特性。曲率为一个或多个函数的结合，这些函数为SD、SDC、或者振幅函数的一阶及较高阶的导数。当使用分段连续的二次函数段时，曲率的一种类型为系数|a|和|x|的矢量的平方量。这种曲率的度量称为二次曲率，并且它是二次函数段的平方二阶导数的和。
相似是另一个几何特性。相似是表征两个或多个SDC函数的参数的一个或多个函数的任何结合，以便第一和第二SDC函数的参数是相关的。例如，定义G(f)和F(f)的参数之间的平方差是一个相似。如果使用先前描述的分段连续二次函数段表征G(f)和F(f)，那么|a|和|x|的相应元素之间的平方差的和是另一个使用相似的函数。几何解释是相似特性涉及到两个或多个SDC函数之间相似的形状、斜率、或者斜率的变化。
本发明的另一方面涉及当调整一个或多个几何特性的度量时，计算一个或多个SDC函数或SD函数。例如，根据本发明的这个方面，能够计算一个或多个SDC函数或SD函数的弧长，以便弧长的度量满足一个或多个目标度量，例如被最小化。类似地，根据本发明的这个方面，当调整一个或多个SDC函数或SD函数的有界面积的一个或多个度量时，能够计算一个或多个SDC函数或SD函数，以便面积度量满足一个或多个目标度量，例如被最小化。类似地，根据本发明的这个方面，当调整一个或多个SDC函数或SD函数的有界面积的一个或多个度量时，能够计算一个或多个SDC函数或SD函数，以便曲率满足一个或多个目标度量，例如被最小化。
当调整几何特性时，能够使用不同的技术实现计算SDC或SD函数。一种技术是最小化几何特性的度量，例如最小化函数的弧长、有界面积、或曲率的度量。当G(f)基于均匀间隔的连续二次函数段时，关于总弧长的度量的表达式为EQ.56。当用xj代替aj时，同样的方程计算关于F(f)的总弧长的度量。
34Σj=1Nmj(f)Hδ3=5(Σj=1N-2aj)(Σj=1N-2aj(-N+j))+2(Σj=1N-2aj(-N+j))2+4(Σj=1N-2aj)2+(Σj=1N-2(3(Σk=1jak)(Σq=1j-1aq)+aj2))---(56)]]>EQ.56基于总弧长的平方且其具有常数项，例如从右手边消除的频率增量，Hδ。因此，它描绘了SDC函数的总弧长的度量，而不是总弧长。这些形式是不依赖于基中使用的频率的。例如，对于N＝5的情形，下列表达式是G(f)的总弧长的度量。
34m1(f)+m2(f)+m3(f)+m4(f)+m5(f)Hδ3=5(a1+a2+a3)(-4a1-3a2-2a3)]]>+2(-4a1-3a2-2a3)2+4(a1+a2+a3)2+a12+3(a1+a2)a1+a22(56)+3(a1+a2+a3)(a1+a2)+a32当关于每个系数，aj，计算其梯度时，EQ.56被最小化，且被设置为等于零。EQ.56关于系数是二次的，因此关于每个系数的梯度将关于aj为线性。例如，当N＝5时，梯度为EQ.57。除了它们使用变量x而不是a以外，关于F(f)存在同样的表达式。
(57)梯度方程是线性的，因此，能够将它们作为附加的行包括在先前使用的线性回归矩阵中，或者在其它计算方法中，如LAV。在‖A‖的附加行中使用的值为度量弧长度量的Hessian。例如，如果N＝5，那么关于乘以矢量|a|的列的附加的行为46301330221013106---(58)]]>在矢量|f|中的附加行将具有基于G(f)或F(f)的基本结构的一些(非负的)值，或者能够设置在|f|中的附加行等于零以计算关于|a|和|x|的值，其最小化估计的|f|和测量的|f|之间的平方误差，而同时减少G(f)和F(f)的总弧长。梯度行的数目由所选择的用于模拟G(f)和F(f)的二次函数段的数目限制。梯度行的数目将必然地比基于所测量的数据的行的数目小得多。能够通过以一个常数乘以每行来衡量来自梯度行的贡献。
上述的例子使用弧长作为几何特性。能够使用其它的几何特性，例如有界面积、曲率和相似。这些特性的度量同样产生得到具有常数项的Hessian矩阵的二次表达式。
当使用最小平方误差计算SDC函数，并且关于弧长的度量的行或者有关二次度量的其它几何特性被包括在内并设置为等于零时，作为结果的SDC函数拥有非数字化的SDC函数的一般形状，然而，该曲线比实际的SDC函数平坦得多。随着更多的函数段包括进来，实际函数的一般轮廓趋向于变得更加明显，但是结果仍然保持为近似。这些近似的结果可迅速地计算，因为‖P‖矩阵能够预先计算出来并存储以备稍后使用。这些近似的结果为用于SDC和SD函数的更精确的计算的有效起始点。
能够从梯度方程计算表征SDC和SD函数的参数的值，例如上文呈现的关于弧长度量的梯度的方程。当使用梯度方程计算像利用等间隔的连续二次函数段时的|a|和|x|这样的参数时，SDC函数趋向于系统地改变，这在当根据参数的起始值计算改进的SDC和SD函数的时候是有益的。
通常，将在|f|中使用的关于G(f)和F(f)的梯度项的值是未知的，并且结果为具有极小的以及太过展平的振幅的估计的频谱组成函数。然而，结果能够用来作为用于可能被采取以改进该结果的附加措施的起始点。
如先前所描述的，除弧长的度量之外，能够使用SDC和SD函数的其它几何特性。SDC和SD函数的有界面积为这样的几何特性。图91为当分段连续的等间隔的二次函数用作基函数时，关于G(f)的有界面积的度量的表达式。这些表达式是基于G(f)和频率轴之间的平方面积的，并且是二次的。EQ.59是当N＝5时的一个例子。
MAs1-5＝251a3a1+158a3a2+33a32+673a12+738a2a1+217a22(59)就|a|而言，梯度项是线性的，并且能够像对于弧长度量所做的那样将其包括在最小平方误差计算中，或者在其它计算方法中，例如LAV。关于‖A‖矩阵的附加的行是弧长度量的Hessian。例如，当N＝5时，Hessian为134673825173843415825115866---(60)]]>对于面积表达的度量，存在关于F(f)的类似的方程，并且除了以x代替a之外，与关于G(f)的方程相同。
非负性以及弧长和有界面积的度量是SDC和SD函数的特征的两个例子，其能够用来约束计算的结果。能够使用除这些之外的其它特征，例如基于斜率、模式的数目、模式峰或谷之间的关系、曲率、相似以及其它几何特性的那些特征。
数字化处理提供关于f(t)的数字化值，但是关于f(t)的实际值可能在数字化值落入的数字化区域之内的任何地方。在域内，关于数值的概率分布是均匀的所有的值等可能地为正确的。因而，不存在一个值优于任何其它值的理由。本发明的一个方面为通过限制所计算出的结果以产生在数字化值的预定界限内的f(t)的计算出的估计来计算SDC和SD函数。尤其有用的一组界限为用于每个数字化区域的下和上界。这种途径与像参数方法的那样的标准最小平方估计形成对比，其最小化实际的和估计的值之间的平方误差，但是不限制预测的结果处于基于数字化处理的精度的预定的边界之内。与要求结果处于界限之内，但是并不使结果偏向于接近界限之内的任何特殊的值的本发明的这方面形成对比，傅立叶分析方法在最小平方误差的意义上拟合数据成为函数，例如傅立叶序列在最小平方的意义上拟合数据成为三角多项式。
关于f(t)的测量值已经数字化，并且实际(非数字化的)值是未知的。然而，关于f(t)的每个数字化的值具有已知的下和上界。每个数字化的值是数字化区域的一个成员，数字化区域具有适当定义的下和上界，并且关于f(t)的特定值的任何估计的值必须在下和上约束值之间。当共同地考虑所有的关于f(t)的每个测量值的约束时，存在一组数字化区域的约束。
能够把数字化区域约束和非负性约束与最小化一个或多个例如弧长、有界面积、曲率或相似之类的几何特性的度量的一般目的结合起来。假定使用等间隔的分段连续二次函数段来模拟频率组成函数，那么在图33、图34、和图35中的方程能够结合成为通过使用独立的表达式或者将表达式加在一起来最小化的目标函数。在图33、图34、和图35中的所有的表达式关于aj和xj都是凸的，因此对于它们中的每一个，存在唯一的全局最小值，并且局部最小值也是全局最小值。这些表达式可以结合成为要被最小化的单个的目标函数，例如在图36中关于目标函数的表达式。这个表达式关于aj和xj也是凸的，因为凸函数的和也是凸函数。
本发明的另一方面涉及通过最小化或者最大化在至少部分频率域范围内连续的一个或多个函数，根据数字化数据计算频谱密度。进一步的一个方面涉及，对于这样的最小化或最大化，使用一个或多个凸函数(当最小化时)或者一个或多个凹函数(当最大化时)作为目标函数来计算SDC或SD函数。当在f(t)的测量值中存在数字化误差时，使用凸函数作为目标函数用于计算SDC或SD函数是尤其有益的。凸函数，不同于非凸函数，具有唯一的全局最小值，其同样是函数的局部极小值。这些特性使得寻找凸函数的最小值比寻找非凸函数的最小值容易得多。代替将定义G(f)和F(f)的特性的函数最小化，将函数最大化是可能的。当最大化函数时，使用凹函数是有益的，因为它们具有唯一的相同的全局和局部极大值。
本发明的另一方面涉及，通过最小化或者最大化受制于约束的一个或多个目标函数，计算SDC和SD函数。这样的约束包括使用数字化区域约束或非负性约束，或者使用数字化区域和非负性约束两者。使用数字化区域约束是尤其有利的。例如，如果目的是最小化G(f)的弧长度量，并且不存在数字化区域约束，那么最短的长度是沿着频率轴在最低的和最高的基础频率之间延伸的直线。当包括数字化区域约束时，如果f(t)的一个或多个值为非零，那么G(f)和F(f)的一个或多个必须为非零。
对于每个测量存在两个数字化区域约束每个估计值必须比关于该域的相应的最小值大并且每个估计值必须不比该域所允许的相应的最大值大。随着测量数目增加，G(f)和F(f)可能具有的可能的形状和维度变得愈加受限。
通过识别实际的下和上频率界限，fL和fH，往往为到近似对于非数字化的f(t)而言的实际的G(f)和F(f)的G(f)和F(f)的收敛提供方便。通过从已知的比实际的界限更宽的界限开始和搜寻满足数字化区域约束及最小化目标函数的|a|和|x|，可以开始关于这些界限的搜寻。阻止G(f)具有小于零的值的所包含的非负性约束往往方便了这样的搜寻。
关于G(f)和F(f)的峰的数目可能先验地已知，或者当使用非负性约束时，可以在初始计算期间确定它们。如果在G(f)中峰的数目已知等于在F(f)中峰的数目，那么关于F(f)的峰的数目能够使用初始计算确定。本发明的方法迅速地收敛到正确地识别G(f)中峰的数目的解。当F(f)中的峰的数目已知时，那么可能包括使得F(f)具有规定峰的数目的约束。这样的约束也能够用来使得G(f)具有指定的峰的数目。类似地，能够强加约束以促使指定的谷的数目存在于G(f)、F(f)、或者这些函数两者之中。
通常，必须使用数值方法来寻找目标函数的受约束的最大或最小值。非负性约束能够用公式表示为凸或单调的函数。关于G(f)和F(f)的峰或谷的数目的约束能够用公式表示为凸的或单调的函数。数字化区域约束能够用公式表示为凸的或单调的函数。如上文所做的，目标函数能够用公式表示为二次函数。因此，将要求解的问题是一个凸性规划(programming)问题。存在许多方法，包括二次规划(programming)、罚函数、障碍函数、以及基于拉格朗日(Lagrangian)方法的那些方法，且它们是熟知的。使用本发明的方法，罚及障碍函数方法尤其非常适合于求解与估计SD函数相关的问题。
在EQ.23中，包迹函数E(t)的函数形式可以是已知的，尽管参数的值可能未知。例如，可以使用高斯脉冲(EQ.2)，但是其参数的精确值可能未知。随着用于SD或SDC函数的参数被量化，包迹函数的参数能够被量化。
为了解释说明的目的，下列描述使用特定的医学设备应用。如将领悟到的，本发明也可以很容易地使用于在所描述的特定的医学设备应用之外的应用中，例如用于不同于人的有生命的生物体或者用在除医学以外的应用中。如同样将领悟到的，本发明可能采用不同于所描述及阐明的那些的结构。例如，用于计算的方法可以结合或者分离不同于所描述的那些的结构中的函数单元。作为另一个例子，计算的顺序可以不同于所描述的那些。作为另一个例子，独立的变量可以为不同于频率的量。
优选的实施例的一般途径包括两个步骤(1)建立问题及(2)解决问题本发明包含用于这两个步骤的新颖及有效的方法。
优选实施例最小化受约的目标函数，其定义如下COF=OFλ+CVV+NCV+PCV---(61)]]>这里OF＝|d|‖Q‖|d|注意这是由G(f)和F(f)的几何特性的度量组成的目标函数的代数等价形式。
这里Q＝目标函数的Hessian的1/2。
具有适当的尺度的尺度因子。使用关于|d|的最近的估计值计算λ。由促使解朝着满足所有的约束的方向开始，OF对于COF的值的贡献能够通过使用λ的值来减小，λ使得 具有比CVV、NCV和PCV的量小的值，直到CCV、NCV、和PCV的值因为满足约束而开始变小为止。更优选的是使用比|d|T‖Q‖|d|大2个量级的λ的值。
一个优选的实现使用多个函数设置OF，这些函数，当使用一个或多个数学操作，包括，例如，加、减、乘、以及除的操作，被结合起来时，产生一个组合的函数，该组合的函数跨越一段预定的频率范围，以使一个或多个组合的函数近似SDC函数。更优选的是关于组成组合函数的函数为多项式。仍然更优选的是使用实值分段连续函数。还更优选的是使用沿着频率轴等间隔的实值分段连续函数。最后，更加优选的是使用沿着频率轴均匀间隔的分段连续实值二次函数，其具有在交叉点有相匹配的值的一阶导数。
对于测量来自动脉中的血流的频谱，数字化误差将很显著，因此，优选实现通过建立并求解受约的最优化问题来求解SDC函数。更优选地，目标函数将最小化或者最大化一个或多个函数，这些函数为一个或多个SDC函数、G(f)和F(f)、或者例如SD函数和相位角之类的从G(f)和F(f)导出的函数，，的几何特性的度量。G(f)和F(f)分别基于相位角的余弦和正弦，以及SD函数的振幅。优选的目标函数(OF)将是凸的。更优选的是OF关于|a|和|x|是二次的。
优选实现建立问题以致其包括一个或多个数字化区域约束并且可能包括一个或多个非负性约束以及可能包括一个或多个关于G(f)或F(f)的峰数的约束。优选实现建立作为罚函数或障碍函数的约束。
对于本发明尤其有用的是用公式将数字化区域约束表达为罚函数，该罚函数当满足约束时具有很小的值以及随着自约束界限的偏离增加具有不断增加的值。数字化区域约束要求f(t)的估计值落在下和上界两者之内，因此数字化区域约束具有沿着数字化区域边界倾斜下滑的两边的值函数。这样的函数是双边约束边界函数。具有更大用途的是具有随着解的搜寻的进行能够被调整的斜率的双边约束边界函数。一个这样的双边约束边界函数为b(x)=(2w)pxp---(62)]]>这里x＝关于f(x)的估计值自数字化区域的中点的偏离。
p为一个正的、偶的、整数。
随着p增加，数字化区域约束违反值函数变得陡峭，如在图37中所阐明的。对于优选的实施例，在解的搜寻过程中，指数p的值从一个小值(例如，p＝2)增加到一个大值(例如，p＝很大的值)。随着p增加，数字化区域约束值函数从具有小斜率的一边(例如，p＝2)开始，并且斜率随着p随后增加而增加直到b(x)在约束边界具有非常小的值为止，因为该边具有很陡的斜率(例如，p具有一个很大的值)。典型地，p的最终值将很大比100大得多，且最好具有大于1000的值。更好的是具有近似等于或大于10000的最终的p的值。这个函数，在p＝∞的极限在约束边界，是一个阶跃函数，w。
数字化处理导致|f|的实际值几乎毫无疑问地不同于真实值，但是数字化值在相应的数字化区域的中心，并且这个信息导致M个附加的约束。现在描述延伸优选的CVV函数至每个测量。使M＝测量的数目。
|f|为测量值的矢量，|f|是具有M个值的列矢量。
使CVV＝数字化区域约束违反值。用来计算这个值的表达式的优选实施例是CVV=Σi=1MBi|Ai|T|d|---(63)]]>这里Bi(Beta[i])=(2w)p(|Ai|T|d|-fi)p]]>这个表达式是一个双边约束违反值函数。
|Ai|是矩阵‖A‖的第i行。
|Ai|T|d|是第i次测量的估计值，且|Ai|T|d|-f是第i次测量的估计值和测量值之间的差。
p是一个偶的、正的整数。如果p＝2，那么存在最小平方拟合。随着p增加，约束违反值函数变得更陡峭并且其拐角移动到更接近于 和 的数字化区域约束值。
优选实施例，使用两个相似的，但仍然不同的函数中的一个，详述两个方法以计算NCV。参照图38和39。这些函数基于下列一般函数形式NCV＝prGj(fj，ext)2fg1fg2fg3(64)这里gf1＝当关于Gj的极值处于Gj有效的频率间隔时趋向于1且否则趋向于0的门函数。
fg2＝当Gj(fj，ext)＜0时趋向于1且否则趋向于0的门函数。
fg3＝当Gj(fj，ext)＜0时趋向于1且否则趋向于0的另一门函数。
f＝fj，ext，第j个函数段的极值出现在其上的正规化(normalized)的频率。当f在-1和0之间时，关于Gj的极值出现。
关于fg1的优选实施例是基于建立相乘在一起的两个函数的。
1)当fj，ext＜0时建立一个函数，当自变量(argument)小于0时为1且否则为0。
2)当fj，ext＞-1时建立一个函数，当自变量大于-1时为1且否则为0。
fg1,1=-f2(f2+kp)(12)+12---(65)]]>fg1,2=1(1+f)2((1+f)2+kp)(12)+12---(66)]]>两个函数的乘积覆盖-1＜fj，ext＜0。
fg1=(-f2(f2+kp)(12)+12)(1+f2((1+f)2+kp)(12)+12)---(67)]]>这是当fj，ext处于Gj(f)有效的频率间隔时，使得非负性约束违反有效的表达式。参照图40的关于使用两个渐减的Heaviside函数的这种门函数的一个说明。下文更加详细地描述渐减的Heaviside函数。
kp项提供三个特征。k为0和1之间的正值，并且典型地将接近于1。指数p为一个正整数。因此，kp总是非零的。1+f2的f2可能为零，因此加上kp阻止了奇点的出现。随着p增加，kp将朝着0减少，但总是为一个正值。f是一个将具有阶数为1的数值的正规化的频率。在p的低值处kp的存在使得门函数缓慢地上升且具有随着p增加变得陡峭的斜率。在大的p处，门函数近似Heaviside函数，但是不存在跟随Heaviside函数而出现的奇点。近似Heaviside函数，但是为渐减的这些函数被称为渐减的Heaviside函数。当寻找解时，这些函数的渐减使得它们比使用Heaviside函数更加有效。使用受约的渐减的Heaviside函数是本发明的一个特征。在搜寻过程中，调整门函数的斜率的能力方便了收敛。这个过程能够以p的低值开始且随后增加p以促使解更加严密地加强约束。除了提供改变门函数的斜率以外，kp项提供第二个有用的特征。kp的存在导致非零梯度和Hessian出现，这对于使用牛顿方法来寻找解是必需的。
关于fg2的优选实施例是基于建立一个函数的。第二门函数具有当Gj(fj，ext)＜0时趋向于1且否则趋向于0的值。接着如刚才所用的同样的函数，建立一个当Gj(fj，ext)＜0时为1且否则为0的函数。该表达式以-Gj(fj,ext)Gj(fj,ext)2]]>为基础，其具有当Gj(fj，ext＜0时为1且当Gj(fj，ext)＞0时为-1的值。这个基本的表达式具有为2的总振幅。对于该函数所期望的范围是
，因此，除以2以获得关于该范围的恰当的跨度，并且随后加上1/2以获得具有期望范围的函数。为了避免当Gj(fj，ext)＝0时的奇点以及为了使得表达式随着改变参数而产生逐渐明显的结果，在分母中包括了一个常数。不同于基于fj，ext的函数，这个函数不具有自然的为1的尺度。因此，包括了一个尺度因子，μ。每个Gj(f)的极限振幅关于aj是线性的，并且在分母中的另一项为Gj(fj，ext)2，因此要使用的一个合理的尺度因子是|a|中aj的均方值。另一个途径为通过使为之估计频谱密度函数为之估计的函数正规化，调整aj的尺度。在那种情形，自然的尺度因子将变为1。对于一般的情形，优选实施例使用下列表达式，用于第二门函数fg2=-1G2(G2+μkp)(12)+12---(68)]]>这里0＜k＜11≤pμ尺度因子，μ=Σj=1N-2aj2N-2]]>并且G＝Gj(fj，ext)，关于第j个函数段的极值，无论在Gj(f)有效的区域内它是否出现都存在上式。
参照图41的关于阐明第二门函数的例子。这个图表示关于当G(f)的极值小于零时的情形的渐减的Heaviside门函数。
关于fg3的优选实施例是基于建立一个函数的。与第二门函数的情形一样，第三门函数具有当Gj(fj，ext)＜0时趋向于1且否则趋向于0的值。接着如刚才所使用的同样的函数形式，建立一个函数，其当Gj(fj，ext)在谷中时为1且否则为0。G(f)的第j段的二阶导数是2aj。因此，当aj＞0时，极限值为谷。
利用如刚才所使用的同样的函数形式建立一个当aj＞0时为1且否则为0的函数。该表达式以 为基础，其具有当aj＞0时为1且当aj＜0时为-1的值。该基本表达式具有为2的总振幅，并且所期望的范围是
，因此，除以2以获得恰当的振幅，并且随后加上1/2以移动零点。为了避免当aj＝0时的奇点以及为了使得该表达式随着参数的变化产生逐渐明显的结果，在分母中包括了一个常数。不同于基于fj，ext的函数，这个函数不具有自然的为1的尺度。因此，包括了一个尺度因子，μ。在分母中的另一项为aj2，因此要使用的一个合理的尺度因子是|a|中aj的均方值。另一个途径为通过使为之估计频谱密度函数的函数正规化，调整aj的尺度。在那种情形，自然的尺度因子将变为1。对于一个优选的实现，使用下列各项。这个表达式使得非负性约束违反仅当Gj(fj，ext)小于0时有效。它具有
的范围，与先前导出的表达式相同。
fg3=12ajaj2+μkp+12---(69)]]>这里0＜k＜11≤pμ尺度因子，μ=Σj=1N-2aj2N-2]]>关于NCV的一般表达式，EQ.64具有带有指数x的先导加权因子。当x＝2时，门函数的乘积以Gj(fj，ext)2加权，这产生一个称作为NCV1的非负性约束值函数。图38呈现了用于等间隔的分段连续二次函数的优选实施例情形的NCV1。NCV1使得G(f)的谷一直到频率轴，并且随后停止影响谷的位置。如果COF的其它组分企图使得谷为负，那么，结果就会出现关于谷保持在频率轴上的平衡位置。在图42中阐明这种情形。当在关于NCV的一般表达式中x＝1时，那么，非负性约束值函数被称为NCV2。图39呈现了用于等间隔的分段连续二次函数的优选实现情形的NCV2。
本发明的一个方面涉及确定用于下和上界频率界限，fL、FH的值的能力。当这些界限未知时，优选实现使用搜寻以找到它们，并且这种搜寻使用NCV1作为非负性约束，结合G(f)和F(f)两者的二次曲率作为被最小化的目标函数以及数字化区域约束。搜寻使用一个宽的频率间隔开始。结果于是用来识别一个或多个较窄的频率范围，以用来作为用于确定函数参数的另一序列计算的间隔。这个迭代的过程可以如所需要的使用许多次直到没有进一步的改进出现。搜寻常常在少于10次迭代之后就足够了，不使用多于这么多次迭代为优选的，因为相继的结果的改进降低。对于当在计算开始以找到关于SDC函数最好的估计之前，这样的界限为未知时的使用，这种关于频率界限的迭代搜寻是优选的。在频率界限确定之后，那么当进行SDC函数的最好估计时，使用NCV2非负性约束。
峰数约束值函数(PCV)，图43，与非负性函数非常相似。它使用二个门函数一个为当aj＜0时趋向于1(意味着极值是一个峰)，以及另一个门函数位当关于Gj的极值在Gj有效的频率间隔时趋向于1。在该表达式中，使用渐减的Heaviside函数。这个函数本质上计算峰的数目以及将峰的数目和峰的目标数目之间的差平方。结果的量级是一(unity)，与其它约束的量级相同。当满足PCV约束时，其值将随着差的平方减少。因为这些原因，不包括任何附加的加权因子。为了促使在NCV函数中使用的kp项更加迅速地到一个小值，优选实施例在PCV函数中使用k(4p)。
用于计算最小化COF的解的优选过程为使用带有反步(backstep)法的多维牛顿方法搜寻。估计SD或SDC函数的计算的优选顺序的基本顺序在图44至图46中列出。这个顺序包括用来建立计算顺序以及随后执行计算顺序的步骤。
所阐明的过程证明，在计算中使用了尺度因子，λ，但是不同于用于正则化，例如Tikhonov正则化，的尺度因子，可容易地计算它的值。这个过程也阐明了，没有必要估计时序模型的次数(order)，如关于参数频谱分析方法的情形那样。所阐明的过程进一步阐明本发明不要求使用最小化估计值和测量值之间的误差的规范(例如最小平方误差)来拟合数据，以及该方法明确地允许估计值仅具有在估计值的精度之内的值。明确地允许估计值具有在相应的数字化区域之内的任何值，但是限制仅选择使得估计值处于正确的数字化区域之内的解，提供了比其它频谱分析方法好的解。
图44至图46中的计算的基本顺序要求以一个假设的|d|开始。关于|d|的元素的起始值常常是近似地已知的，在这种情形将使用这些近似的值。当不存在近似值时，|d|中的值将以非常小的非零值开始以减少为找到解所需要的迭代的数目。在不存在关于|d|的值的近似的估计时，关于|d|的优选起始值小于10-1，并且更优选地小于10-5，以及仍然更优选地小于10-10，以及还更优选地小于10-15。
要使用的优选目标函数为|a|和|x|的平方值的和。这种目标函数与|d|的平方量相同。这个函数将被最小化。
图44至图46中的计算的基本顺序可以利用从计算开始的与完整的一组测量而被使用。当对于|d|的起始值，仅只一个很差的估计可利用时，使用总的测量的一个子集加速了计算。根据本发明的方法迅速地收敛到定义SD或SDC函数的|d|的合理的值，即使当使用少量的测量时。以|d|的非常近似的估计开始通常将迅速地收敛到合理的估计，其于是能够用来作为当使用整组测量时的起始|d|。当测量的数目超过了适度的数目，例如128时，优选实现以跨越总的测量时间间隔的测量的一个子集开始。用于初始计算的优选测量数目少于大约4,096，而更加优选的数目为少于大约512。用于初始计算的测量的优选数目超过10。用于初始计算的测量的较优选的数目在32至128的范围内。例如，可能选择64次测量用于初始计算。
优选实现包括反步法。这种反步法不同于在牛顿(Newton)和拟牛顿方法中使用的典型的反步法。优选反步法以一阶的量级减少每个相继的试验的|d|的改变。优选途径为，在试图减少COF中，以一阶的量级的步幅，尝试5和15阶之间的量级的缩减。如已知的，利用牛顿方法以通常的方式计算起始步幅。当试图减少COF时，这种计算比试图进行步幅大小的相继缩减计算上更昂贵。在找到减少COF的步幅大小之后，能够包括多种的精炼。例如，能够进一步细分最后两步之间的间隔以试图找到更低的COF。这样的精炼可能进一步包括使用二次或者其它最小化来估计给出最低的COF的步幅大小。
在优选实现中，在渐减的Heaviside函数和双边约束函数中出现的指数p的值以很小的值开始且随后增加。p的所有的值必须为正的偶的整数，因为它将与所有的约束值函数兼容。优选起始值为p＝2。在优选实现中，p的最终值依赖于关于CVV的双边约束函数的期望的锐度。用于计算p的最终值的优选实现如下。定义ε为在数字化约束边界所允许的自0的偏离。它是有效地变为和0一样的一个值。当约束小于或等于ε时，那么该约束被满足。在优选实现中，ε的值比1小得多，并且更优选的是ε的值小于0.001且仍然更优选的是ε的值小于或等于0.00001。定义α为ε出现处的数字化区域宽度的小数。α为到数字化区域的边界有多近时ε将出现。在优选实现中，α的值在0和1之间。更优选的是α的值在约0.9和1之间。仍然更优选的是α的值在0.99和1之间。仍然更优选的是α的值在0.999和1之间。基于自0的偏离为ε的数字化区域宽度的小数计算指数p的最终值的值。最终的p的值为偶的、正的值，该值极其紧密地满足下列等式(2w)p(αw2)p=ϵ,]]>其等于αp＝ε。因此，优选实现选择p的最终值作为偶的、正的整数，该整数极其紧密地保证等式p=ln(ϵ)ln(α),]]>其与EQ.70相同。
p=log10(ϵ)log10(α)---(70)]]>例如，如果ε＝0.00001以及α＝0.999，那么p的最终值为pValStop＝11508。
在每个使用反步法的牛顿方法搜寻之后，p的值增加。p的优选增加为一个值，该值为下一个偶的正整数，该整数不比最近使用的p的值的10倍大。更优选的是增加p到一个值，该值为下一个偶的正整数，该整数不比最近使用的p的值的2倍大。更优选的是增加p到下一个偶的正整数，该整数不比最近使用的p的值的3/2大。在优选实现中，通过给最近使用的p的值加2，计算p的最小的增加。
对于p的每个值，进行使用反步法的牛顿方法搜寻，直到无重大的COF的改变出现或者直到不能进行|d|的任何元素的重大改变或者直到牛顿搜寻程序已经执行了一个特定数目的搜寻步骤为止。在优选实施例中，导致进一步牛顿搜寻迭代的COF或|d|的重大改变为超过起始值的10-2的小数改变，和超过10-4的更优选的小数改变以及超过10-6的仍然更优选的改变。在优选实施例中，关于p的一个特殊的值的牛顿搜寻迭代的最大数目在5和100之间且更优选的是在10和50之间以及更优选的是在10和25之间。
在优选实现中，基础频率的数目，N，在大约3和大约50之间，且更优选的是在大约6和大约30之间。在优选实现中，当基础频率的数目大于大约10时，计算以小于最终的N的N的值和用来确定关于最终的N的起始|d|关于那个|d|的SDC或SD函数开始。更优选地，关于N的起始值将为最终的N的一个因子。例如，如果|d|为关于N＝21所期望的，且由二次多项式近似G(f)和F(f)，那么所计算出的第一个|d|将是关于N＝7的。来自N＝7的|d|的G(f)和F(f)于是用来计算关于N＝21的|d|，通过拟合21段分段连续二次段到使用N＝7所计算出的|d|。能够使用标准线性回归技术进行这样的曲线拟合。这个|d|于是用来作为用于使用N＝21的这组计算的起始|d|。
优选的实现使用增强的计算系统进行计算，其中这样的增强的计算系统使用一个或多个电子的、磁的、或者光学的元件来进行数字的或者数值的计算，并且存储或显示计算的结果。增强的计算系统包括设备，该设备使用一个或多个计算机、微处理器、或者微控制器，这些设备用非易失性的或易失性的数据存贮器或者可恢复的设备，例如磁的、光学的、或者电子的数据存贮器或者可恢复的设备，来配置，且进一步被配置以显示或保存计算结果或者传递结果至进一步处理的步骤或系统。
优选的实现保存计算结果以用于由依赖于频谱密度数据的其它算法使用，例如使用这些信息用于计算流速或者用于诊断疾病的那些算法。这样的算法的一个例子及相关联的结构公开在2003年4月17日发表的PCT申请第WO 03/032556号中，其合并于此以供参考。能够利用使用一个或多个电子的、磁的、光学的、或者硬拷贝的实现的方法进行这样的存贮。
优选实现的另一形式使用像数字或图形显示器，例如使用一个或多个电子设备或硬拷贝的那些，那样的视觉(optical)设备显示数据。
图47至图53是关于使用上述程序的计算的例子显示。所有的这些图都使用18个数字化比特计算，这讹误了所测量的f(t)达到了使用‖P‖计算出的频谱密度估计在高于一阶的量级上不正确并且G(f)具有相当严重的非负性约束违反的程度。使用了50次测量计算图47至图49。结果接近于使用少量测量的实际的SDC和SD函数，证明该方法以经济节约的测量产生有效的结果。图50至图53使用200次测量计算。结果更接近实际的SDC和SD函数，正如其应该的那样，因为较大数量的数字化区域约束更加限制了结果。图53是根据SD函数计算出的累积分布。对于某些目的，累积分布可能比密度函数更有用，例如计算组织结构的维度。本发明的一个方面涉及其产生连续的频谱密度函数的能力，该连续的频谱密度函数比像傅立叶方法那样的在特定的频率产生数值的方法更加容易地转化成为累积频谱函数的正确的描绘。
图54阐明根据本发明的医学应用的一个例子。具体而言，所阐明的系统利用根据本发明的转换设施，使用超声波传感器1引进询问信号2至患者3，例如用于计算流速或者维度相关的信息。该传感器可能为各种各样的传统的超声波部件的任何一种以及可能以脉冲列的形式提供信号2。根据本发明，可以在患者3的外部安置传感器1，例如在胸骨的槽口(suprastemal notch)中，且可以引导该传感器以致信号以升主动脉为目标。通过处理在相应于所期望的深度的时间窗口期间所接收的返回信号组分，能够实现深度方式目标探测(Depthwise targeting)。
询问信号2从患者的组织4反散射，并且接收传感器6探测返回信号5。接收传感器6转换返回信号5的机械能(未示出)为振荡电信号(未示出)，该振荡电信号被引进模拟放大和处理模块7。这个模块可以执行多种的功能，包括模拟数字转换、放大、滤波、均衡(conditioning)以及其它信号增强。来自模拟放大和处理模块7的输出为数字化的数据流，其为到数字处理模块8的输入。根据如上所描述的本发明，数字处理模块8转换数字化的信号数据成为频谱，且然后成为速率数据，该速率数据变成数字处理模块8将其作为数字的有维度(dimensioned)的速率分布数据的矢量存储在数据处理模块9的存储位置(未示出)的速度矢量。数据处理模块9转换速率分布数据(未示出)成为一个或多个描绘分段连续的有维度的速率频谱密度函数的数据矢量(未示出)。
数字处理模块8可能包含一个或多个微处理器以及一个或多个数据存贮结构，其使得它能够进行为了确定在上文引用的PCT应用中所描述的体积流速(VFR)及导出参数所需要的计算。数据存贮结构包含关于在查找表中使用的参数的数值，该查找表方便了避免或减少估计特殊函数的需要的计算。另外，某些数值，例如通道的维度、平均流速等，可以被预先确定及存储在高速缓冲存储器或其它存贮器中，用于和与稍后的测量处理有关的所获得的值相结合。图54也阐明该系统具有一个控制模块10，其接收来自用户11的设置的参数(未示出)。设置的参数可能包括像患者的参数，如血球密度那样的数据，以及关于数据读取和处理应该何时开始和结束的开/关信号。控制模块10接收来自数据处理模块9的信号，该信号有关所接收的数据(未示出)的状态以及询问信号2的改变，其是改进或保持优良的测量数据所需要的。控制模块10可自由选择地接收生物活动12的信号，例如与心脏活动有关的电信号。生物信号12可以用来同步询问信号2至生物学函数或者使像VFR这样的计算出来的值与这样的生物学函数相互关联。当询问信号2应该开始或结束时，控制模块10用信号通知传感器功率模块13。传感器功率模块13提供驱动信号14给超声波传感器1。数据处理模块9产生进入输出模块16的输出数据15。
输出模块16产生可见显示17及音频器件18以通知用户系统的操作状态及系统对患者3的询问的结果。
输出模块16可能也包括端口，用于，例如，通过LAN或WAN，提供数据给其它仪器(例如EKG)或处理系统。将领悟到上文所描述的各种各样的处理模块可能实施在一个或多个计算机中，该计算机被局部地定位或通过网络连接，配置有适当的逻辑以执行相关联的算法。另外，某些信号驱动器及处理部件可以被并入像超声波系统那样的询问信号仪器中。
先前的描述不是限制性的且呈现了本发明一些方面的一个实现的例子。
权利要求
1.一种医学信号处理方法，包括步骤接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息；对所述时基信息执行转换以获得由关于相应的一组频率的一组非零振幅值定义的频谱，所述频谱包括在不规则地隔开的频率间隔的许多所述的非零振幅值，其中所述非零振幅值包括在第一频率值处的第一非零振幅值以及在第二频率处的比所述第一非零振幅值大的第二非零振幅值，并且所述第二频率为除了所述第二频率以外的所述频率组的每个频率的非整数倍；以及在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基医学诊断信号的输出。
2.如权利要求1所述的方法，其中所述时基信号包括具有比所述时间间隔长的周期的组分。
3.如权利要求2所述的方法，其中所述组分的所述周期为至少所述时间间隔的两倍。
4.如权利要求1所述的方法，其中所述接收步骤包括获得基于所发射的询问信号的输入。
5.如权利要求1所述的方法，其中所述接收步骤包括获得基于所发射的超声波信号的输入。
6.如权利要求1所述的方法，其中所述频谱包括与第一、第二和第三相继频率关联的第一、第二和第三相继的非零值，这里所述第一和第二频率之间的差与所述第二和第三频率之间的差不同。
7.如权利要求1所述的方法，其中所述频谱在一个频率范围内定义了一个充分连续的函数，其中所述函数关于所述范围的大部分频率具有非零的值。
8.如权利要求1所述的方法，其中所述操作步骤包括使用所述频谱在依赖频率的基础上修改所述时基信号。
9.如权利要求1所述的方法，其中所述操作步骤包括使用所述频谱来计算至少一个基于所述时基信号的参数。
10.如权利要求1所述的方法，其中所述时基信号为基于与包括流动通道的生物体的组织相互作用而受调制的超声波信号，且所述操作步骤包括确定关于所述流动通道的维度相关的信息。
11.如权利要求1所述的方法，其中所述时基信号为模拟信号且所述时基信息为数字时基信息，并且所述执行转换的步骤涉及解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差。
12.如权利要求11所述的方法，其中所述数字时基信息包括数字值时间序列且所述解决涉及定义许多与所述数字值关联的数值范围，建立数学模型以定义用于导出所述频谱的过程，其中允许所述数字值序列的一个给定的数字值在包括作为所述过程的一部分的所述给定的数字值的所述许多的数值范围中的一个之内变化，且使用所述数学模型来导出所述频谱。
13.如权利要求12所述的方法，其中用于确定在所述一个数值范围之内的所述给定的数字值的一个特定的值的确定过程涉及模拟所述确定过程为受约最优化问题。
14.如权利要求13所述的方法，其中所述最优化问题涉及与所述范围的界限有关的约束。
15.如权利要求13所述的方法，其中所述最优化问题涉及与所述范围的界限有关的上限和下限的约束。
16.如权利要求13所述的方法，其中所述最优化问题涉及非负性约束。
17.如权利要求13所述的方法，其中所述最优化问题涉及与所述范围的界限有关的约束及非负性约束。
18.如权利要求13所述的方法，其中所述最优化问题包括与在所述范围之内的峰数有关的约束。
19.如权利要求13所述的方法，其中所述最优化问题由凸目标函数定义。
20.如权利要求13所述的方法，其中所述最优化问题涉及至少一个约束，且所述约束由罚函数和障碍函数中的一个实现。
21.如权利要求20所述的方法，其中所述约束由一个Heaviside函数实现。
22.如权利要求21所述的方法，其中所述Heaviside函数在相应于约束值的区域是渐减的，以致该函数在所述区域上没有奇点。
23.如权利要求11所述的方法，其中所述解决包括建立一个数学模型，用于在与所述频谱关联的函数上强加至少一个约束。
24.如权利要求23所述的方法，其中所述约束涉及在所定义的频率范围内所述函数的长度。
25.如权利要求23所述的方法，其中所述约束涉及在所定义的频率范围内位于所述函数之下的面积。
26.如权利要求23所述的方法，其中所述约束要求所述函数在所定义的频率范围内具有非负值。
27.一种医学信号处理方法，包括步骤接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息；对所述时基信息执行转换以获得频谱，所述频谱包括与第一和第二相继的频率关联的第一对第一和第二相继的非零振幅值，以及与第三和第四相继的频率关联的第二对第三和第四相继的振幅值，这里所述第一和第二频率之间的差与所述第三和第四频率之间的差不同；以及在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基医学诊断信号的输出。
28.如权利要求27所述的医学信号处理方法，其中所述第一和第二频率的每一个与所述第三和第四频率的每一个不同。
29.如权利要求27所述的方法，其中所述时基信号包括具有比所述时间间隔长的周期的组分。
30.如权利要求27所述的方法，其中所述组分的所述周期为至少所述时间间隔的两倍。
31.如权利要求27所述的方法，其中所述接收步骤包括获得基于所发射的询问信号的输入。
32.如权利要求27所述的方法，其中所述接收步骤包括获得基于所发射的超声波信号的输入。
33.如权利要求27所述的方法，其中所述频谱在一个频率范围内定义了一个充分连续的函数，其中所述函数关于所述范围的大部分频率具有非零的值。
34.如权利要求27所述的方法，其中所述时基信号为模拟信号且所述时基信息为数字时基信息，并且所述执行转换的步骤涉及解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差。
35.一种医学信号处理方法，包括步骤接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息，其中所述时基信号包括具有为至少所述时间间隔的两倍的周期的组分；对所述时基信息执行转换以获得关于所述时基信号的频谱；以及在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基医学诊断信号的输出。
36.如权利要求35所述的方法，其中所述接收步骤包括获得基于所发射的询问信号的输入。
37.如权利要求35所述的方法，其中所述接收步骤包括获得基于所发射的超声波信号的输入。
38.如权利要求35所述的方法，其中所述频谱包括与第一、第二和第三相继的频率关联的第一、第二和第三相继的非零的值，这里所述第一和第二频率之间的差与所述第二和第三频率之间的差不同。
39.如权利要求35所述的方法，其中所述频谱在一个频率范围内定义了一个充分连续的函数，其中所述函数关于所述范围的大部分频率具有非零的值。
40.如权利要求35所述的方法，其中所述时基信号为模拟信号且所述时基信息为数字时基信息，并且所述执行转换的步骤涉及解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差。
41.一种医学信号处理方法，包括步骤接收相应于时基信号的一段定义的时间间隔的时基医学诊断信息；对所述时基信息执行转换以获得关于所述时基信号的频谱，其中所述频谱在一个频率范围内定义了一个充分连续的函数，其中所述函数关于所述范围的大部分频率具有非零的值；以及在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基医学诊断信号的输出。
42.如权利要求41所述的方法，其中所述时基信号包括具有比所述时间间隔长的周期的组分。
43.如权利要求41所述的方法，其中所述组分的所述周期为至少所述时间间隔的两倍。
44.如权利要求41所述的方法，其中所述接收步骤包括获得基于所发射的询问信号的输入。
45.如权利要求41所述的方法，其中所述频谱包括与第一、第二和第三相继的频率关联的第一、第二和第三相继的非零值，这里所述第一和第二频率之间的差与所述第二和第三频率之间的差不同。
46.如权利要求41所述的方法，其中所述时基信号为模拟信号且所述时基信息为数字时基信息，并且所述执行转换的步骤涉及解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差。
47.一种医学信号处理方法，包括步骤接收相应于时基信号的一段定义的时间间隔的时基医学诊断信息，其中所述时基信号为模拟信号且所述时基信息为数字时基信息；对所述时基信息执行转换以获得关于所述时基信号的频谱；所述执行转换的步骤涉及解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差；以及在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基医学诊断信号的输出。
48.如权利要求47所述的方法，其中所述数字时基信息包括数字值时间序列且所述解决涉及定义与所述数字值关联的许多数值范围，建立数学模型以定义用于导出所述频谱的过程，其中允许所述数字值序列的一个给定的数字值在包括作为所述过程的一部分的所述给定的数字值的所述许多的数值范围中的一个之内变化，且使用所述数学模型来导出所述频谱。
49.如权利要求48所述的方法，其中用于确定在所述一个数值范围之内的所述给定的数字值的一个特定的值的确定过程涉及模拟所述确定过程为受约最优化问题。
50.如权利要求49所述的方法，其中所述最优化问题涉及与所述范围的界限有关的约束。
51.如权利要求49所述的方法，其中所述最优化问题涉及与所述范围的界限有关的上限和下限的约束。
52.如权利要求49所述的方法，其中所述最优化问题涉及非负性约束。
53.如权利要求49所述的方法，其中所述最优化问题涉及与所述范围的界限有关的约束及非负性约束。
54.如权利要求49所述的方法，其中所述最优化问题包括与在所述范围之内的峰数有关的约束。
55.如权利要求49所述的方法，其中所述最优化问题由凸目标函数定义。
56.如权利要求49所述的方法，其中所述最优化问题涉及至少一个约束，且所述约束由罚函数和障碍函数中的一个实现。
57.如权利要求56所述的方法，其中所述约束由一个Heaviside函数实现。
58.如权利要求57所述的方法，其中所述Heaviside函数在相应于约束值的区域是渐减的，以致该函数在所述区域上没有奇点。
59.一种医学信号处理系统，包括端口，用于接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息；以及处理器，用于1)对所述时基信息执行转换以获得由关于相应的一组频率的一组非零振幅值定义的频谱，所述频谱包括在不规则地隔开的频率间隔处的许多所述的非零振幅值，其中所述非零振幅值包括在第一频率值处的第一非零振幅值以及在第二频率处的比所述第一非零振幅值大的第二非零振幅值，并且所述第二频率为除了所述第二频率以外的所述频率组的每个频率的非整数倍；以及2)使用所述转换来提供基于所述时基医学诊断信号的输出。
60.如权利要求59所述的系统，其中所述端口是操作性的，用于获得基于所发射的询问信号的输入。
61.如权利要求59所述的系统，其中所述处理器是操作性的，用于解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差。
62.一种医学信号处理系统，包括端口，用于接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息，其中所述时基信号包括具有为至少所述时间间隔的两倍的周期的组分；以及操作性的处理器，用于对所述时基信息执行转换以获得关于所述时基信号的频谱以及使用所述转换来提供基于所述时基医学诊断信号的输出。
63.一种医学信号处理系统，包括步骤端口，用于接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息；以及操作性的处理器，用于对所述时基信息执行转换以获得关于所述时基信号的频谱，其中所述频谱在一个频率范围内定义了一个充分连续的函数，其中所述函数关于所述范围的大部分频率具有非零的值，以及使用所述转换来提供基于所述时基信号的输出。
64.一种医学信号处理系统包括端口，用于接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息，其中所述时基信号为模拟信号且所述时基信息为数字时基信息；以及操作性的处理器用于1)对所述时基信息执行转换以获得关于所述时基信号的频谱，其中所述执行转换的步骤涉及解决与所述模拟时基信号和所述数字时基信息之间的差关联的数字化误差；以及2)在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基信号的输出。
65.如权利要求64所述的系统，其中所述处理器为操作性的，用于实现用于确定在一个数值范围之内的给定的数字值的一个特定的值的确定过程，通过模拟所述确定过程为受约最优化问题来进行。
66.如权利要求65所述的系统，其中所述最优化问题涉及与所述范围的界限有关的约束。
67.如权利要求65所述的系统，其中所述最优化问题涉及与所述范围的界限有关的上限和下限的约束。
68.如权利要求65所述的系统，其中所述最优化问题涉及非负性约束。
69.如权利要求65所述的系统，其中所述最优化问题涉及与所述范围的界限有关的约束及非负性约束。
70.如权利要求65所述的系统，其中所述最优化问题包括与在所述范围之内的峰数有关的约束。
71.如权利要求65所述的系统，其中所述最优化问题由凸目标函数定义。
72.如权利要求65所述的系统，其中所述最优化问题涉及至少一个约束，且所述约束由罚函数和障碍函数中的一个实现。
73.如权利要求72所述的系统，其中所述约束由一个Heaviside函数实现。
74.如权利要求73所述的系统，其中所述Heaviside函数在相应于约束值的区域是渐减的，以致该函数在所述区域上没有奇点。
75.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；建立相应于所述探测的医学诊断信号的振幅函数为在可选择的感兴趣的频率开始的离散频率的矢量；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
76.如权利要求75所述的医学信号处理方法，其中基于产生所述医学诊断信号的询问信号的频率选择所述可选择的感兴趣的频率。
77.如权利要求75所述的医学信号处理方法，其中基于根据所述来自医学诊断信号所预期的最低频率选择所述可选择的感兴趣的频率。
78.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；建立相应于所述探测的医学诊断信号的振幅函数为离散的、不规则地间隔的频率的矢量；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
79.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；建立相应于所述探测的医学诊断信号的振幅函数为多个非正交的函数；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
80.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；建立相应于所述探测的医学诊断信号的振幅函数为多个非正规化的函数；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
81.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；建立相应于所述探测的医学诊断信号的振幅函数为连续的和分段连续的函数之一的多个函数；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
82.如权利要求81所述的医学信号处理方法，其中所述函数包括一个或多个跨越一个或多个预定的矢量空间的样条、B-样条、一次/或更高次的多项式、三角函数、三角多项式或指数函数。
83.如权利要求81所述的医学信号处理方法，其中所述函数为分段连续的。
84.如权利要求83所述的医学信号处理方法，其中所述函数为线性的或者二次的函数之一。
85.如权利要求83所述的医学信号处理方法，其中所述函数具有少于10的次数。
86.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；使用最小平方误差函数建立基于所述探测的医学诊断信号的振幅函数，这里模拟所述最小平方误差函数为带有在一个或多个变量的值上的约束的二次规划问题；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
87.如权利要求86所述的医学信号处理方法，其中所述约束包括限制一个或多个值为正。
88.如权利要求86所述的医学信号处理方法，其中所述约束包括限制一个或多个变量具有与一个或多个其它变量特殊的关系。
89.一种医学信号处理方法，包括步骤接收相应于所探测的医学诊断信号的信息；使用最小绝对值函数建立基于所述探测的医学诊断信号的振幅函数，这里模拟所述最小绝对值函数为带有在一个或多个变量的值上的约束的线性规划；以及在信号处理环境中操作处理器，用于使用所述振幅函数来提供基于所述医学诊断信号的输出。
90.如权利要求89所述的医学信号处理方法，其中所述约束包括限制一个或多个值为正。
91.如权利要求89所述的医学信号处理方法，其中所述约束包括限制一个或多个变量具有与一个或多个其它变量特殊的关系。
92.一种医学信号处理方法，包括步骤接收相应于时基医学诊断信号的一段定义的时间间隔的时基信息；对所述的时基信息执行转换以获得由关于相应的一组频率的一组非零振幅值定义的频谱，其中所述组的振幅值的数目及所述频率为预先确定的；以及在信号处理环境中操作处理器，用于使用所述转换来提供基于所述时基医学诊断信号的输出。
93.如权利要求92所述的医学信号处理方法，其中所述频率为关于定义所述频谱的分段连续函数的节点频率。
94.如权利要求92所述的医学信号处理方法，进一步包括预先计算与所述预定的频率有关的解矩阵的步骤，用于在所述执行及操作步骤中的一个中的使用。
95.如权利要求20所述的医学信号处理方法，其中一个单个的函数并入关于下限的约束界限值和上限的约束界限值两者的罚则。
全文摘要
公开了一种涉及时间－到－频率域转换，用于包括医学诊断信号处理的应用的信号处理设施(7)。这样的转换能够用来定义连续的频谱密度函数或者包括在不规则地隔开的频率间隔处的非零数值的其它频谱密度函数。本发明因此能够进行某些真实的频谱及缩减的频谱加宽的更精确的描绘。该设施也解决了与模拟－到－数字转化关联的数字化误差。关于所接收的信号具有作为询问信号(2)与像流经动脉的血液那样的活动生理物质相互作用的结果的变化的频谱内容的医学环境，本发明具有特别的优势。
文档编号G06F17/14GK1738574SQ200380108795
公开日2006年2月22日 申请日期2003年11月14日 优先权日2002年11月14日
发明者沃伦·P·海姆 申请人:蒂姆医药公司