超声声场模拟_超声全聚焦（TFM）简介

应读者要求，小编将介绍一下全聚焦TFM的基础知识。如有讲解不对的，欢迎批评指正。

全聚焦是超声检测里面的新事物。早在2005前， Caroline Holmes、Paul D. Wilcox等国外学者就开始研究了全聚焦成像，并通过实验得出了TFM相对于常规相控阵检测的优势，详细的比较结果可以参考《Post-processing of the full matrix of ultrasonic transmit–receivearray data for non-destructive evaluation》。在国内，全聚焦的研究时间稍晚一些，小编查找到的资料上显示，北航的周正干老师，早在15年(也许在此之前，也有学者在研究)之前就研究了TFM。那么TFM究竟是个什么玩意呢？它相对于相控阵，有什么特点呢？它的适用性范围呢？在此，小编叙述一下自己对全聚焦的理解，如有错误，欢迎专家批评指正。

全聚焦(total focusing method)，顾名思义，就是在成像区域内每一点进行聚焦。相比相控阵聚焦(在小编的早期公众号中介绍过相控阵的几种聚焦模式)，它能实现每一点的聚焦。其成像算法是一种基于全矩阵数据采集的虚拟聚焦后处理成像技术，算法精度高且灵活，逐渐成为近年来的研究热点。

因此，首先需要获得全矩阵数据，即获得成像区域(region of interest，ROI)内每一点的A扫信号，而这些A扫信号是由每个阵元单独激发，所有阵元接收回波，形成一行数据；然后步进一个阵元进行发射，所有阵元接收回波，形成第2行数据；直到最后一个阵元发射，所有阵元接收回波为止，形成第N(假定探头中含有N个阵元)行数据，最终得到N×N个A扫的信号矩阵。可以采用下图1和图2表示。而每个阵元发射的声波，形成的声场，与常规超声中单晶探头发出的声场并没有什么区别，只不过是阵元尺寸小，声束扩散角大，声波指向性不明显而已。

图1阵元发射和接收

图2获得的数据矩阵

此时，还只是针对ROI内某一点得到的N²个数据，还需要对ROI区域内其余的点进行同样的数据采集(如下图3中，对P点数据采集之后，还需要对其附近的Q点，以及其它的点处进行数据采集，直到遍历整个ROI区域内的点)。因此，ROI内点数越多，采集的数据矩阵的个数越多，最终得到的影像质量越好，图像越清晰，分辨率越好，采样的数据越接近于真实的信号(类似于从模拟信号到数字信号一样，确保采样的点能代表真实的信号，并且幅值偏差满足要求，因为采样的点数越多，采集到峰值的概率越大，从某种意义上就能得到真实的信号)，但是仪器处理的数据量越大；点数越少，采集的数据矩阵个数越少，影像的质量越差，图像越模糊，分辨率越差，仪器处理的数据量小。那如何确定ROI内的点数呢？

图3 ROI区域

在ASME BPVC V article4，mandatory appendix XI中XI-461中amplitude fidelity规定，Amplitude fidelity shall be preserved to 2 dB or less，即采样之后，重构的信号与原始信号幅值之差不超过2dB(在ISO13588标准以及国内的相控阵标准中，在检测完成时对灵敏度进行重新校验，要求的幅值偏差也是不超过2dB，好巧啊！)。即，要求采样的点数不能过少，否则采集的点对应的幅值与真实的幅值偏差将超过2dB，这一点是极其关键的(在Gekko，Mantis，Panther相控阵仪器中都有判定ROI区域内像素点是否满足要求的小工具)。可以采用下图4来理解，假定黄颜色区域代表缺陷区域，如果采样点过少，只能采集如红色圆圈代表的点；当采集点增加时，才能采集到如黑色圆圈代表的点，保证采集到真实的信号峰值。因此图像的像素点越多，意味着在确保幅值的情况下，ROI可以设置越大。或ROI区域尺寸确定之后，得到的信号幅值越接近于真实的幅值。

图 4 ROI区域内的采样点

将ROI划分成若干个小区域，对每个区域进行一次信号采集。左侧为ROI内的采样点，黑色圆圈代表采样点数多，红色圆圈代表采样点数少，黄颜色代表缺陷区域；中间为采样点数多时缺陷处获取的信号，黄颜色为缺陷的原始区域；右侧为采样点数少时缺陷处获取的信号，黄颜色为缺陷的原始区域。可以看出，采样点数不足(或在ROI区域内，像素点不足)时，得到的影像将严重畸变，不能体现真实的缺陷。

获取数据矩阵后，对数据进行处理(通常采用延时叠加)其数学表达式如下式，获得ROI区域内相应点处的信号幅值，然后对幅值进行彩色编码，获得最终的颜色。