动脉血流的速度分布是评价人体生理病理的重要参数之一,它不仅能体现出人体新陈代谢水平,还有助于心血管类疾病的诊断,因此血流速度分布的测量在临床上有很重要的诊断意义。超声多普勒频移法因其无创性、实时性等优点而被广泛应用于临床血流速度检测。该方法通过血液中的红细胞散射超声得到包含多普勒频移信息的血流信号,该信号为服从高斯分布的非平稳随机信号,其时频分布和血流速度密切相关。短时傅里叶变换(Short-Time Fourier Transformation,STFT)是用来估计超声多普勒血流信号时频分布的常用方法。使用该算法时,必须保证信号的短时平稳性,且该方法无法兼顾时间、频率分辨率,因此,基于STFT的传统时频分析方法在估计血流速度分布时存在精确度不高的问题。为了更精确地定量分析超声多普勒血流信号用以诊断心血管疾病,本文提出了基于经验小波变换(Empirical Wavelet Transform,EWT)算法的时频分析方法。此方法首先对信号的Fourier谱自适应划分,再建立合适的小波滤波器组来提取目标单分量成分,最后对每个单分量成分进行Hilbert变换即可得到瞬时频率和瞬时幅值,因此具有更好的时频分辨率。为验证基于EWT时频分析的血流速度分布估计方法的可行性,本文基于Field Ⅱ颈动脉超声射频血流信号仿真模型,先选取血管内不同径向位置的血流回波信号,再使用传统的STFT和本文提出的基于EWT的时频分析方法分别对信号进行时频分析,从而实现对血流速度分布的估计,最后计算得到它们与理论值的归一化均方根误差(Normalized Root Mean Square Errors,NRMSEs)分别为0.18和0.12。进行分析比较得出本文提出的方法的精确度提高了 33%。综上所述,本文提出的基于EWT的时频分析方法能提供更好时频分辨率,使得多普勒频移信息的提取更为精准,从而使得血流速度分布估计精确度更高。