CT PPGSE M Ferreira, Breno Mendes 2017

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS DE ENERGIA
BRENO MENDES FERREIRA
MODELAGEM E IMPLEMENTAÇÃO DE UM SISTEMA DE

PROCESSAMENTO DIGITAL DE SINAIS BASEADO EM FPGA
PARA GERAÇÃO DE IMAGENS POR ULTRASSOM USANDO O
SIMULINK
DISSERTAÇÃO DE MESTRADO
CURITIBA
2017
BRENO MENDES FERREIRA
MODELAGEM E IMPLEMENTAÇÃO DE UM SISTEMA DE

PROCESSAMENTO DIGITAL DE SINAIS PARA GERAÇÃO DE
IMAGENS BASEADO EM FPGA POR ULTRASSOM USANDO O
SIMULINK
Dissertação de Mestrado apresentada ao

Programa de Pós-Graduação em Sistemas
de Energia da Universidade Tecnológica
Federal do Paraná como requisito parcial
para obtenção do título de “Mestre em
Engenharia Elétrica” – Área de
Concentração: Automação e Sistemas de
Energia.
Orientador: Prof. Dr. Amauri Amorin Assef
CURITIBA
2017
A Folha de Aprovação assinada encontra-se na Coordenação do Programa
Dedico este trabalho à minha noiva Isadora
e aos meus pais Carlos e Marileide.
AGRADECIMENTOS
Ao Prof. Dr. Amauri Amorin Assef, pela orientação esplêndida, amizade,

sua dedicação e confiança em mim depositada para a realização deste trabalho.
À minha noiva Isadora, aos meu pais Marileide e Carlos, e aos meus
irmãos Julia e Iago que sempre acreditaram no meu potencial e estiveram ao
meu lado, ajudando-me em todos os momentos de dificuldades, emocional e
financeira, e proporcionando-me chegar até a obtenção do título de Mestre. Mas
principalmente por aceitarem minha ausência durante esta caminhada.
À instituição Universidade Tecnológica Federal do Paraná (UTFPR) pela
permissão para utilização dos equipamentos do Laboratório de Ultrassom e ao
Programa de Pós-Graduação em Sistemas de Energia (PPGSE) por ter me
concedido a oportunidade de realizar este mestrado.
Todos os colegas do Laboratório de Ultrassom da UTFPR, em destaque
a equipe de Iniciação Científica e suas realizações de tarefas de implementação
e testes dos blocos de processamento.
À Profa Marcia Becker do núcleo de lingas da UTFPR pela correção do
abstract.
Aos amigos Cássio, Guilherme, João Paulo, Ramon e Rodolfo que
sempre me receberam como hospede quando não morava mais em Curitiba.
A empresa Intel Corp. pelos kits de FPGA concedidos, assim como as
licenças de software utilizadas para o desenvolvimento do modelo proposto.
RESUMO
FERREIRA, Breno Mendes. Modelagem e implementação de um sistema de

processamento digital de sinais baseado em FPGA para geração de imagens
por ultrassom usando o Simulink. 2017. 115 f. Dissertação de Mestrado –
Programa de Pós-Graduação em Sistemas de Energia, Universidade
Tecnológica Federal do Paraná. Curitiba, 2017.
O ultrassom (US) é uma técnica bem consolidada que vem sendo amplamente
utilizada para teste, caracterização e visualização de estruturas internas de
materiais biológicos e não biológicos. Na Universidade Tecnológica Federal do
Paraná, o grupo de pesquisa do US desenvolveu o sistema ULTRA-ORS que,
apesar de adequado para pesquisa relacionada à excitação e recepção
multicanal, possui tempo de computação muito elevado, devido a
processamento em computador pessoal. Este trabalho apresenta a modelagem,
implementação e validação de um sistema de processamento digital de sinais
baseado em dispositivo FPGA (Field-Programmable Gate Array) de alto
desempenho para reconstrução de imagens por US através da técnica
beamforming. O software Simulink e a ferramenta DSP Builder foram
empregados para simulação e transformação dos seguintes modelos em
linguagem de descrição de hardware: filtro digital FIR (Finite Impulse Response),
filtro de interpolação CIC (Cascaded Integrator-Comb), atraso variável,
apodização, somatório coerente, decimação, demodulação com detecção de
envoltória e compressão logarítmica. Após validação no Simulink, o projeto foi
sintetizado para uma FPGA Stratix IV e implementado na placa Terasic DE4-
230. A ferramenta SignalTap II do software Quartus II foi utilizada para aquisição
dos sinais processados pela FPGA. Para avaliação gráfica e quantitativa da
acurácia deste método, foram empregados dados brutos reais de US, adquiridos
do ULTRA-ORS com frequência de amostragem de 40 MHz e resolução de
12 bits, e a função de custo da raiz quadrada do erro quadrático médio
normalizado (NRMSE) em comparação com as mesmas funções implementadas
através de scripts no Matlab. Como resultado principal do modelamento, além
das respostas individuais de cada bloco implementado, são apresentadas as
comparações entre as imagens reconstruídas pelo ULTRA-ORS e pelo
processamento em FPGA para quatro janelas de apodização. A excelente
concordância entre os resultados simulados e experimentais com valores de
NRMSE inferiores à 6,2% e latência total de processamento de 0,83 µs
corroboram a simplicidade, modularidade e efetividade do modelamento
proposto para utilização em pesquisas sobre o processamento de sinais de US
para reconstrução de imagens em tempo real.
Palavras-chave: Reconstrução de Imagem por Ultrassom. FPGA. Beamforming.

Sistema de Pesquisa.
ABSTRACT
FERREIRA, Breno Mendes. Modeling and implementation of a FPGA-based

digital signal processing for ultrasound imaging using Simulink. 2017. 115 f.
Dissertação de Mestrado – Programa de Pós-Graduação em Sistemas de
Energia, Universidade Tecnológica Federal do Paraná. Curitiba, 2017.
Ultrasound (US) is a well-established technique that has been widely used for
testing, characterizing and visualizing internal structures of biological and non-
biological material. The US research group of the Federal University of
Technology - Paraná developed the ULTRA-ORS system, which, although
suitable for research related to multichannel excitation and reception, uses a
large computing time, due to the personal computer processing. This research
presents the modeling, implementation and validation of a digital processing
system of signals based on a FPGA (Field-Programmable Gate Array) device of
high performance for the reconstruction of images through US, using the
beamforming technique. The software Simulink and the tool DSP Builder were
used for simulation and transformation of the following models in hardware
description language: digital filter FIR (Finite Impulse Response), CIC (Cascaded
Integrator-Comb) Interpolation filter, variable delay, apodization, coherent
summation, decimation, demodulation with envelope detection and logarithmic
compression. After the Simulink validation, the design was synthesized for a
Stratix IV FPGA and implemented on the Terasic DE4-230 board. The tool
SignalTap II in the software Quartus II was used to acquire the processed signals
from the FPGA. For the graphic and quantitative evaluation of the accuracy of
this method, we used real raw US data, acquired from the ULTRA-ORS with
sampling frequency of 40 MHz and 12-bit resolution, and the normalized root
mean squared error (NRMSE) in comparison with the same functions
implemented through scripts in Matlab. As a main result of the modeling, in
addition to the individual responses of each implemented block, comparisons
between the reconstructed images by ULTRA-ORS and FPGA processing for
four apodization windows are presented. The excellent agreement between the
simulated and experimental results with NRMSE values lower than 6.2% and total
processing latency of 0.83 µs corroborates the simplicity, modularity and
effectiveness of the proposed modeling for use in US signal processing research
for real-time image reconstruction.
Keywords: Ultrasound Imaging Reconstruction. FPGA. Beamforming. Research

System.
LISTA DE FIGURAS
Figura 1 – Representação da geração de ondas de US pelo método pulso-eco

para a determinação de parâmetros e caracterização de diferentes meios. .... 23
Figura 2 – Sequência de aberturas com oito elementos ativos de um transdutor
matricial linear de 128 elementos como ilustração da técnica beamforming. ... 25
Figura 3 – Perfis temporais de atraso e dos feixes acústicos com focalização
simétrica em relação à abertura de oito elementos ativos. .............................. 25
Figura 4 – Exemplo de formação de imagem em Modo A e Modo B em
diferentes meios. .............................................................................................. 26
Figura 5 – Diagrama em blocos das principais funções de processamento
digital do beamforming de recepção na unidade back-end para geração de
imagem por US Modo B. .................................................................................. 28
Figura 6 – Estrutura convencional generalizada de um Filtro FIR. ................... 31
Figura 7 – Exemplo de resposta ao impulso para um filtro FIR com simetria
ímpar de 11 coeficientes. ................................................................................. 31
Figura 8 – Estrutura simplificada de um filtro FIR explorando a simetria ímpar
de coeficientes. ................................................................................................ 32
Figura 9 – Estrutura simplificada de um filtro FIR explorando a simetria par de
coeficientes. ..................................................................................................... 32
Figura 10 – Componentes de um filtro CIC. (a) Estágio integrador. (b) Estágio
comb. ............................................................................................................... 34
Figura 11 – Estrutura simplificada e generalizada de um filtro de interpolação
CIC. .................................................................................................................. 34
Figura 12 – Focalização de recepção dinâmica de US através da abertura
sintética pelo método beamforming. ................................................................. 36
Figura 13 – Exemplos de esquemas de demodulação. (a) Demodulação
analógica convencional. (b) Método de demodulação em quadratura por
Transformada de Hilbert. .................................................................................. 39
Figura 14 – Ciclo metodológico do MDE com a aplicação de ferramentas
específicas para transformação de modelos em nível de registradores
sintetizáveis. ..................................................................................................... 42
Figura 15 – Fotografia da placa de desenvolvimento DE4-230 com a FPGA
Stratix IV. .......................................................................................................... 46
Figura 16 – Fotografias da plataforma de bancada ULTRA-ORS. (a) Foto
frontal. (b) Foto traseira com transdutor matricial convexo conectado. ............ 46
Figura 17 – Phantom mimetizador de tecidos biológicos utilizado para avaliação
do trabalho. ...................................................................................................... 48
Figura 18 – Ampliação da ROI no phantom de US com seus respectivos pontos
alvos avaliados neste trabalho. ........................................................................ 48
Figura 19 – Diagrama em blocos do sistema de modelagem, implementação e
validação das etapas DSP para reconstrução de imagem por US. .................. 49
Figura 20 – Foto do PC com exemplos de telas de aquisição e processamento,
e kit DE4-230.................................................................................................... 49
Figura 21 – Janela do ambiente Simulink com a biblioteca Altera DSP Builder
Standard Blockset. ........................................................................................... 50
Figura 22 – Implementação dos dados de entrada com oito canais
armazenados em memórias individuais. .......................................................... 53
Figura 23 – Detalhe do subsistema “Dados de Entrada”. ................................. 54
Figura 24 – Sinais brutos de RF com abertura de oito elementos para formação
da scanline 61. ................................................................................................. 55
Figura 25 – Resposta em frequência da magnitude do filtro FIR obtida com a
ferramenta FDATool no Matlab. ....................................................................... 57
Figura 26 – Resposta de fase do filtro FIR obtida com a ferramenta FDATool no
Matlab. ............................................................................................................. 57
Figura 27 – Resposta ao impulso do filtro FIR obtida com a ferramenta
FDATool no Matlab. ......................................................................................... 57
Figura 28 – Diagrama em blocos com o filtro FIR de oito canais. .................... 58
Figura 29 – Modelo do subsistema “Filtro FIR” com aproveitamento de simetria
dos coeficientes para redução de multiplicadores. ........................................... 59
Figura 30 – Diagrama em blocos com a Interpolação de oito canais. .............. 60
Figura 31 – Modelo do subsistema “Interpolação” com fator R = 4,
implementado com quatro integradores e quatro diferenciadores.................... 61
Figura 32 – Diagrama em blocos do Atraso Variável de oito canais com entrada
dos ciclos de atraso.......................................................................................... 63
Figura 33 – Perfil temporal de focalização em 25 mm para abertura com 8
elementos do transdutor AT3C52B. ................................................................. 63
Figura 34 – Perfil de focalização com ciclos de clock de 40 MHz. ................... 64
Figura 35 – Perfil de focalização com ciclos de clock de 160 MHz. ................. 64
Figura 36 – Detalhe do subsistema “Delay_Block” em ciclos de clock. ............ 65
Figura 37 – Modelo do Subsistema “Atraso_Variável” implementado em
memória com contador para gravação e atraso no contador para leitura da
memória. .......................................................................................................... 65
Figura 38 – Fragmento do subsistema “Atraso_Variavel_mux” para determina o
atraso de clock. ................................................................................................ 66
Figura 39 – Implementação da Apodização em oito canais com respectivos
coeficientes. ..................................................................................................... 67
Figura 40 – Detalhe das chaves seletoras para escolha dos coeficientes de
apodização. ...................................................................................................... 68
Figura 41 – Modelo do subsistema de seleção de apodização por
multiplexadores ................................................................................................ 68
Figura 42 – Resultados simulados para as técnicas de apodização Retangular,
Gaussiana, Hamming e Hanning para abertura de oito elementos ativos. ....... 69
Figura 43 – Modelo do subsistema “Apodizacao” implementado com
multiplicador. .................................................................................................... 70
Figura 44 – Implementação do bloco “Somatório Coerente” de oito canais. .... 71
Figura 45 – Detalhe interno do modelo do subsistema “Somatorio_Coerente”
implementado. .................................................................................................. 71
Figura 46 – Implementação do Bloco subsistema “Decimação”....................... 72
Figura 47 – Modelo do bloco de “Decimacao” implementado com flip-flop. ..... 72
Figura 48 – Bloco subsistema “Demodulação”. ................................................ 73
Figura 49 – Modelo do subsistema “Demodulação” com os blocos
“Transformada_Hilbert” e “Detecção_de_Envelope”. ....................................... 73
Figura 50 – Modelo do subsistema “Transformada_Hilbert” implementado
utilizando simetria de coeficientes, bem como os coeficientes de valores nulos.
......................................................................................................................... 74
Figura 51 – Detalhe interno do modelo do subsistema “Detecção de Envelope”
implementado. .................................................................................................. 75
Figura 52 – Implementação do Bloco subsistema “Compressão Logarítmica”. 76
Figura 53 – Tabela logarítmica com 2048 endereços (11 bits)......................... 77
Figura 54 – Tabela logarítmica normalizada com 2048 endereços e faixa
dinâmica de -30 dB. ......................................................................................... 77
Figura 55 – Modelo do subsistema “Compressão Logarítmica” implementado
utilizando LUT e chave de seleção................................................................... 78
Figura 56 – Validação do filtro FIR através da resposta ao impulso. ............... 79
Figura 57 – Comparação entre o sinal filtrado pelo modelo “Filtro Digital FIR” e
pelo bloco gerado pelo FDATool. ..................................................................... 80
Figura 58 – Comparação de filtragem do sinal senoidal com ruído. (a) Sinal de
entrada com ruído. . (b) Sinal processado no Simulink. (c) Sinal processado na
FPGA ............................................................................................................... 81
Figura 59 – Comparação de filtragem do sinal de US real com ruído. (a) Sinal
de entrada com ruído. (b) Sinal processado no Simulink. (c) Sinal processado
na FPGA........................................................................................................... 81
Figura 60 – Espectros de frequência do sinal senoidal de teste adquiridos da
placa DE4-230. (a) FFT do sinal com ruído. (b) FFT do sinal filtrado. .............. 82
Figura 61 – Espectros de frequência do sinal de US real adquiridos da placa
DE4-230. (a) FFT do sinal com ruído. (b) FFT do sinal filtrado. ....................... 82
Figura 62 – Exemplo do resultado da interpolação. (a) Sinal entrada do bloco.
(b) Sinal de saída gerado. ................................................................................ 83
Figura 63 – Comparação entre o sinal original (40 MHz) e o sinal interpolado
(160 MHz) para visualização do tempo de atraso de processamento. ............. 83
Figura 64 – Comparação dos espectros de frequência do sinal de US scanline
61. (a) FFT do sinal original ( = 40 MHz). (b) FFT do sinal interpolado ( =
160 MHz). ......................................................................................................... 84
Figura 65 – Comparação dos sinais antes e após o bloco “Atraso Variável”. (a)
Sinais de US antes e após o bloco “Atraso Variável”. (b) Contador de referência
(sem atraso) e contador após atraso de 12 ciclos. ........................................... 85
Figura 66 – Comparação entre os desvios calculados para Fs de 40 MHz e 160
MHz. ................................................................................................................. 85
Figura 67 – Exemplo de apodização Gaussiana referentes à abertura de oito
elementos. ........................................................................................................ 86
Figura 68 – Exemplo de sinal obtido pelo processamento do bloco “Somatório
Coerente”. (a) Resposta de oito linhas de RF (61 a 68) com apodização
Gaussiana. (b) Linha de varredura resultante do somatório coerente.............. 87
Figura 69 – Comparação de duas linhas de varredura geradas com diferentes
apodizações. (a) Linhas de varredura geradas a partir de sinais processados
com apodização Retangular e Gaussiana. (b) Ampliação do ítem (a) para
melhor visualização. ......................................................................................... 88
Figura 70 – Comparativo entre os sinais de entrada e saída do bloco
“Decimação”. .................................................................................................... 89
Figura 71 – Comparação da resposta ao impulso da Transformada de Hilbert
baseada em filtro FIR entre o FDATool e modelo implementado. .................... 90
Figura 72 – Exemplo de sinais envolvidos na detecção de envoltória gerados
pelo modelo proposto. ...................................................................................... 90
Figura 73 – Resultado da detecção de envoltória. (a) Linha de varredura e
respectivo envelope do sinal. (b) Ampliação dos primeiros picos do item (a). . 91
Figura 74 – Validação do processamento de detecção de envoltória através da
comparação dos resultados do modelo e do Matlab. ....................................... 91
Figura 75 – Validação do modelo de compressão logarítmica. (a) Envelope do
sinal de entrada do bloco. (b) Sinais de saída limitados em -30 dB (vermelho) e
-50 dB (azul). .................................................................................................... 92
Figura 76 – Comparativo dos sinais processados pelo modelo e no Matlab
sobrepostos com NRMSE igual a 0,45%. ........................................................ 93
Figura 77 – Comparação entre as imagens reconstruídas em Modo B com as
apodizações (a) Retangular, (b) Gaussiana, (c) Hamming e (d) Hanning no
Simulink, e (e) Retangular, (f) Gaussiana, (g) Hamming e (h) Hanning com
dados computados pela FPGA......................................................................... 94
Figura 78 – Comparação entre as imagens reconstruídas em Modo B com as
apodizações (a) Retangular, (b) Gaussiana, (c) Hamming e (d) Hanning na
ULTRA_ORS, e (e) Retangular, (f) Gaussiana, (g) Hamming e (h) Hanning com
dados computados pela FPGA......................................................................... 95
LISTA DE TABELAS
Tabela 1 – Vantagens e desvantagens do Filtro FIR. ...................................... 30

Tabela 2 – Especificação de requisitos do modelo de processamento. ........... 41
Tabela 3 – Parâmetros de configuração do bloco “Device”. ............................. 51
Tabela 4 – Parâmetros de configuração do bloco “Signal Compiler”. .............. 51
Tabela 5 – Parâmetros de configuração do bloco “Clock”. ............................... 52
Tabela 6 – Parâmetros de configuração do bloco “PLL” .................................. 52
Tabela 7 – Especificações do subsistema “Dados de Entrada”. ...................... 54
Tabela 8 – Especificação do filtro digital FIR.................................................... 56
Tabela 9 – Coeficientes simétricos de filtragens calculados no FDATool. ....... 56
Tabela 10 – Especificações de configuração dos componentes que compõem o
filtro FIR. ........................................................................................................... 60
Tabela 11 – Especificações de configuração dos componentes que compõem a
interpolação. ..................................................................................................... 62
Tabela 12 – Especificações de configuração dos componentes do subsistema
“Delay_Block”. .................................................................................................. 65
Tabela 13 – Especificações de configuração dos componentes da etapa
“Atraso_Variável”. ............................................................................................. 66
“Atraso_Variavel_mux”. .................................................................................... 67
Tabela 15 – Posição das chaves seletoras para seleção dos coeficientes para
as técnicas de apodização Retangular, Gaussiana, Hamming e Hanning com
abertura de oito elementos. .............................................................................. 69
“Apodizacao”. ................................................................................................... 70
Tabela 17 – Especificações de configuração dos componentes da etapa de
“Decimacao”. .................................................................................................... 72
“Detecção de Envelope”. .................................................................................. 75
“Compressão Logarítmica”. .............................................................................. 78
Tabela 20 – Recursos de hardware da FPGA Stratix IV consumidos. ............. 96
LISTA DE ABREVIATURAS E SIGLAS
2-D Bidimensional
A Amplitude
ADC Analog-to-Digital Converter
ASIC Application-Specific Integrated Circuit
B Brilho
CI Circuito Integrado
CPGEI Pós-Graduação em Engenharia Elétrica e Informática Industrial
DAS Delay and Sum
dB Decibel
DSP Digital Signal Processor
E/S Entrada/Saída
FFA Fast FIR Algorithm
FFT Fast Fourier Transform
FIR Finite Impulse Response
FPB Filtro Passa-Baixa
FPGA Field-Programmable Gate Array
HDL Hardware Description Language
IIR Infinite Impulse Response
LCD Liquid Crystal Display
LE Logical Element
LED Light-Emitting Diode
LUS Laboratório de Ultrassom
LUT Look-Up Table
M Movimento
Mbps Mbit por segundo
MCU Microcontrolador
MDE Model Driven Engineering
NDE Non-Destructive Evaluation
NRMSE Normalized Root-Mean-Square Error
PC Personal Computer
PLL Phase-Locked Loop
PPGSE Programa de Pós-Graduação em Sistemas de Energia
RAM Random Access Memory
RASMUS Remotely Accessible Software Configurable Multi-channel
Ultrasound Sampling
RF Radiofrequência
ROI Region of Interest
RP Research Package
RTL Register-Transfer Level
S/H Sample and Hold
SD Secure Device
SDRAM Synchronous Dynamic Random Access Memory
SNR Signal-to-Noise Ratio
SRAM Static Random Access Memory
SRC Sampling Rate Conversion
TGC Time Gain Compensation
ULA-OP ULtrasound Advanced Open Platform
ULTRA-ORS Ultrasound Open Research System
US Ultrassom
UTFPR Universidade Tecnológica Federal do Paraná
VHDL VHSIC Hardware Description Language
VHSIC Very-High-Speed Integrated Circuit
Vpp Tensão pico-a-pico
LISTA DE SÍMBOLOS
Média das amostras do modelo

Ar Onda refletida
bk Coeficientes de filtragem
c Velocidade de propagação da onda
E Envelope
Fs Frequência de amostragem
Hc Função da seção comb
Hi Função da seção integradora
i Índice da amostra
I In-phase
k Índice do coeficiente de filtragem
M Ordem do filtro FIR
Mi Amostra do modelo
N Número de amostra
na Número de elementos da abertura
ne Número total de elementos do transdutor
nsc Número de linhas de varredura do sistema
Q Quadrature
R Ratio
rd Sinal recebido
rf Sinal após beamforming
Si Amostra de referência
t Tempo
wm Peso da janela de ponderação
x(n) Sinal de entrada do filtro
xdB Resultado do processamento bloco de compressão logarítmica
xm Sinal de entrada
xmax Valor máximo da tabela logarítmica implementada
y(n) Sinal de saída processado pelo filtro
z Distância
z[m] Saída do formador de feixe
z-1 Fator de atraso
Δm Retardo (delay) apropriado
τ Atraso temporal
SUMÁRIO
1 INTRODUÇÃO .......................................................................................... 18
1.1 MOTIVAÇÃO ..................................................................................... 20
1.2 OBJETIVOS ....................................................................................... 21
1.2.1 Objetivo geral ................................................................................. 21
1.2.2 Objetivos específicos...................................................................... 21
1.3 ESTRUTURA DO TRABALHO .......................................................... 22
2 FUNDAMENTAÇÃO TEÓRICA ................................................................ 23
2.1 MÉTODO PULSO-ECO ..................................................................... 23
2.2 BEAMFORMING ................................................................................ 24
2.3 FORMAÇÃO DE IMAGEM EM MODO B ........................................... 26
2.4 FPGA ................................................................................................. 27
2.5 PROCESSAMENTO DE SINAL PELA TÉCNICA BEAMFORMING .. 28
2.5.1 Filtros digitais.................................................................................. 29
2.5.1.1 Filtros de resposta ao impulso finita FIR ..................................... 30
2.5.2 Conversão de taxa de amostragem................................................ 33
2.5.2.1 Filtro de interpolação .................................................................. 33
2.5.2.2 Decimação .................................................................................. 35
2.5.3 Atraso variável ................................................................................ 35
2.5.4 Apodização ..................................................................................... 36
2.5.5 Somatório coerente ........................................................................ 37
2.5.6 Demodulação ................................................................................. 38
2.5.6.1 Transformada de Hilbert e detecção de envoltória ..................... 38
2.5.7 Compressão logarítmica ................................................................. 39
3 MATERIAIS E MÉTODOS ........................................................................ 41
3.1 ESPECIFICAÇÃO DE REQUISITOS ................................................. 41
3.2 ENGENHARIA DIRIGIDA A MODELOS ............................................ 42
3.2.1 Simulink .......................................................................................... 43
3.2.2 DSP Builder .................................................................................... 43
3.3 FUNÇÃO DE CUSTO NRMSE .......................................................... 44
3.4 FERRAMENTAS DE PROGRAMAÇÃO E VALIDAÇÃO.................... 44
3.4.1 Software Quartus II......................................................................... 44
3.4.1.1 Analisador Lógico SignalTap II ................................................... 45
3.5 KIT COMERCIAL DE DESENVOLVIMENTO DE4-230 ..................... 45
3.6 PLATAFORMA DE PESQUISA ULTRA-ORS E PHANTOM DE US
PARA TESTES................................................................................................. 46
3.7 DIAGRAMA EM BLOCOS DO SISTEMA PROPOSTO ..................... 48
3.8 IMPLEMENTAÇÃO DO MODELO PROPOSTO ................................ 49
3.8.1 Configurações iniciais..................................................................... 50
3.8.1.1 Bloco Device ............................................................................... 51
3.8.1.2 Bloco Signal Compiler................................................................. 51
3.8.1.3 Bloco Clock ................................................................................. 52
3.8.1.4 Bloco PLL ................................................................................... 52
3.8.2 Bloco Sinal RF ................................................................................ 53
3.8.3 Bloco Filtro Digital FIR .................................................................... 55
3.8.4 Bloco Interpolação Cascaded Integrator-Comb .............................. 60
3.8.5 Bloco Atraso Variável ..................................................................... 62
3.8.6 Bloco Apodização ........................................................................... 67
3.8.6.1 Subsistema Apodização referente a cada canal ......................... 69
3.8.7 Bloco Somatório Coerente ............................................................. 70
3.8.8 Bloco Decimação............................................................................ 71
3.8.9 Bloco Demodulação ....................................................................... 72
3.8.10 Bloco Compressão Logarítmica...................................................... 75
4 RESULTADOS ......................................................................................... 79
4.1 RESULTADO INDIVIDUAL DAS ETAPAS DE PROCESSAMENTO . 79
4.1.1 Implementação do filtro digital FIR ................................................. 79
4.1.2 Interpolação CIC............................................................................. 82
4.1.3 Atraso variável ................................................................................ 84
4.1.4 Apodização ..................................................................................... 86
4.1.5 Somatório ....................................................................................... 86
4.1.6 Decimação ..................................................................................... 88
4.1.7 Demodulação ................................................................................. 89
4.1.8 Compressão logarítmica ................................................................. 92
4.2 RESULTADO FINAL DO PROCESSAMENTO PARA
RECONSTRUÇÃO DE IMAGEM ..................................................................... 93
4.2.1 Comparativo entre os processamentos simulado e experimental .. 93
4.2.2 Comparativo entre os processamentos da plataforma de pesquisa
ULTRA-ORS e do sistema implementado em FPGA ....................................... 93
4.2.3 Utilização de recursos de hardware da FPGA ................................ 96
4.2.4 Latência total de processamento .................................................... 96
5 DISCUSSÃO E CONCLUSÕES ............................................................... 97
5.1 ANÁLISE DOS RESULTADOS .......................................................... 97
5.2 CONCLUSÕES .................................................................................. 99
5.3 TRABALHOS FUTUROS ................................................................. 100
REFERÊNCIAS .............................................................................................. 102
APÊNDICE A – PROJETO COMPLETO DO SISTEMA DSP BASEADO EM
FPGA PARA A GERAÇÃO DE IMAGEM POR US NO SIMULINK .............. 113
PUBLICAÇÕES REFERENTES AO TRABALHO ......................................... 115
18
1 INTRODUÇÃO
O ultrassom (US) é uma técnica bem consolidada que vem sendo

amplamente empregada desde a década de 50 para testes, caracterização e
visualização de estruturas internas de materiais biológicos e não biológicos
(WILD, 1950; HEDRICK; HYKES; STARCHMAN, 1995). Com técnicas de
formação de imagens ultrassônicas semelhantes ao sonar e radar1, o método é
baseado na emissão de ondas acústicas com frequência acima de 20 kHz que
interagem com o meio investigado e recepção dos ecos refletidos e espalhados,
devido à não homogeneidade e presença de microestruturas com diferentes
propriedades acústicas (FISH, 1990; SHUNG, 2006).
Sabendo-se que cada material apresenta propriedades acústicas
singulares como impedância, velocidade de propagação do som e atenuação da
onda, é possível interpretar quantitativamente os ecos de radiofrequência (RF)
refletidos que transportam informações sobre a posição e densidade dos objetos
refletores. Considerando aplicações biomédicas e dependendo da informação
requerida é possível, por exemplo, prover imagens e informações das estruturas
anatômicas internas ou atenuação das ondas, além do estado funcional de
determinados órgãos (CHRISTENSEN, 1988; HASSAN; YOUSSEF; KADAH,
2011).
Diversas características do US contribuem para tornar a técnica uma
importante ferramenta de auxílio ao diagnóstico médico por imagem,
destacando-se a facilidade e segurança associados à sua utilização
(CHRISTENSEN, 1988), características não invasiva e não ionizante,
portabilidade, versatilidade, e ter custo relativamente baixo comparado às outras
modalidades de geração de imagens para diagnóstico médico (ACHIM;
ANASTASIOS; TSAKALIDES, 2001; KIM et al., 2012). Além disso, pode-se
destacar a capacidade de geração de imagens em tempo real e em qualquer
orientação espacial do alvo analisado, características fundamentais em análises
dinâmicas (CÂMARA, 2015).
1 A imagem ultrassônica obtida por sonar e radar são da forma pulso-eco. São transmitidos
impulsos ultrassônicos, no meio a ser investigado, e calcula-se o tempo de retorno dos ecos
para formar uma imagem representativa das distancias dos obstáculos (SHUNG, 2006).
19
Por motivos semelhantes, as indústrias automotiva, marítima,

aeroespacial, nuclear, e de petróleo e gás, dentre outras, também utilizam o US
pulso-eco em aplicações de manutenção preventiva, através da técnica de
avaliação não destrutiva NDE (Non-Destructive Evaluation) (KELLY; FARLOW;
HAYWARD, 1996). Nesses casos, o ensaio por US atende, de forma adequada,
às exigências industriais, sendo considerado mais rápido, preciso e seguro na
inspeção, tanto na superfície (JHANG, 2009) quanto na busca por
descontinuidades internas em estruturas ou componentes, em comparação com
outros métodos convencionais, os quais utilizam pressão de ar ou água para
detecção de vazamento de líquidos ou gases (KRAUTKRÄMER;
KRAUTKRÄMER, 1990; KELLY; FARLOW; HAYWARD, 1996; MEO;
POLIMENO; ZUMPANO, 2008; JHANG, 2009).
Também na inspeção de sistema elétricos, o US é utilizado para
identificação de falhas operacionais através do nível de ruído gerado,
principalmente, por três problemas básicos: (1) arco elétrico, (2) efeito corona2 e
(3) descargas elétricas embrionárias (antes de se tornarem um arco
propriamente dito). Como vantagem, a inspeção por US não necessita de
desligamento e abertura de painéis energizados, sendo aplicada para detecção
de correntes de fuga oriundas de falhas em isoladores, transformadores,
barramentos, cabos, relés, disjuntores, motores, geradores, dentre outros
(MACHADO et al., 2011).
Atualmente, os modernos equipamentos para geração de imagem por
US em tempo real, também nomeados como scanners digitais, exigem alto poder
de processamento de sinais e capacidade de transferência massiva de dados
(TANTER; FINK, 2014). Durante o processo de geração do feixe acústico de
recepção, técnica conhecida como beamforming digital de recepção, devido à
alta demanda computacional, são tradicionalmente empregadas arquiteturas de
hardware "fechadas", baseadas em dispositivos ASICs (Application-Specific
Integrated Circuits) e, mais recentemente, arquiteturas reconfiguráveis com
dispositivos FPGAs (Field-Programmable Gate Array), além de processadores
digitais de sinais (DSPs – Digital Signal Processors) com vários núcleos
2 Ocorre quando a tensão em um condutor elétrico excede o gradiente de potencial do ar que

circunda este condutor e começa a ionizá-lo e formar uma nuvem azul ou púrpura ao redor.
20
(AGARWAL et al., 2007; SCHNEIDER et al., 2010; BONI et al., 2012; ASSEF,
2013).
Apesar da disponibilidade de equipamentos comerciais de US com
acesso aos sinais de RF, como o Ultrasonix 500RP (Research Package)
(WILSON et al., 2006) e SonixMDP (ULTRASONIX MEDICAL CORP.,
CANADÁ), além do Verasonics Vantage Research US System (VERASONICS
INC., USA), diversos centros de pesquisa têm desenvolvido novos sistemas e
métodos que permitem maior flexibilidade e controle sobre os módulos de
transmissão, recepção e processamento (MURPHY; WAKEFIELD; FRIEDMAN,
2008). Como exemplo, pode-se citar os sistemas de pesquisa ULA-OP
(ULtrasound Advanced Open Platform) (BONI et al., 2012) e o RASMUS
(Remotely Accessible Software configurable Multi-channel Ultrasound Sampling)
(JENSEN et al., 2005). Tal capacidade é essencial para promover melhorias na
qualidade das informações obtidas para as diversas modalidades de US
existentes, bem como contribuir, significativamente, para o desenvolvimento de
técnicas inovadoras de formação de imagem por US.
1.1 MOTIVAÇÃO
A dinâmica da evolução tecnológica dos materiais e componentes

utilizados na fabricação dos produtos para diagnóstico médico e ensaios NDE,
aliada à defasagem tecnológica verificada no País, e consequentemente, a
enorme dependência de importações, configura uma situação de vulnerabilidade
para a sociedade brasileira. Apesar de existirem diversos fabricantes de
equipamentos comerciais de geração de imagem por US, todos eles são
multinacionais, o que demanda um elevado custo, afetando diretamente o déficit
na balança comercial (MINISTÉRIO DA SAÚDE BRASIL, 2008).
Nesse sentido, o grupo de pesquisa do US da Universidade Tecnológica
Federal do Paraná (UTFPR) vem desempenhando um importante papel para o
desenvolvimento científico-tecnológico e inovação de equipamentos e materiais
no Brasil. Uma das recentes contribuições do grupo foi o desenvolvimento da
plataforma de pesquisa ULTRA-ORS (do inglês Ultrasound Open Research
System) (ASSEF, 2013). Constituída de uma arquitetura modular de hardware
21
(front-end), baseada em dispositivos FPGA, e software (back-end), baseada em

computador pessoal (PC - Personal Computer), o ULTRA-ORS é um sistema
totalmente programável, aberto e flexível com 128 canais de transmissão e
recepção, com resolução de 12 bits e frequência de amostragem de até 50 MHz,
para pesquisa e investigação de novas técnicas de geração de imagens por US.
Entretanto, o tempo para reconstrução de imagens é muito elevado, podendo
chegar a dez minutos, uma vez que o processamento é realizado inteiramente
em PC, a partir de algoritmos de rotinas (scripts) com instruções sequenciais
elaboradas com o software MATLAB, o que inviabiliza a análise das informações
obtidas em tempo real.
1.2 OBJETIVOS
1.2.1 Objetivo geral
O objetivo deste trabalho foi modelar um sistema de processamento

digital de sinais embarcado em dispositivo FPGA de alto desempenho visando a
reconstrução de imagens por US em tempo real, através da técnica
beamforming, para processamento de sinais brutos de RF gerados pela
plataforma de hardware ULTRA-ORS, de forma a equipar o Laboratório de
Ultrassom (LUS) dos Programas de Pós-Graduação em Engenharia Elétrica e
Informática Industrial (CPGEI) e de Sistemas de Energia (PPGSE) da UTFPR,
com instrumentação adequada para o estudo da técnica.
1.2.2 Objetivos específicos
Além do objetivo principal, este trabalho teve como objetivos específicos:

1) Investigar as principais técnicas de processamento de sinais para geração de
imagens por US, a partir do método beamforming;
2) Utilizar a técnica de desenvolvimento de software Engenharia Dirigida a
Modelos para modelagem e integração das etapas DSP;
22
3) Modelar as etapas DSP para reconstrução de imagem por US utilizando o

software Matlab/Simulink (MATHWORKS, EUA) e a ferramenta DSP Builder
(INTEL CORP, EUA);
4) Empregar a ferramenta Quartus II (INTEL CORP, EUA) para compilação do
dos códigos gerados em linguagem de descrição de hardware, gravação da
FPGA e aquisição do resultado do processamento;
5) Adotar um kit comercial de FPGA para o desenvolvimento do trabalho;
6) Utilizar dados brutos reais adquiridos pela plataforma ULTRA-ORS com
frequência de amostragem de 40 MHz e resolução de 12 bits;
7) Validar os blocos de processamento através de simulações no Simulink;
8) Utilizar a função de custo da raiz quadrada do erro quadrático médio
normalizado NRMSE (Normalized Root Mean Squared Error) para avaliação
quantitativa dos principais blocos do modelo em comparação com as funções
implementadas no Matlab;
9) Comparar o resultado entre a simulação do modelo e o obtido pelo
processamento embarcado em FPGA;
10) Validar o resultado experimental do modelo embarcado em FPGA através da
comparação com o resultado obtido pelo sistema ULTRA-ORS.
1.3 ESTRUTURA DO TRABALHO
Essa dissertação está organizada em cinco capítulos. No capítulo 2, faz-

se uma revisão da literatura no qual são apresentados os principais conceitos
sobre os princípios de geração de imagem por US pulso-eco necessários para o
desenvolvimento da pesquisa. O capítulo 3 descreve os materiais e métodos
para o desenvolvimento dos modelos DSP para reconstrução de imagens por
US em Modo B. No capítulo 4 são apresentados os resultados individuais de
cada etapa de processamento implementada e o resultado final da reconstrução
de imagem. O capítulo 5 apresenta as discussões, conclusão e relação de
trabalhos futuros.
23
2 FUNDAMENTAÇÃO TEÓRICA
Neste capítulo serão descritos os principais conceitos para melhor

compreensão sobre a instrumentação ultrassônica necessária para a geração de
imagens por US Modo B utilizando a técnica beamforming com atraso de soma.
2.1 MÉTODO PULSO-ECO
No método pulso-eco, o mesmo transdutor é utilizado durante a

transmissão e recepção de ondas de US (CHRISTENSEN, 1988). Após a
aplicação de um pulso estreito de alta tensão o transdutor converte o sinal
elétrico em ondas mecânicas que se propagam no meio e trazem informações
sobre a profundidade e densidade de objetos refletores com diferentes
impedâncias acústicas (HEDRICK; HYKES; STARCHMAN, 1995). Na Figura 1
é ilustrado esse princípio para um elemento transdutor, resultando em uma
imagem Modo A (Amplitude).
Pulso
elétrico de z1 z2
excitação
aplicado ao Meio 1 Meio 2
Transdutor Meio N
transdutor A At
...
Ar1
Ar2
Interface de materiais com diferentes

impedâncias acústicas
Linha de RF
Ar1
Ar2
Amplitude dos
ecos refletidos
(Modo A)
Profundidade dos refletores
Figura 1 – Representação da geração de ondas de US pelo método pulso-eco para a

determinação de parâmetros e caracterização de diferentes meios.
Fonte: Adaptado de Christensen (1988).
24
No exemplo, são considerados os Meios 1 e 2 adjacentes, com

diferentes propriedades acústicas e com espessuras z1 e z2, respectivamente.
A onda de US se propaga no Meio 1 e, assim que incide na interface entre os
dois meios, parte da onda é refletida ( 1) e outra propaga-se no Meio 2 ( ).
De forma similar, o sinal apresenta o mesmo comportamento, originando o
sinal 2. As ondas refletidas 1 e 2 trazem informações sobre as
características do meio. Através da Equação 1, pode-se calcular a distância ( )
ou a velocidade de propagação da onda ( ) no meio, a partir de um tempo ( )
decorrido entre a aplicação do pulso de excitação e a recepção do eco
(CHRISTENSEN, 1988).
2.
= (1)
2.2 BEAMFORMING
Para geração de imagens por US são utilizados modernos transdutores

matriciais multielementos com características piezoelétricas, ou seja, convertem
energia elétrica em vibrações mecânicas que se propagam no meio investigado
(AGARWAL; BANERJEE; DE, 2016). No método beamforming, exemplificado na
Figura 2, um conjunto de elementos é excitado com tempos de atraso
programáveis para focalizar as ondas ultrassônicas em uma determinada região
de interesse (ROI - Region of Interest). Após a recepção dos ecos gerados,
devido à reflexão e espalhamento nas interfaces com diferentes impedâncias
acústicas, pelos mesmos elementos transdutores, é realizado o processo de
correção temporal dos atrasos e posterior somatório coerente, formando uma
linha de varredura (scanline) (HASSAN; YOUSSEF; KADAH, 2011). No exemplo,
foram utilizados oito elementos transdutores para compor a abertura de
excitação e recepção, formando uma abertura sintética.
25
Elementos de um transdutor matricial linear
1 2 ... 8 9 120 121 ... 127 128
Linha de Varredura 1 Linha de Varredura 120
Linha de Varredura 2 Linha de Varredura 121
Figura 2 – Sequência de aberturas com oito elementos ativos de um transdutor matricial linear
de 128 elementos como ilustração da técnica beamforming.
Assim, essa abertura sintética é deslocada em um elemento e a

sequência é repetida, até o último elemento da matriz para uma abertura ativa.
O mesmo perfil de atraso de focalização das ondas utilizado na transmissão
ultrassônica também deve ser aplicado na recepção, antes do somatório
coerente para composição de uma linha de varredura (DUBE, 2004; HASSAN;
KADAH, 2013). Tal procedimento é ilustrado na Figura 3 para a mesma abertura
de oito elementos.
Perfil Inicial Perfil Final

Perfis de atraso
de focalização
1 2 ... 8 9 120 121 ... 127 128
Perfis de feixe
acústico
Pontos de focalização ROI
Figura 3 – Perfis temporais de atraso e dos feixes acústicos com focalização simétrica em
relação à abertura de oito elementos ativos.
26
2.3 FORMAÇÃO DE IMAGEM EM MODO B
No Modo B, o brilho e cor atribuídos a cada elemento de imagem (pixel)

estão relacionados com a amplitude do sinal recebido pelo transdutor –
tipicamente é utilizada a escala de cinza de 8 bits (SHUNG, 2006). A posição
espacial do ponto é determinada pela posição dos elementos e pelo tempo
necessário para a onda ultrassônica percorrer duas vezes a distância entre o
transdutor e a ROI (SHATTUCK et al., 1984; HEDRICK; HYKES; STARCHMAN,
1995).
Como exemplo, é apresentada na Figura 4 a envoltória dos ecos
recebidos das interfaces entre ambos os Modos A e B, a partir da excitação de
um transdutor monoelemento posicionado a uma distância (d) da pele de um
corpo biológico.
Meio 1 Meio 2
Água Meio Biológico
Pulso elétrico
Órgão
de excitação
Transdutor
aplicado ao
transdutor
Tecidos
Biológicos
Pele
Pulso de transmissão
Amplitude
Eco da superfície da Eco da superfície do

pele órgão
Modo A
Tempo
Modo B
Figura 4 – Exemplo de formação de imagem em Modo A e Modo B em diferentes meios.

Fonte: Adaptado de Shung (2006).
27
A diferença entre a amplitude dos sinais ocorre devido a fatores

geométricos (dimensões da fonte sonora, comprimento de onda, presença de
superfícies refletoras, etc.), mecanismos de absorção, onde parte da energia é
convertida em calor, e profundidade da ROI, sendo que a última pode ser
compensada por uma curva de amplificação característica da atenuação do meio
(HEDRICK; HYKES; STARCHMAN, 1995; WELLS, 1999; OTAKE et al., 2003;
SHUNG, 2006).
2.4 FPGA
A FPGA é um dispositivo semicondutor constituído de unidades lógicas

digitais (na ordem de milhares), encapsuladas em um único circuito integrado
(CI), cujas interconexões podem ser programadas/reprogramadas pelo usuário
de forma modular, ou seja, cada bloco de hardware é responsável por uma
função (RODRIGUEZ-ANDINA; MOURE; VALDES, 2007; MONMASSON et al.,
2011). Através do processo denominado roteamento, pode-se reproduzir desde
lógicas simples até sistemas combinacionais mais complexos com registradores
e multiplicadores para funções DSP, o que acrescenta flexibilidade ao projeto
(SANTOS, 2008).
O funcionamento de uma FPGA depende de como é organizada a sua
arquitetura. Estes dispositivos podem operar em ciclos de clock, onde cada
operação matemática é realizada em um ciclo (HUDA; MALLICK; ANDERSON,
2009). Também possuem, como característica principal, capacidade de
processamento em paralelo. No interior de cada bloco lógico da FPGA existem
vários modos possíveis para a implementação de funções lógicas e matemáticas
(KANG et al., 2016). O mais utilizado pelos fabricantes é o bloco de memória
LUT (Look-Up Table). Esse tipo de bloco lógico contém células de
armazenamento de memória voláteis RAM (Random Access Memory) que são
utilizadas para implementar funções lógicas de forma otimizada (DA COSTA,
2014).
As linguagens utilizadas para a programação dos dispositivos FPGA são
chamadas de linguagem de descrição de hardware (HDL - Hardware Description
Language). Tais linguagens são utilizadas para descrever o funcionamento de
28
circuitos digitais, incluindo, por exemplo, multiplexadores, demultiplexadores,

contadores, comparadores, registradores, multiplicadores, memórias, etc.
Dentre as principais HDLs, destacam-se VHDL (Very-High-Speed Integrated
Circuit HDL) e Verilog (BERGÉ et al., 1992).
2.5 PROCESSAMENTO DE SINAL PELA TÉCNICA BEAMFORMING
Todas as etapas DSP envolvidas na reconstrução de imagem por US

Modo B, implementadas neste trabalho, são apresentadas de forma simplificada
no diagrama em blocos da Figura 5. No diagrama, os blocos circunscritos pela
linha tracejada correspondem ao módulo back-end (OTAKE et al., 2003; ASSEF,
2013), sendo descritos a seguir.
Elementos
Transdutores
Frente de Somatório
onda refletida Coerente
Captura
Inserção
de
Filtragem de atraso Janela de
dados
digital de apodização
dos
focalização
ADCs
Sinais brutos
de RF
Filtro de
Interpolação
FPGA
Filtro de Detecção Compressão Conversão Imagem em

Demodulação de de
Decimação Logarítmica Modo B
Envelope varredura
Figura 5 – Diagrama em blocos das principais funções de processamento digital do

beamforming de recepção na unidade back-end para geração de imagem por US Modo B.
Fonte: Adaptado de Thomenius (2005) e Assef (2013).
Conforme descrito anteriormente, durante o processo para composição

de imagem por US, gera-se um conjunto de pulsos elétricos de alta tensão, com
atrasos temporais programados, para excitação dos elementos transdutores
piezoelétricos (matriz piezoelétrica) que convertem os pulsos em ondas de
pressão ultrassônica. Os ecos brutos de RF são recebidos e transformados em
sinais elétricos pela mesma matriz piezoelétrica (BROWN; LOCKWOOD, 2005;
29
ASSEF, 2013). Após a aquisição e pré-amplificação dos ecos, circuitos

conversores Analógico/Digital (ADCs - Analog-to-Digital Converters) realizam a
digitalização para posterior processamento de sinais em função do modo de
imagem a ser apresentada (ASSEF, 2013).
Considerando o Modo B, são realizadas, inicialmente, a filtragem dos
sinais para atenuação dos ruídos fora da banda desejada, interpolação, controle
apropriado dos tempos de atraso para correção de focalização na recepção,
apodização para redução de lóbulos de espaçamento que geram falsos artefatos
na imagem e, finalmente, o somatório coerente dos sinais para compor uma linha
de varredura para melhorar a relação sinal-ruído (SNR - Signal-to-Noise Ratio).
Esse fluxo de processamento é denominado de Delay and Sum (DAS)
(MATRONE et al., 2015). Na sequência, são realizadas as etapas decimação
para diminuir o número de amostras, filtragem digital de demodulação e detecção
de envoltória, seguida pela compressão logarítmica, utilizada para adequar a
faixa dinâmica dos dados aos níveis adequados para visualização bidimensional
(2-D) em escala de cinza (SHUNG, 2006; HASSAN; KADAH, 2013). A última
etapa se refere à conversão de varredura (scan conversion) para transformação
de coordenadas polares para retangulares, antes da apresentação no monitor
de imagem (OTAKE et al., 2003).
2.5.1 Filtros digitais
Filtros digitais são sistemas amplamente utilizados em DSP para

modificar ou retirar alguma característica do sinal – mudar a amplitude relativa
dos componentes em frequência de um sinal ou eliminar alguns componentes
em frequência (OPPENHEIM; WILLSKY; NAWAB, 1997). A classificação dos
filtros em relação à sua resposta ao impulso, divide-se em filtros FIR (Finite
Impulse Response), ou de resposta ao impulso finita, e IIR (Infinite Impulse
Response), ou de resposta ao impulso infinita (RABINER; SCHAFER, 1978;
MADISETTI; WILLIAMS, 1998).
A implementação do filtro FIR é geralmente mais aplicada em DSP, em
relação ao IIR, por não apresentar deslocamento de fase através da banda de
30
frequência, possuir inerente estabilidade e não necessitar realimentação

(RABINER et al., 1974; BRANDENSTEIN; UNBEHAUEN, 1998).
2.5.1.1Filtros de resposta ao impulso finita FIR
Na década de 70, Crochiere e Rabiner (1975) apresentaram a teoria

geral para os filtros decimadores e interpoladores de vários estágios para
redução e aumento da taxa de amostragem, respectivamente. Dentre as
contribuições principais do método, pode-se destacar a minimização do número
de multiplicações por segundo. Após a padronização do método, diversas
pesquisas, fundamentadas em decimação e interpolação, mostraram as
propriedades atrativas da implementação em DSP dos filtros digitais de fase
linear FIR de banda estreita que podem ser obtidas por cascata. Destaca-se
ausência de problemas de estabilidade e a disponibilidade de projetos de
métodos iterativos eficientes (MCCLELLAN; PARKS, 1973; CROCHIERE;
RABINER, 1975, 1976; HOGENAUER, 1981), entre outras vantagens indicadas
na Tabela 1.
Tabela 1 – Vantagens e desvantagens do Filtro FIR.
Vantagens Desvantagens
São intrinsecamente estáveis
Em geral precisam de ordem alta para
Baixa complexidade computacional
satisfazer às exigências do sistema
Possibilidade de terem fase linear
Fonte: Adaptado de Rabiner e Schafer (1978).
A estrutura de um filtro FIR é expressa matematicamente em termos de

uma soma de convolução, como indicado na Equação 2:
= − , = 0,1,2 … (2)
onde define a ordem do filtro FIR, n é o índice da amostra, k é o índice do

coeficiente e são os coeficientes do filtro (RABINER; SCHAFER, 1978).
31
A representação da estrutura convencional de um filtro FIR, apresentada

na Figura 6, é implementada a partir da interpretação da Equação 2 do filtro
discreto, onde ( ) representa o sinal de entrada a ser filtrado, o fator de
atraso e ( ) o sinal de saída processado (JI-FENG et al., 2015).
Linha de
x(n)
z-1 z-1 z-1 z-1 z-1 z-1 derivação de
atraso
a0 a1 a2 a(N+1)/2 a(N+2)/2 aN-2 = -a1 aN-4 = -a0
Coeficientes
X X X X X X X Multiplicadores
+ + + + + + y(n)
Figura 6 – Estrutura convencional generalizada de um Filtro FIR.

Fonte: Adaptado de Altera Corp. (2011) e Xilinx (2011).
Uma importante característica dos filtros FIR é a simetria da resposta ao

impulso que pode ser explorada para diminuir significativamente os requisitos
de hardware da função – multiplicadores, registradores de deslocamento e
somadores. Como exemplo, a Figura 7 mostra a resposta ao impulso para um
filtro FIR com simetria ímpar de 11 coeficientes.
0.4
0.3
Amplitude
0.2
0.1
2 4 6 8 10
Índice de coeficientes
Figura 7 – Exemplo de resposta ao impulso para um filtro FIR com simetria ímpar de 11
coeficientes.
Em vez de implementar este filtro utilizando a arquitetura ilustrada na

Figura 6, uma estrutura mais eficiente e otimizada pode ser explorada para gerar
implementações de hardware de filtros eficientes, conforme a Figura 8. Em geral,
32
a primeira abordagem requer M multiplicações. Em contraste, a arquitetura

simplificada utiliza (M+1)/2 multiplicadores. A simetria de coeficientes para um
número par de termos também pode ser explorada, reduzindo para M/2
multiplicadores, como ilustrado na Figura 9.
Figura 8 – Estrutura simplificada de um filtro FIR explorando a simetria ímpar de coeficientes.

Fonte: Adaptado de Xilinx (2011).
Figura 9 – Estrutura simplificada de um filtro FIR explorando a simetria par de coeficientes.

Fonte: Adaptado de Xilinx (2011).
33
2.5.2 Conversão de taxa de amostragem
A técnica que realiza a alteração da taxa de amostragem de dados é

conhecida como conversão de taxa de amostragem (SRC - Sampling Rate
Conversion) (PAU, 2000).
A SRC realiza dois tipos de conversões: interpolação e decimação.
Ambos são métodos para DSP fundamentados em aplicações de sistemas
discretos que requerem, respectivamente, aumento e decrescimento na taxa de
amostragem. Assim, utiliza-se a SRC com finalidade de manter os erros dentro
de limites prescritos, como aliasing3 de banda de passagem ou erro de imagem,
visando atingir um baixo consumo de processamento (HENTSCHEL;
FETTWEIS, 2000; NGUYEN; SHIN; YEN, 2011; SRIVASTAVA; MEHRA, 2015).
Embora o intuito de minimizar o número de multiplicadores em
aplicações de interpolação/decimação seja um desafio, o trabalho de Hogenauer
(1981) mostra algumas realizações satisfatórias. Em trabalhos mais recentes, a
técnica foi aprimorada para ser aplicada em algoritmos Fast FIR (FFAs) em filtros
de interpolação e decimação, a fim de reduzir ainda mais a complexidade
computacional da aplicação (MAYILAVELANE; BERSCHEID, 2016).
2.5.2.1Filtro de interpolação
A interpolação é uma técnica bem consolidada em SRC que consiste em

aumentar a frequência de amostragem por um fator inteiro #, com o objetivo de
aproximar-se ao sinal original, ou seja, analógico (PAU, 2000; JINBO, 2007).
Uma alternativa de estruturas menos complexas que pode ser utilizada
é o filtro CIC (Cascaded Integrator-Comb) ou filtro de Hogenauer. Os filtros CIC
são implementados utilizando uma cascata de integradores (Figura 10(a)),
denominada seção integradora, que opera a uma taxa de amostragem $, e um
3 Aliasing: Comumente referida às distorções provocadas por violações do teorema de

amostragem – frequência no sinal original acima da metade da frequência de amostragem
(OPPENHEIM; WILLSKY; NAWAB, 1997).
34
número igual de estágios de diferenciadores (Figura 10(b)), denominado seção

comb, operando a uma taxa de amostragem $ /#.
+
-
z-1 z-1
(a) (b)
Figura 10 – Componentes de um filtro CIC. (a) Estágio integrador. (b) Estágio comb.
Fonte: Babic e Renfors (2005).
Esses filtros não exigem multiplicadores (HOGENAUER, 1981; BABIC;

RENFORS, 2005; XUAN et al., 2014). A Figura 11 indica a forma básica de um
filtro de interpolação CIC. Esta seção consiste de & estágios de comb com um
atraso diferencial de amostras por fase. Conforme Hogenauer (1981), na
prática o valor de varia entre 1 e 2.
Seção Comb Seção Integradora
Estágio 1 Estágio N Estágio N+1 Estágio 2N
-M -1
z-M z z-1 z
- -
Fs/R Fs/R Fs Fs
Figura 11 – Estrutura simplificada e generalizada de um filtro de interpolação CIC.

Fonte: Hogenauer (1981).
As funções do sistema para um integrador simples e para um filtro comb

são representadas pelas Equações 3 e 4, respectivamente.
1
'( =
1−
(3)
') = 1− *. (4)
35
2.5.2.2 Decimação
A decimação é uma técnica que consiste na diminuição da frequência de

amostragem por um fator inteiro # de dados amostrados acima da sua taxa de
Nyquist (CROCHIERE; RABINER, 1981). Essa técnica é importante para reduzir
a exigência de taxa de dados no DSP (MA et al., 2014) e, no caso da imagem
ultrassônica, compactar dados para transferência à etapa de conversão de
varredura, onde o custo dos componentes de compressão e descompressão é
mais baixo do que os circuitos necessários para a rápida transferência de dados
(BOONLEELAKUL et al., 2013).
2.5.3 Atraso variável
Para a realização da abertura sintética com + elementos, na técnica de

focalização beamforming, os elementos da matriz piezoelétrica são excitados
com tempos de atraso programáveis distintos para focalizar as ondas
ultrassônicas. Sendo assim, os sinais recebidos também herdam esses atrasos
(SHEN et al., 1995; FELDKAMPER et al., 2000; AGARWAL et al., 2007). O
tempo de atraso aplicado aos sinais de um elemento transdutor varia durante a
recepção de uma linha de varredura e a precisão dos cálculos desses valores
influencia diretamente na qualidade da imagem de US (FELDKAMPER et al.,
2000).
Na Figura 12 é ilustrada a focalização da recepção dinâmica de US pela
técnica DAS, onde frentes de ondas, originadas de uma fonte pontual, são
captadas pelos elementos da matriz e convertidas nos sinais elétricos de RF. Em
seguida, aplica-se coeficientes de atraso temporal (delay) para o alinhamento,
possibilitando assim o somatório coerente após a etapa de apodização.
36
Sinal com atraso

Sinal recebido r(t)
rd(t)
Frente de onda τ1,w1
refletida Sinal
τ2,w2
beamforming
τ3,w3 rf(t)
τ4,w4
…
(x,z)
τi,wi
(xi,zi)
…
τn,wn
Figura 12 – Focalização de recepção dinâmica de US através da abertura sintética pelo método

beamforming.
Fonte: Adaptado de Sohn et al. (2011).
O número de linhas de varredura do sistema ( ,) ) é calculado a partir da

definição do tamanho de abertura aplicando-se a Equação 5:
,) = - − + + 1, (5)
sendo - o número total de elementos do transdutor e + o número de elementos

da abertura (ASSEF, 2013). Por exemplo, considerando um transdutor de 128
elementos e abertura ativa de oito elementos, o número total de linhas de
varredura é 121.
2.5.4 Apodização
A apodização realiza o controle da amplitude dos sinais recebidos,

através de janelas de ponderação, para a redução da intensidade no feixe
irradiado ao redor do ponto de focalização, gerando-se assim, imagens de US
superiores em resolução de contraste (NIKOLOV; JENSEN; TOMOV, 2008;
SYNNEVÅG; AUSTENG; HOLM, 2011; ASSEF, 2013).
As constantes de apodização são calculadas e aplicadas
individualmente nos sinais de US que irão compor cada linha de varredura, a fim
37
de reduzir os lóbulos laterais do padrão de feixe (CINCOTTI et al., 1999). Porém,

há uma relação de compromisso na escolha da técnica, pois estes coeficientes
também têm o efeito de aumentar a largura do lóbulo principal, degradando a
resolução lateral da imagem (FRAZIER; O’BRIEN, 1998).
Para calcular os coeficientes de apodização é necessária uma relação
direta entre as características do transdutor e o padrão de campo (JENSEN;
MUNK, 1998). No trabalho de Assef et al. (2016), foi avaliada uma variedade de
janelas de ponderação, na transmissão e recepção, tais como Hamming,
Hanning, Blackman e Kaiser, dentre outras.
Tendo em vista que para realizar a apodização na transmissão é
necessário um sistema eletrônico de custo adicional, uma alternativa aplicada na
maioria dos sistemas de imagem pulso-eco é realizar a apodização apenas no
modo de recepção (CINCOTTI et al., 1999).
2.5.5 Somatório coerente
No processo de reconstrução de imagem pela técnica beamforming,

após o alinhamento dos sinais da abertura, um único sinal é gerado a partir do
somatório coerente de todos os feixes de recepção, criando assim uma linha de
varredura ou scanline (NIKOLOV; JENSEN; TOMOV, 2008). Esse processo é
chamado delay and sum (DAS) e é representado pela Equação 6:
/ = 01 . 1. ( − ∆1 ), (6)
1
onde 01 é o peso (valor entre 0 e 1) da janela de ponderação, 1 é o sinal

de entrada registrado no número de elemento 3 ∈ 1, ( + +5 ) com o tempo
atrasado com um retardo (delay) apropriado 61 e como resultado ( )a
saída do formador do feixe (ASEN et al., 2012).
38
2.5.6 Demodulação
No caso do DSP para geração de imagens por US em Modo B, a

intensidade do brilho, na imagem, é resultado da modulação da amplitude do
sinal extraído através da demodulação, seguida pela detecção de envoltória
(JINBO, 2007). Tipicamente três métodos convencionais são aplicados para
extrair o envelope de baixa frequência das linhas de varredura: demodulação
baseada na Transformada de Hilbert, demodulação de quadratura, e quadratura
e filtragem (ZHOU; ZHENG, 2015). Conforme discutido por Levesque e Sawan
(2009), embora a Transformada de Hilbert seja mais eficiente e tenha mais
acurácia que os demais métodos, os algoritmos de filtragem e quadratura são
geralmente preferidos, devido ao seu baixo custo computacional e
complexidade.
No trabalho de Yang e Fox (2004), ressalta-se a importância da
demodulação associada à qualidade de imagem de US, uma vez que no sinal
processado há presença de speckles4 que afetam tanto a interpretação humana
das imagens quanto as técnicas automatizadas de detecção e extração de
características.
Neste trabalho será utilizado um método baseado na aproximação da
Transformada de Hilbert, evitando-se assim a necessidade da complexa
computação da transformada rápida de Fourier (FFT - Fast Fourier Transform).
2.5.6.1Transformada de Hilbert e detecção de envoltória
A demodulação baseada na Transformada de Hilbert envolve a extração

do sinal analítico da informação de RF. Uma vez que o sinal analítico é complexo,
onde o componente real (I - em fase) é o sinal original e o componente imaginário
(Q - quadratura) é a Transformada de Hilbert do sinal original, com deslocamento
4 Speckle: Em imagens coerentes, tais como em US, o valor de sinal observado de uma célula
de resolução é gerado pela soma de sinais coerentes de vários dispersores dentro da célula.
Estes sinais interferem para causar o padrão de imagem granular conhecido como speckle
(HOKLAND; TAXT, 1994).
39
de fase de 90º na banda de operação, a sua magnitude E é calculada conforme

a Equação 7 (GOLD; OPPENHEIM; RADER, 1969; QIU et al., 2014b):
7( ) = 89 : ( ) + ; : ( ), (7)
onde 9( ) e ;( ) são, respectivamente, o valores absolutos de fase I e de

quadratura Q oriundos da Transformada de Hilbert (OPPENHEIM; SCHAFER,
1975).
Como exemplo, na Figura 13 são ilustrados os esquemas simplificados
de demodulação para o método de imagem por US, em termos do método de
demodulação analógico tradicional (Figura 13(a)) e o método de demodulação
digital (Figura 13(b)), onde o sinal de eco é adquirido diretamente pelo ADC (QIU
et al., 2014a). Os blocos FPB e S/H representam as funções de filtro passa-baixa
e amostragem e retenção (sample and hold), respectivamente.
cos(2π.f0.t )
Transdutor I
X FPB S/H ADC
(a)
Q
X FPB S/H ADC
Amplificador
sen(2π.f0.t )
Transdutor
I
FPB
Transformada
(b) ADC de Hilbert Q
FPB
Amplificador
Processamento digital
Figura 13 – Exemplos de esquemas de demodulação. (a) Demodulação analógica

convencional. (b) Método de demodulação em quadratura por Transformada de Hilbert.
Fonte: Adaptado de Qiu et al. (2014a).
2.5.7 Compressão logarítmica
Como a variação na amplitude dos dados de RF é relativamente alta,

caso a mesma imagem fosse mapeada linearmente para uma imagem de escala
de cinza, por exemplo com oito bits, muitas estruturas importantes do tecido
40
poderiam apresentar valores de imagem muito baixos. Sendo assim, a presença

de pontos de amplitude muito alta ofusca os sinais menores. Dessa maneira, a
fim de obter um equilíbrio e adequar a faixa dinâmica à visualização, os valores
de amplitude são mapeados não linearmente por uma função de aparência
logarítmica que ajusta o intervalo dinâmico e, consequentemente, melhora o
contraste da imagem (WIKISONIX, 2013). Geralmente, as imagens de US são
apresentadas com faixa dinâmica entre -30 a -50 dB (JENSEN et al., 2005; BONI
et al., 2012).
41
3 MATERIAIS E MÉTODOS
Neste capítulo são apresentadas as especificações de requisitos e as

ferramentas empregadas durante a modelagem, implementação e validação dos
módulos que compõem a cadeia de processamento de US embarcada em FPGA
para reconstrução de imagem.
3.1 ESPECIFICAÇÃO DE REQUISITOS
Para a modelagem e implementação do sistema de processamento de

sinais de US foi definida inicialmente a especificação de requisitos. Esta
especificação é apresentada na Tabela 2 com as definições dos principais
parâmetros para processamento dos sinais de RF para reconstrução de imagem.
Tabela 2 – Especificação de requisitos do modelo de processamento.
Item Especificação
1 Utilização dos sinais de RF adquiridos pelo sistema ULTRA-ORS
2 Emprego do kit comercial de desenvolvimento DE4-230 com a FPGA Intel Stratix IV
3 Modelagem através da ferramenta DSP Builder no Simulink
Reconstrução baseada no transdutor matricial convexo AT3C52B (BROADSOUND
4
CORP., TAIWAN) de 128 elementos
5 Abertura de transmissão e recepção de oito canais
6 Processamento de 121 scanlines com comprimento de 2046 words
7 Frequência de amostragem de 40 MHz e resolução de 12 bits
8 Filtro passa-baixa de entrada com frequência de corte de 8 MHz
9 Fator de interpolação < = = (resolução temporal de 6,25 ns)
10 Aplicação da técnica beamforming com o método DAS
11 Ajuste de atraso de focalização com profundidade de 25 mm
12 Aplicação das apodizações Retangular, Gaussiana, Hamming e Hanning
13 Fator de decimação de < = = após o DAS
14 Demodulação utilizando uma aproximação da Transformada de Hilbert
15 Detecção de envoltória a partir dos componentes I e Q
16 Compressão logarítmica de -30 e -50 dB
Utilização do analisador lógico SignalTap II do software Quartus II para aquisição de
17
sinais processados pela FPGA
18 Correção de varredura para geração de imagem final de US através do software Matlab
42
3.2 ENGENHARIA DIRIGIDA A MODELOS
A metodologia adotada neste trabalho de pesquisa foi exploratória

experimental utilizando a técnica de Engenharia Dirigida a Modelos (MDE -
Model Driven Engineering). Nesta abordagem, são utilizados modelos com
diferentes níveis de abstração que representam sistemas como elementos
principais do desenvolvimento. Com isso, é possível melhorar a compreensão
do problema, bem como facilitar a manutenção e evolução do sistema,
melhorando a depuração e possibilitando a identificação de erros durante a fase
do desenvolvimento. Também viabiliza a reutilização de códigos, diminuindo o
tempo gasto no desenvolvimento e, consequentemente, o custo final da
aplicação (BRANCO et al., 2011; GIRON, 2015). A utilização do MDE permite a
transformação de modelos (ESTEVEZ; MARCOS, 2012; GIRON, 2015),
realizando um ciclo metodológico conforme ilustrado na Figura 14.
Modelo independente de computação

Validação e modelo baseado em
Transformação de Modelo
Engenharia Reversa
Refinamento
Modelo independente de plataforma
Modelo específico de plataforma
Código fonte C/C++, VHDL, etc.
Figura 14 – Ciclo metodológico do MDE com a aplicação de ferramentas específicas para

transformação de modelos em nível de registradores sintetizáveis.
Fonte: Adaptado de Giron (2015).
43
3.2.1 Simulink
O Simulink (MATHWORKS, EUA) é uma ferramenta para modelagem,

simulação e análise de sistemas dinâmicos integrada ao software de cálculo
numérico Matlab. Tal programa possibilita uma abordagem MDE para
desenvolvimento de dispositivos embarcados, apresentando como principais
vantagens sua linguagem de modelagem de fluxo de dados que permite a
simulação, geração automática de código e verificação de sistemas
(MATHWORKS, 2013; STEPHAN; ALALFI; CORDY, 2014). Dessa forma, o
Simulink foi empregado como a ferramenta de desenvolvimento com maior nível
de abstração, responsável pela transformação dos modelos necessários para
este trabalho. De forma complementar, foi utilizada a ferramenta DSP Builder
(INTEL CORP., EUA) para geração dos códigos HDL correspondentes à
modelagem do sistema de processamento.
3.2.2 DSP Builder
O DSP Builder realiza o próximo passo do MDE que é a transformação

para o modelo específico de plataforma. A ferramenta consiste de um conjunto
de blocos padrões e avançados que permite a geração automática e rápida de
códigos HDL para algoritmos DSP de elevado desempenho, através da
abstração do projeto do sistema digital no nível RTL (Register-Transfer Level), a
partir da modelagem realizada no Simulink.
A ferramenta converte os modelos projetados em códigos VHDL de
baixo nível, otimizados e direcionados para as FPGA da Intel, através de
conexão direta entre a combinação do Matlab e blocos do Simulink com o
software de desenvolvimento Quartus II (INTEL CORP., EUA). Com isso, é
possível simular e validar a aplicação desenvolvida. Na sequência, o sistema é
convertido para o domínio de descrição de hardware, o qual modela o circuito
digital síncrono, em termos de fluxo dos sinais digitais entre os registradores de
hardware e operações lógicas realizadas nesses sinais (INTEL CORP., 2017).
44
3.3 FUNÇÃO DE CUSTO NRMSE
Para avaliação quantitativa dos principais blocos do modelo proposto

neste trabalho em comparação com as funções implementadas no Matlab, foi
adotada a função de custo da raiz quadrada do erro quadrático médio
normalizado NRMSE (Normalized Root Mean Squared Error).
Segundo a literatura científica, o modelo é considerado excelente com
NRMSE menor que 10%, bom para NRMSE maior que 10% e menor que 20%,
justo para o NRMSE maior que 20% e menor que 30%, e pobre caso o NRMSE
seja maior que 30% (JAMIESON; PORTER; WILSON, 1991; DETTORI et al.,
2011).
O cálculo da NRMSE é apresentado na Equação 8:
∑B (( − >( ): )
&# >7 = ?@ G ∗ 100,
( (
∑B CD − E F
:
( (
(8)
onde 5 é o índice da amostra, ( é a amostra do modelo, >( é a amostra de

referência e é a média das amostras do modelo.
3.4 FERRAMENTAS DE PROGRAMAÇÃO E VALIDAÇÃO
3.4.1 Software Quartus II
De forma geral, cada fabricante de dispositivo de lógica reconfigurável

também disponibiliza as respectivas ferramentas de desenvolvimento e
programação. O Quartus II é a ferramenta oficial da Intel para o desenvolvimento
de projetos utilizando os componentes FPGA, SoC (System-on-Chip), CPLDs
(Complex Programming Logic Devices) e PowerSoCs (SoC de alto
desempenho). A versão atual do software é o Quartus II 16 (Prime), sendo
disponibilizado nas versões de avaliação – com número limitado de
funcionalidades – e completa, sendo esta paga. Entretanto, foi utilizada uma
45
licença do Programa Universitário da Intel, disponível no LUS da UTFPR para

utilização da versão completa do software no meio acadêmico.
3.4.1.1Analisador Lógico SignalTap II
O software Quartus II possui a ferramenta integrada analisador lógico

SignalTap II que permite capturar, depurar e exportar os sinais gerados por
qualquer FPGA, em tempo real, sem utilizar pinos extras de entrada e saída e
sem o uso de equipamentos externos. A desvantagem é que esta depuração
exige recursos do dispositivo, uma vez que todos os dados de sinal capturados
são convenientemente armazenados na memória interna do dispositivo (INTEL
CORP., 2016).
3.5 KIT COMERCIAL DE DESENVOLVIMENTO DE4-230
Devido à complexidade das etapas de processamento digital do

beamforming de recepção para geração de imagem por US Modo B, foi
imprescindível a adoção de um kit de FPGA para o desenvolvimento deste
trabalho. Dessa forma, foi utilizado o sistema DE4-230 Development and
Education Board, produzido pela empresa Terasic Inc. (Taiwan), em parceria
com a Intel, e disponível no LUS da UTFPR.
A placa DE4-230 (Figura 15) representa uma plataforma de hardware
projetada para aplicações de pesquisa que exigem maior desempenho,
conectividade serial, e interface avançada para memórias. O kit, comercializado
ao preço de U$ 2.9955 possui uma FPGA Stratix IV GX EP4SGX230KF40C2
com 228.000 elementos lógicos, 744 pinos livres de entrada/saída, até 17,2 Mbits
de memória RAM e 1024 multiplicadores de 18x18 bits.
5 Valor pesquisado em 20 de março de 2017 (TERASIC TECH., 2017).

46
Figura 15 – Fotografia da placa de desenvolvimento DE4-230 com a FPGA Stratix IV.

Fonte: Terasic Tech. (2017).
3.6 PLATAFORMA DE PESQUISA ULTRA-ORS E PHANTOM DE US PARA

TESTES
O protótipo completo do sistema ULTRA-ORS desenvolvido na UTFPR

é mostrado na Figura 16(a) e Figura 16(b), nas disposições frontal e traseira,
respectivamente.
(a) (b)
Figura 16 – Fotografias da plataforma de bancada ULTRA-ORS. (a) Foto frontal. (b) Foto
traseira com transdutor matricial convexo conectado.
Fonte: Assef (2013).
47
O módulo eletrônico lógico para formação do feixe possibilita excitação

simultaneamente de 128 canais com formas de ondas arbitrárias, abertura
programável, e tensão de excitação de até 200 Vpp (Tensão pico-a-pico),
permitindo controle individual de habilitação, amplitude de apodização com até
256 níveis, ângulo de fase e atraso temporal de disparo adequado para
focalização na transmissão (ASSEF, 2013).
O módulo de recepção realiza a aquisição simultânea de 128 canais com
acesso e transferência dos dados de RF digitalizados para um PC através de
interfaces seriais para processamento das imagens. Entretanto, a latência na
transferência de dados via a interface serial emulada, com taxa máxima de
1 Mbps (Mbit por segundo), somando ao tempo de processamento das rotinas
do MATLAB, inviabilizam a pesquisa de geração de imagens em tempo real.
Neste trabalho, os dados brutos de RF foram capturados pelo sistema
ULTRA-ORS utilizando um phantom mimetizador de tecidos biológicos de uso
geral modelo 84-317. Os principais parâmetros do phantom são o coeficiente de
atenuação e a velocidade do som, especificados em 0,5 dB/cm/MHz e 1540 m/s
± 6 m/s, respectivamente (Victoreem Inc., 1993). Na Figura 17 é apresentado o
conjunto formado pelo phantom, transdutor multielemento AT3C52B, acrílico
para suporte do transdutor e a ROI tracejada. Na Figura 18 é apresentada a
ampliação dos pontos alvos da ROI avaliada neste trabalho.
48
Transdutor
Suporte de
Acrílico
ROI
Phantom de US
Figura 17 – Phantom mimetizador de tecidos biológicos utilizado para avaliação do trabalho.
Figura 18 – Ampliação da ROI no phantom de US com seus respectivos pontos alvos avaliados
neste trabalho.
3.7 DIAGRAMA EM BLOCOS DO SISTEMA PROPOSTO
Para melhor entendimento deste trabalho, a Figura 19 ilustra o diagrama

em blocos do sistema de modelagem, implementação e validação das etapas de
processamento de sinais para reconstrução de imagens por US, composto por:
plataforma de pesquisa ULTRA-ORS, transdutor matricial convexo AT3C52B,
phantom de US, PC com interfaces USB e kit de FPGA DE4-230.
49
Figura 19 – Diagrama em blocos do sistema de modelagem, implementação e validação das

etapas DSP para reconstrução de imagem por US.
Na Figura 20 é apresentada a foto do microcomputador Dell Inspiron

3647 com processador Intel Inside CORE i5, memória RAM de 4 GB, HD de
1 TB, além da placa de desenvolvimento DE4-230. Na tela do PC são
exemplificadas a aquisição dos sinais processados através do SignalTap II e a
uma imagem em Modo B resultante do processamento proposto.
Figura 20 – Foto do PC com exemplos de telas de aquisição e processamento, e kit DE4-230.
3.8 IMPLEMENTAÇÃO DO MODELO PROPOSTO
Este tópico descreve os detalhes de implementação das etapas

necessárias para desenvolver o modelo proposto e definir os parâmetros
necessários. O projeto foi, primeiramente, modelado e simulado no ambiente
Simulink, e então implementado e testado no kit FPGA integrado. O projeto
completo do sistema DSP baseado em FPGA para a geração de imagem por US
50
é apresentado no Apêndice A. Para a conversão de varredura e apresentação

final dos resultados da reconstrução da imagem, utilizaram-se rotinas
desenvolvidas no software Matlab.
O modelo de processamento digital de reconstrução de imagem foi
desenvolvido com o auxílio da biblioteca Altera DSP Builder Standard Blockset
(Figura 21) desenvolvida pela Intel em seu pacote DSP Builder integrado ao
Simulink.
Figura 21 – Janela do ambiente Simulink com a biblioteca Altera DSP Builder Standard
Blockset.
3.8.1 Configurações iniciais
Anterior ao desenvolvimento do diagrama de blocos do processamento

de sinal beamforming, são adicionados os blocos de configuração que relaciona
o projeto com o modelo de FPGA para geração de síntese. Nos tópicos seguintes
estão descritas as configurações necessárias.
51
3.8.1.1Bloco Device
O bloco “Device” marca um subsistema Simulink específico com o tipo

do dispositivo FPGA para síntese do projeto. Com a inserção do bloco, o DSP
Builder gera os arquivos de projeto e rotinas de algoritmos que se relacionam
com um nível de hierarquia. Todos os blocos em subsistemas abaixo deste nível
tornam-se parte do projeto RTL e todos os blocos acima deste nível de hierarquia
tornam-se parte do testbench6 (INTEL CORP., 2016). A Tabela 3 mostra os
controles e parâmetros para o bloco do dispositivo para a realização do projeto.
Tabela 3 – Parâmetros de configuração do bloco “Device”.
Parâmetro Especificação
Família do Dispositivo Stratix IV
Dispositivo Stratix IV GX
Membro da família EP4SGX230KF40C2
Grau de velocidade 2
3.8.1.2Bloco Signal Compiler
O bloco “Signal Compiler” tem como função compilar o modelo e gerar

os arquivos HDL. Após a geração dos códigos em VHDL, o software Quartus II
realiza a síntese para posterior gravação no kit com FPGA Intel. A Tabela 4
relaciona os parâmetros para o bloco.
Tabela 4 – Parâmetros de configuração do bloco “Signal Compiler”.
Família Stratix IV
Dispositivo EP4SGX230KF40C2
6 Testbench: Ambiente (geralmente virtual) usado para verificar a correção ou integridade de

um projeto ou modelo de um produto de software.
52
3.8.1.3Bloco Clock
O bloco de “Clock” no nível superior de um projeto serve para definir o

domínio de clock (ciclo) de hardware. A Tabela 5 lista os parâmetros para a
configuração do bloco “Clock”.
Tabela 5 – Parâmetros de configuração do bloco “Clock”.
Período de Clock 20
Unidade do Período ns
Tempo de amostragem Simulink 20e-9
Nome do Reset aclr
Tipo de Reset Atcive Low
3.8.1.4Bloco PLL
O bloco “PLL” (Phase-Locked Loop) gera um ou mais sinais de clock

baseado em uma fonte de referência, frequentemente o oscilador de cristal
(WANG et al., 2015).
Realiza-se a configuração inicial do “PLL” com quatro saídas de clock.
Na Tabela 6 é mostrada a configuração para gerar os clocks de 40, 50, 80 e
160 MHz, respectivamente, e a nomenclatura utilizada no projeto.
Tabela 6 – Parâmetros de configuração do bloco “PLL”
Configuração Resultado
Período Período Período Frequência
Nome
Multiplicador Multiplicador (ns) (MHz)
PLL_clk0 1 1 20 50
PLL_clk1 5 4 25 40
PLL_clk2 5 8 12,5 80
PLL_clk3 5 16 6,25 160
53
3.8.2 Bloco Sinal RF
Os dados brutos de entrada contêm 121 scanlines, sendo cada uma com
oito canais – devido ao número de abertura selecionado – e 2046 amostras. Os
mesmos foram divididos em 4 matrizes (com [30 30 30 31] scanlines x 8 canais)
armazenadas em oito memórias (tipo M9k) de 65536 x 14 bits para serem
processadas individualmente devido à capacidade da FPGA. A entrada de dados
dos oito canais ocorre paralelamente. A Figura 22 exemplifica os subsistemas
“Dados_Entrada”, contendo os blocos de memórias com os sinais brutos de US
que são enviados simultaneamente para a etapa de processamento “Filtro FIR”.
Figura 22 – Implementação dos dados de entrada com oito canais armazenados em memórias
individuais.
Cada canal tem uma memória dedicada para armazenamento dos dados
brutos e um contador na frequência de 40 MHz para acesso aos dados da
memória, além de um pino de sincronismo. Sendo assim, foram criados oito
subsistemas contendo os blocos indicados na Figura 23 e respectivas
configurações na Tabela 7.
54
Figura 23 – Detalhe do subsistema “Dados de Entrada”.
Tabela 7 – Especificações do subsistema “Dados de Entrada”.
Bloco Parâmetro Especificação

Tipo do barramento Inteiro sinalizado
Counter Número de bits [16]:[ ]
Clock PLL_clk1 (25 ns)
Número de words 2^16
Tipo de dados Inteiros sinalizados
ROM Número de bits [14]:[ ]
Tipo do Bloco de Memória M9K
Matriz Matlab “dados_de_ entrada”
Comparator Operador a==b
Valor 2
Constant Tipo de barramento Inteiro não sinalizado
Número de bits [2]:[ ]
Tipo de barramento Único bit
Output
Tipo externo Inferido
A Figura 24 ilustra os dados brutos de entradas de oito canais referentes

à scanline central 61 (canais de 61 a 68) armazenados em memória.
55
Sinais brutos de RF com abertura de oito elementos

2048
-2048
2048
-2048
2048
-2048
2048
Amplitude
-2048
2048
-2048
2048
-2048
2048
-2048
2048
-2048
1024 2046
Amostras
Figura 24 – Sinais brutos de RF com abertura de oito elementos para formação da scanline 61.
3.8.3 Bloco Filtro Digital FIR
Nesta seção é apresentado o projeto do filtro digital FIR passa-baixa

implementado em FPGA, como a primeira etapa de processamento de sinais
brutos de US. O projeto e avaliação do filtro digital foi realizado com o auxílio da
ferramenta de projeto e avaliação de filtros digitais FDATool, disponibilizada no
Matlab. Os parâmetros especificados para o projeto do filtro constam na Tabela
8.
56
Tabela 8 – Especificação do filtro digital FIR.
Frequência de amostragem - Fs 40 MHz
Tipo de resposta Passa-baixa
Método do projeto FIR - Generalized Equiripple
Ordem do Filtro 15
Fator de Densidade 20
Frequência da banda passante – Fpass 3,2 MHz
Frequência da banda de parada – Fstop 8,0 MHz
Atenuação na banda passante – Apass -1 dB
Atenuação na banda de parada – Astop -50 dB
Fonte: Assef et al. (2016).
A partir da definição dos parâmetros, utilizou-se a ferramenta FDATool

para cálculo dos coeficientes de filtragem, resultando em um filtro com resposta
ao impulso simétrica de 16 coeficientes indicados na Tabela 9 com precisão do
tipo double (64 bits).
Tabela 9 – Coeficientes simétricos de filtragens calculados no FDATool.
Nº do Nº do
Coeficiente obtido Coeficiente obtido
Coeficiente Coeficiente
1 -0,00805246535535765 9 0,24892007978955700
2 -0,02031883006153170 10 0,19336131713264000
3 -0,02880053432836590 11 0,10853961742278900
4 -0,01643518329923500 12 0,03036968142921930
5 0,03036968142921930 13 -0,01643518329923500
6 0,10853961742278900 14 -0,02880053432836590
7 0,19336131713264000 15 -0,02031883006153170
8 0,24892007978955700 16 -0,00805246535535765
As respostas em frequência da magnitude, fase e resposta ao impulso

são apresentadas, respectivamente, na Figura 25, Figura 26 e Figura 27.
57
Resposta em Magnitude
-10
-20
Magnitude(dB)
-30
-40
-50
-60
-70
0 2 4 6 8 10 12 14 16 18
Frequência(MHz)
Figura 25 – Resposta em frequência da magnitude do filtro FIR obtida com a ferramenta

FDATool no Matlab.
Resposta de Fase
0
-2
Magnitude(dB)
-4
-6
-8
-10
0 2 4 6 8 10 12 14 16 18
Fase(Radianos)
Figura 26 – Resposta de fase do filtro FIR obtida com a ferramenta FDATool no Matlab.
Resposta Ao Impulso
0.25
0.2
0.15
Amplitude
0.1
0.05
0 50 100 150 200 250 300 350

Tempo (nano segundos)
Figura 27 – Resposta ao impulso do filtro FIR obtida com a ferramenta FDATool no Matlab.
58
O filtro FIR passa-baixa foi implementado em oito canais paralelos

(Figura 28) relacionados aos oito elementos da abertura sintética. Cada canal
recebe os dados do bloco “Sinal RF” e tem entrada em um subsistema
(FPB_FIR_[1 a 8]), onde é processado. Os sinais de saída são enviados para o
bloco “Interpolação”.
Figura 28 – Diagrama em blocos com o filtro FIR de oito canais.
O filtro proposto possui ordem par e uma resposta de impulso simétrica

(Figura 27). Este fato foi explorado a fim de reduzir ainda mais a complexidade
computacional do sistema. O modelo do subsistema que contém o filtro FIR
discreto é apresentado na Figura 29. Em sequência, apresentam-se os
parâmetros de configurações dos blocos utilizados na Tabela 10. Ressalta-se a
otimização na quantidade de multiplicadores, aproveitando a simetria dos
coeficientes de entrada, utilizando apenas oito multiplicadores para 16
coeficientes importados da área de trabalho do Matlab.
59
Figura 29 – Modelo do subsistema “Filtro FIR” com aproveitamento de simetria dos coeficientes
para redução de multiplicadores.
60
Tabela 10 – Especificações de configuração dos componentes que compõem o filtro FIR.
Componente Parâmetro Especificação

Tipo do Barramento Inteiro sinalizado
Multiplier Número de bits de entrada [14]:[0]
Número de estágios pipeline 1
Constant Valor da constante Simple_LPF_coffs(1 a 8)
Tipo do Barramento Fracionário sinalizado
AltBus Número de bits [15]:[3]
Saturar saída Ativado
3.8.4 Bloco Interpolação Cascaded Integrator-Comb
A interpolação CIC foi implementada em oito canais paralelos (Figura

30) relacionados aos oito elementos da abertura sintética. Cada canal recebe os
dados do “Filtro Passa-baixa” pela entrada do subsistema “Interpolacao_[1 a 8]”,
onde é processada a interpolação projetada e tem saída para o bloco “Atraso
Variável”.
Figura 30 – Diagrama em blocos com a Interpolação de oito canais.

61
Esta seção apresenta considerações de projeto para filtros de

interpolação CIC com a utilização da técnica SRC para DSP na conversão dos
sinais amostrados em 40 MHz para 160 MHz.
O filtro de interpolação CIC é implementado com quatro diferenciadores
(seção comb), consequentemente quatro integradores, e entre eles um bloco flip-
flop tipo D para alteração da taxa de amostragem, como é apresentado na Figura
31. A especificação interna de cada item que compõe a interpolação encontra-
se na Tabela 11.
Figura 31 – Modelo do subsistema “Interpolação” com fator R = 4, implementado com quatro

integradores e quatro diferenciadores.
62
Tabela 11 – Especificações de configuração dos componentes que compõem a interpolação.
Componente Parâmetro Especificação

Número de bits 20
Differentiator
Profundidade 1
Número de bits 20
Integrator
Profundidade 1
UP Sampling Taxa de aumento 4
Número de estágios Pipeline 1
Multi-Rate DFF
Nome do Clock PLL_clk3 (6.25 ns)
Número de bits [15]:[3]
AltBus
Saturar saída Ativado
3.8.5 Bloco Atraso Variável
O “Atraso Variável” foi implementado em oito canais paralelos (Figura

32) relacionados aos oito elementos da abertura sintética. Cada canal recebe os
dados da Interpolação e tem entrada em um subsistema “Atraso_Variavel_[1 a
8]”, que também recebe os coeficientes de atraso, onde é processado o atraso
variável no subsistema “Delay_Block”. O sinal processado segue para a etapa
de “Apodização”.
Com base no trabalho de Assef (2013), considerando a geometria do
transdutor AT3C52B e focalização simétrica em relação ao eixo z com
profundidade de 25 mm, foi traçado um perfil temporal de atraso utilizando a
biblioteca de simulação de campo acústico Field II (JENSEN, 1996) no Matlab,
resultando na Figura 33. Também são destacados os valores temporais para a
abertura sintética de oito elementos.
63
Figura 32 – Diagrama em blocos do Atraso Variável de oito canais com entrada dos ciclos de
atraso.
-0.1847
Atraso de tempo de focalização [ µs ]
-0.1961
-0.2189
Perfil Temporal de Focalização

-0.253
1 2 3 4 5 6 7 8
Número de elementos (Abertura)
Figura 33 – Perfil temporal de focalização em 25 mm para abertura com 8 elementos do

transdutor AT3C52B.
A partir dos tempos de atraso individuais de focalização, calculou-se uma

aproximação em ciclos de clock da FPGA com resolução de 25 ns (Figura 34) e
6,25 ns (Figura 35).
64
Ciclos de atraso de focalização
Foco=25[mm] fs = 40 MHz
1
1 2 3 4 5 6 7 8
Figura 34 – Perfil de focalização com ciclos de clock de 40 MHz.
11
10
Ciclos de atraso de focalização
Foco=25[mm] fs = 160 MHz

1
1 2 3 4 5 6 7 8
Figura 35 – Perfil de focalização com ciclos de clock de 160 MHz.
Na Figura 36 são apresentados os valores de ciclos de clock da FPGA,

com resolução de 6,25 ns, atribuídos ao subsistema “Delay_Block” que contém
os blocos com os valores das constantes importadas da área de trabalho do
Matlab. A Tabela 12 indica os parâmetros de configuração dos blocos do
subsistema “Delay”.
65
Figura 36 – Detalhe do subsistema “Delay_Block” em ciclos de clock.
Tabela 12 – Especificações de configuração dos componentes do subsistema “Delay_Block”.
Bloco Especificação Parâmetro

Constant Valor ciclos_atraso_interp_8e([1 a 8],1)
O modelo final é formado por oito blocos de atraso, sendo um para cada
canal. Em cada bloco foi incluído um subsistema “Variavel_Atraso”, e um
componente "Dual-Port RAM". Esta etapa utiliza memórias embarcadas para
implementar registradores de deslocamento. Na Figura 37 é ilustrado o diagrama
de blocos do subsistema “Atraso_Variavel” e na Tabela 13 as especificações
individuais de cada componente.
Figura 37 – Modelo do Subsistema “Atraso_Variável” implementado em memória com contador

para gravação e atraso no contador para leitura da memória.
66
Tabela 13 – Especificações de configuração dos componentes da etapa “Atraso_Variável”.

Tipo do Barramento Inteiro não sinalizado
Clock PLL_clk3 (6.25 ns)
Increment Sentido Incremento

Decrement Número de Bits [8].[ ]
Valor inicial 0
Seleção de fase do Clock 1
Número de palavras 256
Tipo do bloco de memória M9K
Dual-Port
Seleção de fase do Clock 1
RAM
Tipo de dados Inferido
Inicialização Em Branco
VCC Fornece um valor constante de um bit de 1
Atraso Variável - Subsistema
O subsistema “Atraso_Variavel_mux”, apresentado na Figura 38 de

forma resumida com apenas 4 atrasos para melhor visualização, é responsável
por selecionar o atraso aplicado ao sinal a partir dos sinais de seleção do
multiplexador que recebe os valores das constantes de atraso em ciclos de clock
(o sistema desenvolvido suporta 64 ciclos). Na Tabela 14 estão relacionados os
parâmetros de configuração dos blocos que compõem o subsistema.
Figura 38 – Fragmento do subsistema “Atraso_Variavel_mux” para determina o atraso de clock.

67

“Atraso_Variavel_mux”.

Tipo dos Dados Inferido
Atraso Números de estágios do pipeline 1 a 63
Tipo do bloco de memória Automático
Número de linha de entrada de dados 64
Números de estágios do pipeline 0
Multiplexador
Permitir sobreposição de ponto
(Ativado)
flutuante para este bloco
3.8.6 Bloco Apodização
O bloco “Apodizacão” foi implementado em oito canais paralelos (Figura

39), relacionados aos oito elementos da abertura sintética. Cada canal recebe
os dados do “Atraso Variável” e tem entrada em um subsistema “Apodizacao_[1
a 8]”, que também recebe os coeficientes de apodização (Figura 41). O sinal
processado segue para a etapa de “Somatório Coerente”.
Figura 39 – Implementação da Apodização em oito canais com respectivos coeficientes.

68
O subsistema “Apodização” relaciona os coeficientes de apodização

adequados aos janelamentos Retangular, Gaussiana, Hamming e Hanning, que
são selecionados a partir de duas chaves seletoras (Figura 40). A primeira opção
é com o janelamento retangular (chaves > = 0 e >: 0). Para a utilização de
outros coeficientes do janelamento, como por exemplo, Gaussiana, altera-se a
posição das chaves seletoras para > 1 e >: 0, atualizando-se os
coeficientes do subsistema “Apodização” (Figura 41). Para isso, foram incluídos
oito blocos multiplexadores. No caso do kit de FPGA, foram utilizadas duas
chaves do tipo slide.
Figura 40 – Detalhe das chaves seletoras para escolha dos coeficientes de apodização.
Figura 41 – Modelo do subsistema de seleção de apodização por multiplexadores

69
Os coeficientes das janelas de apodização para abertura de oito

elementos estão relacionados na Tabela 15 com suas respectivas funções em
Matlab, assim como a posição das chaves seletoras.
Tabela 15 – Posição das chaves seletoras para seleção dos coeficientes para as técnicas de
apodização Retangular, Gaussiana, Hamming e Hanning com abertura de oito elementos.
Chave Seletora
Janela Função no Matlab
S2 S1
0 0 Retangular I JKLM(N, O);
0 1 Gaussiana I QRSMMITK(O);
1 0 Hamming I URVVTKQ(O);
1 1 Hanning I URKK(O, ′XYVVLZ[T\′ );
A partir dos dados calculados pelas funções no Matlab, é apresentado

na Figura 42 o comparativo entre os perfis dos coeficientes normalizados das
janelas de ponderação para abertura de oito elementos ativos.
Janelas de Apodização
Retangular
0.8 Gaussiana
Hamming
Hanning
Amplitude
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8
Índice de coeficientes
Figura 42 – Resultados simulados para as técnicas de apodização Retangular, Gaussiana,

Hamming e Hanning para abertura de oito elementos ativos.
3.8.6.1Subsistema Apodização referente a cada canal
O subsistema “Apodizacao” realiza a multiplicação do sinal de entrada

pelo coeficiente da janela de apodização selecionada, referente a cada canal.
70
Na Figura 43 está representado o modelo do subsistema com entrada do sinal

(AV_in_[1 a 8]), entrada do coeficiente de apodização (Coef_Apo_in_[1 a 8]) e
saída (APO_out_[1 a 8]) com o resultado da multiplicação. A especificação
interna de cada item que compõe a “Apodizacao” encontra-se na Tabela 16.
Figura 43 – Modelo do subsistema “Apodizacao” implementado com multiplicador.
Tabela 16 – Especificações de configuração dos componentes do subsistema “Apodizacao”.

Tipo de barramento Fracionário Sinalizado
Multiplier Entrada Número de bits [15] : [3]

Número de estágio Pipeline 1
3.8.7 Bloco Somatório Coerente
O bloco “Somatório Coerente” foi implementado em oito canais paralelos

(Figura 44), relacionados aos oito elementos da abertura sintética. Todos os
canais recebem dados do bloco “Apodização”, têm entradas no subsistema
“Somatorio_Coerente” e uma saída que segue para o bloco “Decimação”. O
detalhe interno do subsistema está indicado na Figura 45. Foi incluído um bloco
de ganho (“Gain”) de fator 0,125 (1/8) para condicionar a saída do bloco em 15
bits na parte inteira e 3 bits fracionários.
71
Figura 44 – Implementação do bloco “Somatório Coerente” de oito canais.
Figura 45 – Detalhe interno do modelo do subsistema “Somatorio_Coerente” implementado.
3.8.8 Bloco Decimação
O bloco “Decimação” foi implementado em um subsistema (Figura 46)

que recebe o sinal do bloco “Somatório Coerente”, com uma saída para o bloco
“Demodulação”. O detalhe interno do subsistema está indicado na Figura 47 e
os parâmetros de configuração são apresentados na Tabela 17.
72
Figura 46 – Implementação do Bloco subsistema “Decimação”.
Figura 47 – Modelo do bloco de “Decimacao” implementado com flip-flop.
Tabela 17 – Especificações de configuração dos componentes da etapa de “Decimacao”.

Número de estágios Pipeline 1
Multi-taxa DFF Nome do Clock PLL_clk1 (25 ns)
Tipo do Bloco de Memória Automático
3.8.9 Bloco Demodulação
O bloco “Demodulação” foi implementada em um subsistema (Figura 48)

que recebe o sinal do bloco “Decimação”, com uma saída para “Compressão
Logarítmica”. O detalhe deste bloco é apresentado na Figura 49 indicando a
separação em dois blocos: “Transformada_Hilbert” e “Detecção_de_Envelope”.
73
Figura 48 – Bloco subsistema “Demodulação”.
Figura 49 – Modelo do subsistema “Demodulação” com os blocos “Transformada_Hilbert” e

“Detecção_de_Envelope”.
O método proposto para o subsistema “Transformada_Hilbert” (Figura

50) explora tanto a simetria ímpar negativa como os coeficientes de valor zero
alternados na resposta ao impulso do filtro FIR com 33 coeficientes. Desta forma,
são gerados os componentes I e Q.
74
Figura 50 – Modelo do subsistema “Transformada_Hilbert” implementado utilizando simetria de

coeficientes, bem como os coeficientes de valores nulos.
Após a Transformada de Hilbert, os sinais I e Q foram elevados ao

quadrado e somados utilizando o bloco “Multiply_Add”. O resultado da operação
foi otimizado em 32 bits e aplicado ao bloco “Square Root” para computação do
75
envelope do sinal (Figura 51). Na Tabela 18 estão relacionados os parâmetros

de configuração do subsistema “Detecção_de_Envelope”.
Figura 51 – Detalhe interno do modelo do subsistema “Detecção de Envelope” implementado.
Tabela 18 – Especificações de configuração dos componentes da etapa de “Detecção de

Envelope”.

Número de multiplicadores (2 - 4) 2
Tipo de Barramento Fracionário sinalizado
Entrada Número de bits [15] : [3]
MultiplyAdd Modo adicionador add add
Entradas multiplicador
Registro pipeline
e adicionador
Usar circuitos dedicados Selecionado
Número de entrada (bits) 32
Square Root
Número de estágio pipeline 0
Número de atrasos pipeline 1
Delay
Seleção fase de clock 1
3.8.10Bloco Compressão Logarítmica
O bloco “Compressão Logarítmica” foi implementado em um subsistema

que recebe o sinal do bloco “Demodulação” e fornece uma saída para o
processamento de conversão de varredura que é realizado através de algoritmo
no Matlab, conforme mostrado na Figura 52.
76
Figura 52 – Implementação do Bloco subsistema “Compressão Logarítmica”.
A resolução da tabela de conversão logarítmica foi definida em 11 bits (0

a 2047 pontos) devido à análise de amplitude do sinal de entrada. A curva de
normalização está indicada na Figura 53. Após o cálculo, o valor é convertido
em Decibéis (dB), utilizando a Equação 9:
b(c)
]^ ( ) 20 . _`a Cb F, (9)
def
onde ( ) é o sinal de entrada e 1gb foi considerado como o valor máximo da

tabela logarítmica calculada anteriormente (2047). O projeto apresenta uma
flexibilidade em escolher a faixa dinâmica entre dois valores: -30 dB ou -50 dB.
A Figura 54 apresenta a curva de normalização em dB, limitada em -30, utilizada
para validação do projeto.
77
Tabela Logarítmica 11 bits

2000
1800
1600
1400
Log na base 10
1200
1000
800
600
400
200
0
200 400 600 800 1000 1200 1400 1600 1800 2000
Amplitude (0 a 2047)
Figura 53 – Tabela logarítmica com 2048 endereços (11 bits).
Tabela Logarítmica normalizada limitada em -30 dB

0
-5
-10
Log (dB)
-15
-20
-25
-30
200 400 600 800 1000 1200 1400 1600 1800 2000
Amplitude (0 -30)
Figura 54 – Tabela logarítmica normalizada com 2048 endereços e faixa dinâmica de -30 dB.
Na Figura 55 está indicado o diagrama em blocos do subsistema

“Compressão Logarítmica” e na Tabela 19 os parâmetros de configuração dos
blocos utilizados.
78
Figura 55 – Modelo do subsistema “Compressão Logarítmica” implementado utilizando LUT e

chave de seleção.
Tabela 19 – Especificações de configuração dos componentes da etapa de “Compressão

Logarítmica”.

Largura do endereço 11
Número de bits [9] : [8]
LUT
Matriz Matlab Tabel_log (área de trabalho)
Tipo de Bloco de Memória AUTO
Comparator Operador R < i
AltBus 1 Número de bits [11] : [0] (Saturado)
AltBus 1 Número de bits [6] : [8] (Saturado)
79
4 RESULTADOS
Neste capítulo são apresentados os resultados quantitativos e

qualitativos obtidos através de simulações e de forma experimental para
verificação e validação de cada módulo DSP que compõe o sistema proposto,
além do resultado final do processamento para reconstrução de imagem por US.
4.1 RESULTADO INDIVIDUAL DAS ETAPAS DE PROCESSAMENTO
4.1.1 Implementação do filtro digital FIR
A validação do projeto do filtro digital FIR resultou em um artigo

publicado no Congresso Brasileiro de Engenharia Biomédica, CBEB 2016
(ASSEF et al., 2016).
Na Figura 56, apresentam-se as respostas sobrepostas ao impulso do
filtro FIR gerado pelo FDATool e pelo modelo implementando neste trabalho. A
verificação gráfica foi realizada no Matlab com dados importados do ambiente
Simulink. Para isso, a entrada de dados dos multiplicadores foi alterada para
base 1s17 (um bit na parte inteira e 17 bits fracionários).
Validação do Filtro FIR
0.2
FDATool
Valor do Coeficiente
0.15 Modelo
0.1
0.05
2 4 6 8 10 12 14 16
Índice do coeficiente do Filtro FIR
Figura 56 – Validação do filtro FIR através da resposta ao impulso.

80
A avaliação quantitativa do bloco “Filtro Digital FIR” foi realizada através

da aplicação da função de custo NRMSE, comparando-se os sinais processados
pelo modelo e pelo bloco gerado automaticamente pelo FDATool e exportado
para o Simulink. Após o processamento, ambas as respostas foram exportadas
para a área de trabalho do Matlab, sendo computado a NRMSE. A Figura 57
apresenta o comparativo dos sinais gerados e sobrepostos com NRMSE igual a
0,03%.
NRMSE = 0.03 [%]

2000
Sinal de Saída FDATool
1500 Sinal de Saída Modelo
1000
500
Amplitude
-500
-1000
-1500
-2000
0 5 10 15 20 25 30 35 40 45 50
Tempo [µs]
Figura 57 – Comparação entre o sinal filtrado pelo modelo “Filtro Digital FIR” e pelo bloco
gerado pelo FDATool.
Apresentam-se também os resultados das simulações de dois sinais

com frequência de amostragem de 40 MHz no Simulink, além da implementação
prática para demonstração da viabilidade do filtro proposto para aplicações de
imageamento por US. O primeiro sinal (Figura 58) representa uma senoide com
frequência de 3,2 MHz somada a uma senoide com frequência de 8 MHz e
amplitude de 50% do sinal original, para simulação de ruído. Na Figura 58(a) é
apresentado o sinal resultante com ruído de alta frequência. Na Figura 58(b) e
Figura 58(c) são mostradas, respectivamente, as respostas geradas pelo
processamento no Simulink e adquirido da FPGA. O segundo sinal (Figura 59) é
formada pela resposta do primeiro elemento da linha de varredura 61 somada
ao mesmo sinal de ruído. Na Figura 59(a) é apresentado o sinal resultante da
soma com ruído de alta frequência. Na Figura 59(b) e Figura 59(c) são mostradas
as mesmas respostas da Figura 58, porém para o sinal real de US.
81
Sinal com ruído

2000
Amplitude
0 (a)
-2000
0 0.5 1 1.5 2 2.5 3 3.5
Sinal filtrado no Simulink
2000
Amplitude
0 (b)
-2000
0 0.5 1 1.5 2 2.5 3 3.5
Sinal filtrado na FPGA
2000
Amplitude
0 (c)
-2000
0 0.5 1 1.5 2 2.5 3 3.5
Tempo [µs]
Figura 58 – Comparação de filtragem do sinal senoidal com ruído. (a) Sinal de entrada com
ruído. . (b) Sinal processado no Simulink. (c) Sinal processado na FPGA
Sinal com ruído

2000
Amplitude
0 (a)
-2000
0 5 10 15 20 25 30 35 40
Sinal filtrado no Simulink
2000
Amplitude
0 (b)
-2000
0 5 10 15 20 25 30 35 40
Sinal filtrado na FPGA
2000
Amplitude
0 (c)
-2000
0 5 10 15 20 25 30 35 40
Tempo [µs]
Figura 59 – Comparação de filtragem do sinal de US real com ruído. (a) Sinal de entrada com
ruído. (b) Sinal processado no Simulink. (c) Sinal processado na FPGA.
Através dos resultados experimentais foi comprovada de forma

qualitativa e quantitativa o desempenho coerente do sistema, conforme as FFTs
apresentadas na Figura 60 e Figura 61. Na Figura 60 são apresentadas as FFTs
do sinal senoidal com ruído antes (Figura 60(a)) e após (Figura 60(b)) o
processamento do filtro na FPGA. Também são apresentadas na Figura 61(a) e
Figura 61(b) as mesmas análises para o sinal real de US. Pode ser observado
que na Figura 60 o componente de 8 MHz foi atenuado em mais de 55 dB após
a filtragem, enquanto que, na Figura 61, em aproximadamente 40 dB.
82
FFT do sinal senoidal com ruido - DE4

0
Magnitude (dB)
-20
-40
-60
(a)
-80
0 1 2 3 4 5 6 7 8 9 10
FFT do sinal senoidal filtrado - DE4

0
Magnitude (dB)
-20
-40
-60 (b)
-80
0 1 2 3 4 5 6 7 8 9 10
Frequência (MHz)
Figura 60 – Espectros de frequência do sinal senoidal de teste adquiridos da placa DE4-230.

(a) FFT do sinal com ruído. (b) FFT do sinal filtrado.
FFT do sinal de US com ruido - DE4

0
Magnitude (dB)
-20
-40
-60
(a)
-80
0 1 2 3 4 5 6 7 8 9 10
FFT do sinal de US filtrado - DE4

0
Magnitude (dB)
-20
-40
-60 (b)
-80
0 1 2 3 4 5 6 7 8 9 10
Frequência (MHz)
Figura 61 – Espectros de frequência do sinal de US real adquiridos da placa DE4-230. (a) FFT
do sinal com ruído. (b) FFT do sinal filtrado.
4.1.2 Interpolação CIC
Na Figura 62 pode-se observar a semelhança dos sinais antes (Figura

62(a)) e após (Figura 62(b)) a interpolação com fator 4, sendo que o primeiro
possui 2046 amostras (Fs = 40 MHz) e o segundo 8184 amostras
(Fs = 160 MHz).
83
Sinal orignal Fs = 40 MHz
1000
Amplitude 0
-1000 (a)
200 400 600 800 1000 1200 1400 1600 1800 2000
Sinal interpolado Fs = 160 MHz
1000
Amplitude
-1000 (b)
1000 2000 3000 4000 5000 6000 7000 8000
Amostras
Figura 62 – Exemplo do resultado da interpolação. (a) Sinal entrada do bloco. (b) Sinal de
saída gerado.
Na Figura 63 apresenta-se a comparação dos sinais de entrada e saída

do bloco de interpolação processado no Simulink. Pode-se observar os degraus
causados pela amostragem do sinal original de 40 MHz para 160 MHz. Destaca-
se também, o atraso de 4 ciclos de clock (40 MHz) devido ao tempo de
processamento do bloco de interpolação.
Atraso de processamento
60
40
20
Amplitude
-20
-40
-60 40 MHz
160 MHz
-80
0 0.5 1 1.5
Tempo [ µs]
Figura 63 – Comparação entre o sinal original (40 MHz) e o sinal interpolado (160 MHz) para
visualização do tempo de atraso de processamento.
84
Através dos resultados experimentais foi comprovada de forma gráfica o

desempenho coerente do processamento do bloco de interpolação, conforme as
FFTs apresentadas na Figura 64. Na Figura 64(a) é apresentada a FFT do sinal
de US (scanline 61) original amostrado em 40 MHz e na Figura 64(b) o sinal após
o processamento do bloco de interpolação no Simulink.
FFT do sinal Fs = 40 MHz

0
Magnitude (dB)
-20
-40
-60 (a)
-80
0 1 2 3 4 5 6 7 8 9 10
FFT do sinal Fs = 160 MHz

0
Magnitude (dB)
-20
-40
-60 (b)
-80
0 1 2 3 4 5 6 7 8 9 10
Frequência (MHz)
Figura 64 – Comparação dos espectros de frequência do sinal de US scanline 61. (a) FFT do
sinal original ( = 40 MHz). (b) FFT do sinal interpolado ( = 160 MHz).
4.1.3 Atraso variável
A Figura 65 mostra o efeito do atraso variável em um sinal com 512

amostras (Figura 65(a)) e os contadores (Figura 65(b)) utilizados como seletor
da memória RAM, responsável pelo atraso. Foi escolhido, para comparação, o
atraso variável de 12 ciclos de clock (Fs = 160 MHz), realizado pela etapa de
“Atraso Variável” no ambiente Simulink.
85
Sinal - Atraso Variavel

400
Sem atraso
200
Amplitude
Com Atraso
0
-200
(a)
-400
22 22.5 23 23.5 24 24.5 25
Contador - Atraso Variavel
256
Sem atraso
192
Amplitude
Com Atraso
128
64 (b)
0
22 22.5 23 23.5 24 24.5 25
Tempo [µs]
Figura 65 – Comparação dos sinais antes e após o bloco “Atraso Variável”. (a) Sinais de US
antes e após o bloco “Atraso Variável”. (b) Contador de referência (sem atraso) e contador
após atraso de 12 ciclos.
Para justificar o uso da técnica de interpolação para melhorar a

focalização na recepção, o resultado da comparação da porcentagem do desvio
do perfil de atraso em relação à aproximação em ciclos de clock de 40 MHz e
160 MHz está indicado na Figura 66.
5.2
Fs = 40 MHz
Fs = 160 MHz
Desvio [%]
1.2
0.1
-1.5
-2
-2.7
1 2 3 4 5 6 7 8
Posição do elemento na abertura
Figura 66 – Comparação entre os desvios calculados para Fs de 40 MHz e 160 MHz.

86
4.1.4 Apodização
Na Figura 67 é apresentado o comparativo entre os sinais de entrada

(lado esquerdo) e dos sinais apodizados e atenuados (lado direito) referente à
abertura de oito elementos. Foi elaborado um padrão de cores para destacar a
simetria da janela de apodização Gaussiana.
Coef. 0,043
Coef. 0,203
Validação Apodização (Gaussiana)
Coef. 0,563
Canais não Apodizados Canais Apodizados Coef. 0,938
1024 1024
-1024 -1024
1024 1024
-1024 -1024
1024 1024
-1024 -1024
1024 1024
Amplitude
-1024 -1024
1024 1024
-1024 -1024
1024 1024
-1024 -1024
1024 1024
-1024 -1024
1024 1024
-1024 -1024
0 25.5687 51.1437 0 25.5687 51.1437
Tempo [µs]
Figura 67 – Exemplo de apodização Gaussiana referentes à abertura de oito elementos.
4.1.5 Somatório
Na Figura 68 são apresentadas as respostas de oito linhas de RF (61 a

68) com apodização Gaussiana (Figura 68 (a)) e o resultado do processamento
87
do bloco “Somatório Coerente” (Figura 68 (b)). Adicionalmente, na Figura 69

compara-se dois sinais resultantes do bloco “Somatório Coerente” utilizando os
janelamentos Retangular e Gaussiana. Na Figura 69(a) são mostrados os sinais
computados pelo bloco e na Figura 69(b) é mostrada a ampliação destes sinais
para melhor visualização.
Validação Somatório coerente
1024
-1024
1024
-1024
1024
-1024
1024
-1024
Amplitude
1024 (a)
-1024
1024
-1024
1024
-1024
1024
-1024
1024
(b)
-1024
6.4 12.8 19.2 25.6 32 38.4 44.8 51.2
Tempo [µs]
Figura 68 – Exemplo de sinal obtido pelo processamento do bloco “Somatório Coerente”.

(a) Resposta de oito linhas de RF (61 a 68) com apodização Gaussiana. (b) Linha de varredura
resultante do somatório coerente.
88
Comparação Apodização Retungular X Gaussiana Apodização Retangular

2000 Apodização Gaussiana
Amplitude 0
(a)
-2000
0 5 10 15 20 25 30 35 40 45 50
Ampliação da Comparação Apodização Retungular X Gaussiana
400
200
Amplitude
0
-200 (b)
-400
4 5 6 7 8 9 10 11 12 13 14
Tempo [µs]
Figura 69 – Comparação de duas linhas de varredura geradas com diferentes apodizações.

(a) Linhas de varredura geradas a partir de sinais processados com apodização Retangular e
Gaussiana. (b) Ampliação do ítem (a) para melhor visualização.
4.1.6 Decimação
De forma similar à interpolação, na Figura 70 são apresentados os sinais

de entrada do bloco de decimação (Fs = 160 MHz) e de saída decimado com
fator 4 (Fs = 40 MHz). Percebe-se, através do comparativo, os degraus causados
pela amostragem do sinal original de 160 MHz para 40 MHz. Destaca-se também
o atraso de dois ciclos de clock (40 MHz) devido ao tempo de processamento do
bloco de decimação.
89
30
160 MHz
25
40 MHz
20
15
10
Amplitude
5
0
-5
-10
-15
-20
-25
0 0.5 1 1.5
Tempo [µs]
Figura 70 – Comparativo entre os sinais de entrada e saída do bloco “Decimação”.
4.1.7 Demodulação
Na Figura 71 são apresentadas as repostas sobrepostas ao impulso do

filtro da Transformada de Hilbert gerado pelo FDATool, assim como do modelo
implementando no trabalho. A análise por semelhança foi realizada em ambiente
Matlab com dados importados do Simulink.
Na Figura 72 estão indicados todos os sinais envolvidos na detecção de
envoltória do sinal de US entre 10 e 14 µs, para melhor visualização: Sinal de
entrada, I, Q e envelope processado.
90
Validação do Filtro Hilbert

0.6
0.4
Valor do Coeficiente
0.2
-0.2
-0.4
FDATool
Modelo
-0.6
5 10 15 20 25 30
Índice do coeficiente do Filtro Hilbert
Figura 71 – Comparação da resposta ao impulso da Transformada de Hilbert baseada em filtro

FIR entre o FDATool e modelo implementado.
250
Sinal Entrada
200 I - Hilbert
150 Q - Hilbert
Envelope
100
50
Amplitude
0
-50
-100
-150
-200
-250
10 10.5 11 11.5 12 12.5 13 13.5 14
Tempo [µs]
Figura 72 – Exemplo de sinais envolvidos na detecção de envoltória gerados pelo modelo

proposto.
O resultado da detecção de envoltória é mostrado na Figura 73. A Figura

73(a) mostra a linha de varredura do sinal ultrassônico e o envelope do mesmo,
calculado através do valor absoluto da Transformada de Hilbert, com os
primeiros picos ampliados na Figura 73(b).
91
Demodulação
Sinal Entrada
500
Amplitude
Envelope
0
-500 (a)
0 5 10 15 20 25 30 35 40 45 50
Demodulação
1000
Sinal Entrada
Amplitude
Envelope
500
(b)
0
2 3 4 5 6 7 8 9 10 11 12 13
Tempo [µs]
Figura 73 – Resultado da detecção de envoltória. (a) Linha de varredura e respectivo envelope

do sinal. (b) Ampliação dos primeiros picos do item (a).
A validação do bloco “Demodulação” foi realizada através da aplicação

da NRMSE, comparando o sinal gerado pelo modelo e o valor absoluto da
Transformada de Hilbert gerado no Matlab, através da sintaxe: abs(hilbert(x)).
Na Figura 74 são apresentados os sinais computados sobrepostos, resultando
em uma NRMSE igual a 6,19%.
NRMSE = 6.19 [%]

2048
Sinal demodulado Matlab
1792 Sinal demodulado Modelo
1536
1280
Amplitude
1024
768
512
256
0
0 5 10 15 20 25 30 35 40 45 50
Tempo [µs]
Figura 74 – Validação do processamento de detecção de envoltória através da comparação

dos resultados do modelo e do Matlab.
92
4.1.8 Compressão logarítmica
Na Figura 75 são apresentados os resultados do modelo de compressão

logarítmica. Na Figura 75(a) apresenta-se a envoltória do sinal de US após a
demodulação que é aplicada ao modelo de compressão logarítmica. A Figura
75(b) mostra o sinal computado pelo modelo, assim como o sinal limitado na
faixa dinâmica de -30 dB para melhoria na resolução de contraste.
Envoltória do sinal processado

512
384
Amplitude
256
128 (a)
0
0 5 10 15 20 25 30 35 40 45 50
Compressão Logarítmica do sinal
0
Log Normalizado
Amplitude [dB]
-10
Log Limitado -30 dB
-20
-30
-40
(b)
-50
0 5 10 15 20 25 30 35 40 45 50
Tempo [µs]
Figura 75 – Validação do modelo de compressão logarítmica. (a) Envelope do sinal de entrada

do bloco. (b) Sinais de saída limitados em -30 dB (vermelho) e -50 dB (azul).
A validação do bloco “Compressão Logarítmica” foi realizada através da

aplicação da função de custo NRMSE comparando os sinais resultantes do
modelo e do Matlab, considerando o mesmo dado de entrada. Na Figura 76 é
apresentado o comparativo dos sinais de saída processados sobrepostos com
NRMSE igual a 0,45%.
93
NRMSE = 0.45 [%]

0
Sinal de Saída Matlab
Sinal de Saída Modelo
-5
-10
Amplitude [dB]
-15
-20
-25
-30
0 5 10 15 20 25 30 35 40 45 50
Tempo [µs]
Figura 76 – Comparativo dos sinais processados pelo modelo e no Matlab sobrepostos com
NRMSE igual a 0,45%.
4.2 RESULTADO FINAL DO PROCESSAMENTO PARA RECONSTRUÇÃO DE

IMAGEM
4.2.1 Comparativo entre os processamentos simulado e experimental
As imagens de US Modo B geradas por rotinas no Matlab, a partir de

dados adquiridos por simulação no ambiente Simulink, e pelo processamento em
FPGA, são apresentadas na Figura 77. A coluna da esquerda representa o
processamento em Simulink com os seguintes janelamentos: (a) Retangular, (b)
Gaussiana, (c) Hamming e (d) Hanning. A coluna da direita representa o
resultado do processamento da FPGA com os mesmos janelamentos.
4.2.2 Comparativo entre os processamentos da plataforma de pesquisa ULTRA-

ORS e do sistema implementado em FPGA
De forma similar, as imagens de US Modo B, geradas conforme o

trabalho de Assef (2013), e pelo processamento em FPGA, são apresentadas na
Figura 78. A coluna da esquerda representa o processamento do sistema
ULTRA-ORS com os seguintes janelamentos: (a) Retangular, (b) Gaussiana, (c)
Hamming e (d) Hanning. A coluna da direita representa o resultado do
processamento da FPGA com os mesmos janelamentos.
94
(a) (e)
(b) (f)
(c) (g)
(d) (h)
Figura 77 – Comparação entre as imagens reconstruídas em Modo B com as apodizações

(a) Retangular, (b) Gaussiana, (c) Hamming e (d) Hanning no Simulink, e (e) Retangular, (f)
Gaussiana, (g) Hamming e (h) Hanning com dados computados pela FPGA.
95
(a) (e)
(b) (f)
(c) (g)
(d) (h)
Figura 78 – Comparação entre as imagens reconstruídas em Modo B com as apodizações

(a) Retangular, (b) Gaussiana, (c) Hamming e (d) Hanning na ULTRA_ORS, e (e) Retangular,
(f) Gaussiana, (g) Hamming e (h) Hanning com dados computados pela FPGA.
96
4.2.3 Utilização de recursos de hardware da FPGA
Os recursos de hardware da FPGA Stratix IV utilizados na

implementação proposta de cada um dos quatro projetos, já com a inclusão dos
dados brutos de US, são sumarizados na Tabela 20. Estes resultados mostram
que a maior parte dos recursos foi destinada à memória para a gravação dos
dados. Além disso, apesar da máxima frequência do projeto ser de 160 MHz, a
máxima frequência de operação da FPGA utilizada é de 550 MHz (ALTERA
CORP., 2014).
Tabela 20 – Recursos de hardware da FPGA Stratix IV consumidos.
Recurso Especificação
ALUTs Combinacional 4.402/182.400 (2%)
Registradores lógicos dedicados 4.334/182.400 (2%)
PLL 1/8 (13%)
Quantidade de memória em bits sem SignalTap 7.412.064/14.625.792 (51%)
10.164,576/14.625.792
Quantidade de memória em bits com SignalTap
(69%)
Blocos multiplicadores DSP de 18-bits 162/1.288 (13%)
4.2.4 Latência total de processamento
Após a implementação e validação do sistema de processamento digital

de sinais através de simulações e de forma experimental com a placa DE4-230,
foi possível mensurar a latência da implementação do modelo em hardware,
resultando em 33 ciclos de clock da FPGA. Como a frequência do sistema é igual
a 40 MHz, a latência total é de aproximadamente 0,83 µs, sendo adequada para
geração de imagens em tempo real (JENSEN et al., 2005; CHANG; YEN;
SHUNG, 2007).
97
5 DISCUSSÃO E CONCLUSÕES
Este capítulo apresenta as discussões dos resultados obtidos neste

trabalho, inclusive comparando o resultado final com o trabalho relacionado
(ASSEF, 2013), assim como sugestões de trabalhos futuros que poderão dar
sequência a esta pesquisa.
5.1 ANÁLISE DOS RESULTADOS
O método de desenvolvimento adotado neste trabalho apresentou uma

alternativa adequada para modelagem e implementação dos blocos de
processamento para reconstrução de imagem por US. Soma-se a isso, a
capacidade de simulação e validação de cada etapa do processamento de forma
individual através de comparações qualitativas e quantitativas utilizando como
referência algoritmos implementados em rotinas do Matlab.
A utilização do dispositivo FPGA neste trabalho se justifica devido à
necessidade de computação paralela de todas as etapas da cadeia de
processamento até o somatório coerente. Neste trabalho, foi utilizada a abertura
de oito canais, porém outras aberturas sintéticas podem ser exploradas, sendo
o fator limitante a quantidade de recursos de hardware da FPGA.
O modelo do filtro FIR proposto apresentou excelente concordância com
o resultado de referência, apresentando uma NRMSE igual a 0,03%. Como
desvantagem do modelo, o tempo de atraso de processamento foi de dois ciclos
comparado com o modelo de referência. Entretanto, essa diferença pode ser
anulada através do aprimoramento das funções utilizadas.
O processamento de interpolação CIC mostrou-se confiável e viável para
aplicação neste trabalho. Considerando a máxima frequência de operação da
FPGA como 550 MHz, o fator máximo de interpolação possível nesse módulo é
13 (550 MHz/40 MHz). Entretanto, conforme a Figura 66, na qual o desvio
máximo do número de ciclos de atraso para frequência de 160 MHz é
aproximadamente 1,5%, não foi necessário utilizar a máxima capacidade em
frequência do dispositivo. Além disso, esse desvio é três vezes menor que na
98
frequência de amostragem em 40 MHz, justificando a escolha do fator de

interpolação, e posterior decimação. Apesar do módulo de atraso variável
possuir a capacidade de correção de atraso de até 64 ciclos, esse número pode
ser aumentado para possibilitar a focalização da abertura em outras
profundidades e frequências.
Para a avaliação da apodização foram escolhidos quatro algoritmos de
janelamento, selecionáveis através de duas chaves presentes no kit de FPGA.
Conforme a Figura 68 e a Figura 69, este método facilitou a computação das
linhas de varredura, após o somatório coerente, e avaliação dos resultados do
trabalho para diferentes apodizações evitando a recompilação do projeto.
Entretanto, outras técnicas de apodização podem ser empregadas, conforme os
trabalhos de Assef (2013), Cincotti et al. (1999) e Frazier e O’brien (1998).
A técnica de demodulação apresentada neste trabalho é vantajosa
quando comparada a outras técnicas de demodulação que requerem a utilização
de algoritmos complexos baseados em FFT ou funções seno e cosseno para
computar o sinal analítico das linhas de varredura (CHANG; YEN; SHUNG, 2007;
LEVESQUE; SAWAN, 2009; QIU et al., 2012; HASSAN; KADAH, 2013). Na
avaliação quantitativa através da função de custo NRMSE o valor obtido foi igual
a 6,19%, apresentando concordância com os resultados encontrados na
literatura científica (LEVESQUE; SAWAN, 2009; ZHOU; ZHENG, 2015). Apesar
de ainda ser considerado um excelente resultado (JAMIESON; PORTER;
WILSON, 1991; DETTORI et al., 2011) esse valor pode ser melhorado
aumentando-se o número de coeficientes da Transformada de Hilbert baseada
no filtro FIR.
Para compressão logarítmica foi adotada a normalização de 11 bits,
resultando em um valor máximo de 2047 endereços, onde cada um armazena o
valor logarítmico correspondente ao endereço da LUT utilizada. Esse
procedimento foi diferente do implementado no sistema ULTRA-ORS e mais
simples que o apresentado por Chang; Yen e Shung (2007). No caso do ULTRA-
ORS, foi empregada uma função do Matlab para encontrar o valor máximo de
amplitude entre todas as 121 linhas de varredura com abertura de oito
elementos. Esse processo não foi implementado no modelo proposto, visto que
acrescentaria um atraso de computação igual a 6,19 ms (33+(121 linhas de
99
varredura x 2046 amostras)), sendo inadequado para processamento de

imagens em tempo real (JENSEN et al., 2005).
Na Figura 77 e Figura 78 foram mostrados os efeitos da aplicação da
apodização, utilizando os quatro janelamentos especificados. Em ambos os
casos, observam-se resultados adequados. Na Figura 77 foi apresentada a
comparação entre as imagens reconstruídas com os sinais processados no
Simulink e na FPGA. Na Figura 78, pode-se observar que as imagens
reconstruídas com os dados do processamento em FPGA são mais escuras. Isso
se explica, pois, a computação logarítmica implementada não utiliza o valor
máximo da envoltória dos valores processado e, sim, o valor máximo da escala
de 11 bits. Cabe salientar que o tempo total para compilar o projeto no Simulink
foi de aproximadamente 45 minutos, enquanto que na FPGA o tempo total de
processamento é de 6,19 ms, possibilitando, teoricamente, 161 quadros por
segundo, e, consequentemente, a geração de imagem em tempo real
(HEDRICK; HYKES; STARCHMAN, 1995). Dessa forma, considerando uma
futura interface de transferência de dados de alta velocidade entre o sistema
ULTRA-ORS e a FPGA, esse é um resultado promissor para reconstrução de
imagem em tempo real por US.
5.2 CONCLUSÕES
Pode-se concluir que o objetivo deste trabalho, que foi a modelagem,

implementação e validação de um sistema de processamento digital de sinais
baseado em dispositivo FPGA de alto desempenho para geração de imagens
por US Modo B usando o Matlab/Simulink, foi atingido com sucesso.
Todas as características definidas na especificação de requisitos foram
implementadas e apresentaram funcionalidade correta.
A maior contribuição deste trabalho de pesquisa é a disponibilização dos
modelos validados dos principais blocos de processamento do beamforming de
recepção utilizando o Simulink, em conjunto com a ferramenta DSP Builder. Tais
estruturas poderão ser usadas para o desenvolvimento de pesquisas na área de
US envolvendo instrumentação eletrônica, estudo de detecção de ondas
100
ultrassônicas, testes NDE e a sua interação com meios biológicos e não

biológicos.
Os resultados apresentados neste trabalho são compatíveis com os
resultados publicados na literatura científica(CHANG; YEN; SHUNG, 2007;
LEVESQUE; SAWAN, 2009; HASSAN; YOUSSEF; KADAH, 2011; ASSEF,
2013; HASSAN; KADAH, 2013; ZHOU; ZHENG, 2015). Isto indica que o
modelamento proposto é válido para dar continuidade aos trabalhos de pesquisa
do US realizados no LUS da UTFPR.
5.3 TRABALHOS FUTUROS
Como sugestão para dar continuidade ao trabalho, podem-se citar os

seguintes temas:
• Realização de testes de contraste comparativos entre a resposta
do processamento da plataforma ULTRA-ORS e os dados
processados pelo modelo proposto;
• Avaliação das resoluções lateral e axial para quantificar a
qualidade do sistema de processamento digital de sinais
embarcado em FPGA;
• Estudo de uma interface de comunicação serial de alta velocidade
para transferência massiva de dados entre o sistema ULTRA-
ORS e o kit de processamento em FPGA;
• Desenvolvimento de uma placa interface entre a plataforma
ULTRA-ORS e kits de FPGA para transferência dos sinais brutos
de RF;
• Estudo aprofundado de cada bloco implementado, a fim de
minimizar os recursos de hardware empregados;
• Implementação do modelo de conversão de varredura na FPGA
para transdutores matriciais convexo e linear;
• Avaliação da aplicação dos modelos implementados para
geração de imagens por US utilizando outras modalidades, como
por exemplo, estimação de fluxo sanguíneo através da técnica
Doppler;
101
• Inclusão de um processador embarcado para flexibilizar a

alteração de parâmetros relativos ao processamento de imagem,
incluindo, por exemplo: ajuste da profundidade de focalização,
ajuste do tamanho da abertura de elementos, controle automático
digital de ganho de compensação de atenuação com o
tempo/profundidade (TGC - Time Gain Compensation), outras
janelas de apodização, dentre outros;
• Avaliação de outras técnicas de processamento para
reconstrução de imagem por US, como por exemplo: Ultrafast
Imaging (TANTER; FINK, 2014) e Compounding Imaging
(ENTREKIN et al., 2001).
102
REFERÊNCIAS
ACHIM, Alin; ANASTASIOS, Bezerianos; e TSAKALIDES, Panagiotis. Novel

Bayesian multiscale method for speckle removal in medical ultrasound images.
IEEE Transactions on Medical Imaging, v. 20, n. 8, p. 772–783, 2001.
AGARWAL, A.; FUKUOKA, T.; SCHNEIDER, F. K.; YOO, Y. M.; BALUYOT, F.;
e KIM, Y. P2B-17 Single-Chip Solution for Ultrasound Imaging Systems: Initial
Results. In: 2007 IEEE Ultrasonics Symposium Proceedings, Anais...IEEE, out.
2007.
AGARWAL, Mayur; BANERJEE, Swapna; e DE, Arijit. Architecture of a real-time

delay calculator for digital beamforming in ultrasound system. IET Circuits,
Devices & Systems, v. 10, n. 4, p. 322–329, jul. 2016.
ALTERA CORP. Stratix IV Device Handbook - Volume 4: Device Datasheet

and Addendum. Disponível em:
<https://www.altera.com/en_US/pdfs/literature/hb/stratix-iv/stx4_5v4.pdf>.
Acesso em: 24 mar. 2017.
ASEN, Jon P.; BUSKENES, Jo I.; NILSEN, Carl-Inge C.; AUSTENG, Andreas; e
HOLM, Sverre. Implementing Capon beamforming on the GPU for real time
cardiac ultrasound imaging. In: 2012 IEEE International Ultrasonics Symposium,
Anais...IEEE, out. 2012.
ASSEF, Amauri A. Arquitetura de hardware multicanal reconfigurável com

excitação multinível para desenvolvimento e testes de novos métodos de
geração de imagens por ultrassom. 2013. Universidade Tecnológica Federal
do Paraná, 2013.
ASSEF, Amauri A.; MAIA, Joaquim M.; FERREIRA, Breno M.; DE SOUZA, Higor
S.; BASSAN, Guilherme M.; DE MORAES FILHO, Alexandre F.; e COSTA,
Eduardo T. Projeto de um filtro digital FIR passa-baixa em FPGA para aplicações
de processamento de sinais de ultrassom. In: Congresso Brasileiro de
Engenharia Biomédica, CBEB 2016, Foz do Iguaçu. Anais... Foz do Iguaçu:
Congresso Brasileiro de Engenharia Biomédica, 2016.
BABIC, Djordje; e RENFORS, Markku. Power efficient structure for conversion

between arbitrary sampling rates. IEEE Signal Processing Letters, v. 12, n. 1,
p. 1–4, jan. 2005.
103
BERGÉ, Jean-Michel.; FONKOUA, Alain.; MAGINOT, Serge.; e ROUILLARD,

Jacques. Vhdl designer’s reference. [s.l.] Springer US, 1992.
BONI, E.; BASSI, L.; DALLAI, A.; GUIDI, F.; RAMALLI, A.; RICCI, S.; HOUSDEN,
J.; e TORTOLI, P. A reconfigurable and programmable FPGA-based system for
nonstandard ultrasound methods. IEEE Transactions on Ultrasonics,
Ferroelectrics and Frequency Control, v. 59, n. 7, p. 1378–1385, jul. 2012.
BOONLEELAKUL, W.; TECHAVIPOO, U.; WORASAWATE, D.; KEINPRASIT,

R.; PINUNSOTTIKUL, P.; SUGINO, N.; e THAJCHAYAPONG, P. Compression
of ultrasound RF data using quantization and decimation. In: The 6th 2013
Biomedical Engineering International Conference, Anais...IEEE, out. 2013.
BRANCO, Kalinka R. L. J. C.; PELIZZONI, Jorge M.; NERIS, Luciano O.;

TRINDADE, Onofre; OSORIO, Fernando S.; e WOLF, Denis F. Tiriba - a new
approach of UAV based on model driven development and multiprocessors. In:
2011 IEEE International Conference on Robotics and Automation, Shanghai.
Anais... Shanghai: IEEE, maio 2011.
BRANDENSTEIN, Hartmut; e UNBEHAUEN, Rolf. Least-squares approximation

of FIR by IIR digital filters. IEEE Transactions on Signal Processing, v. 46, n.
1, p. 21–30, 1998.
BROWN, J. A.; e LOCKWOOD, G. R. A Digital Beamformer for High-Frequency

Annular Arrays. IEEE Transactions on Ultrasonics, Ferroelectrics and
Frequency Control, v. 52, n. 8, p. 1262–1269, ago. 2005.
CÂMARA, Danilo Januário. Plataforma de ultrassom programável dedicada à

pesquisa. 2015. Biblioteca Digital de Teses e Dissertações da Universidade de
São Paulo, Ribeirão Preto, 2015.
CHANG, Jin; YEN, Jesse; e SHUNG, K. A Novel Envelope Detector for High-
Frame Rate, High-Frequency Ultrasound Imaging. IEEE Transactions on
Ultrasonics, Ferroelectrics and Frequency Control, v. 54, n. 9, p. 1792–1801,
set. 2007.
CHRISTENSEN, Douglas A. Ultrasonic bioinstrumentation. New York: John

Wiley & Sons, 1988.
CINCOTTI, G.; CARDONE, G.; GORI, P.; e PAPPALARDO, M. Efficient transmit

104
beamforming in pulse-echo ultrasonic imaging. IEEE Transactions on

1999.
CROCHIERE, Ronald E.; e RABINER, Lawrence R. Optimum FIR digital filter

implementations for decimation, interpolation, and narrow-band filtering. IEEE
Transactions on Acoustics, Speech, and Signal Processing, v. 23, n. 5, p.
444–456, 1975.
CROCHIERE, Ronald E.; e RABINER, Lawrence R. Further considerations in the

design of decimators and interpolators. IEEE Transactions on Acoustics,
Speech, and Signal Processing, v. ASSP-24, n. 4, p. 296–311, 1976.
CROCHIERE, Ronald E.; e RABINER, Lawrence R. Interpolation and decimation

of digital signals—A tutorial review. Proceedings of the IEEE, v. 69, n. 3, p. 300–
331, 1981.
DA COSTA, César. Projetos de circuitos digitais com fpga. 3. ed. ed. São
Paulo: Érica, 2014.
DETTORI, Marco; CESARACCIO, Carla; MOTRONI, Andrea; SPANO,

Donatella; e DUCE, Pierpaolo. Using CERES-Wheat to simulate durum wheat
production and phenology in Southern Sardinia, Italy. Field Crops Research, v.
120, n. 1, p. 179–188, jan. 2011.
DUBE, Noël. Introduction to phased array ultrasonic technology applications :

R/D Tech guideline. . 2004.
ENTREKIN, Robert R.; PORTER, Bruce A.; SILLESEN, Henrik H.; WONG,
Anthony D.; COOPERBERG, Peter L.; e FIX, Cathy H. Real-time spatial
compound imaging: Application to breast, vascular, and musculoskeletal
ultrasound. Seminars in Ultrasound, CT and MRI, v. 22, n. 1, p. 50–64, fev.
2001.
ESTEVEZ, E.; e MARCOS, M. Model-Based Validation of Industrial Control

Systems. IEEE Transactions on Industrial Informatics, v. 8, n. 2, p. 302–310,
maio 2012.
FELDKAMPER, H. T.; SCHWANN, R.; GIERENZ, V.; e NOLL, T. G. Low power

delay calculation for digital beamforming in handheld ultrasound systems. In:
105
2000 IEEE Ultrasonics Symposium. Proceedings. An International Symposium

(Cat. No.00CH37121), San Juan. Anais... San Juan: IEEE, 2000.
FISH, Peter. Physics and instrumentation of diagnostic medical ultrasound.

[s.l.] John Wiley & Sons Incorporated, 1990.
FRAZIER, C. H.; e O’BRIEN, W. D. Synthetic aperture techniques with a virtual

source element. IEEE Transactions on Ultrasonics, Ferroelectrics and
Frequency Control, v. 45, n. 1, p. 196–207, jan. 1998.
GIRON, Alexandre A. Validação de Transformações de Modelos de

Engenharia Dirigida a Modelos (MDE). Disponível em:
<https://pt.slideshare.net/AlexandreAugustoGiron/mde-model-driven-
engineering-e-validao-de-transformaes>. Acesso em: 2 fev. 2017.
GOLD, B.; OPPENHEIM, A. V.; e RADER, C. M. Theory and implementation of

thediscrete Hilbert transform. Presented at the Symposium on Computer
Processing in Communications, v. 235, 1969.
HASSAN, Mawia A.; e KADAH, Yasser M. Digital signal processing

methodologies for conventional digital medical ultrasound imaging system.
American Journal of Biomedical Engineering, v. 3, n. 1, p. 14–30, 2013.
HASSAN, Mawia A.; YOUSSEF, Abou-Bakr M.; e KADAH, Yasser M. Modular

FPGA-based digital ultrasound beamforming. In: 2011 1st Middle East
Conference on Biomedical Engineering, United States. Anais... United States:
IEEE, fev. 2011.
HEDRICK, Wayne R.; HYKES, David L.; e STARCHMAN, Dale E. Ultrasound

physics and instrumentation. 3rd ed / W ed. St. Louis ; LOndon: CV Mosby,
1995.
HENTSCHEL, Tim; e FETTWEIS, Gerhard. Sample rate conversion for software

radio. IEEE Communications Magazine, v. 38, n. 8, p. 142–150, 2000.
HOGENAUER, E. An economical class of digital filters for decimation and

interpolation. IEEE Transactions on Acoustics, Speech, and Signal
Processing, v. 29, n. 2, p. 155–162, abr. 1981.
106
HOKLAND, J. H.; e TAXT, T. Ultrasound speckle reduction using harmonic

oscillator models. IEEE Transactions on Ultrasonics, Ferroelectrics and
Frequency Control, v. 41, n. 2, p. 215–224, mar. 1994.
HUDA, Safeen; MALLICK, Muntasir; e ANDERSON, Jason H. Clock gating

architectures for FPGA power reduction. In: 2009 International Conference on
Field Programmable Logic and Applications, Czech Republic. Anais... Czech
Republic: IEEE, ago. 2009.
INTEL CORP. FIR Compiler User Guide. Disponível em:

<https://www.altera.com/en_US/pdfs/literature/ug/fircompiler_ug.pdf>. Acesso
em: 12 mar. 2017.
DSP Builder for Intel FPGAs. Disponível em:

<https://www.altera.com/products/design-software/model---
simulation/dspbuilder/%0Amathworks.html>. Acesso em: 16 mar. 2017.
FPGA CPLD and ASIC from Altera. Disponível em: <https://www.altera.com/>.

Acesso em: 16 mar. 2017.
JAMIESON, P. D.; PORTER, J. R.; e WILSON, D. R. A test of the computer

simulation model ARCWHEAT1 on wheat crops grown in New Zealand. Field
Crops Research, v. 27, p. 337–350, 1991.
JENSEN, J. A.; e MUNK, P. A new method for estimation of velocity vectors.

IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control, v.
45, n. 3, p. 837–851, maio 1998.
JENSEN, Jørgen A. FIELD: A Program for Simulating Ultrasound Systems. 10TH

NORDICBALTIC CONFERENCE ON BIOMEDICAL IMAGING, VOL. 4,
SUPPLEMENT 1, PART 1:351--353, v. 34, p. 351--353, 1996.
JENSEN, Jørgen A.; HOLM, Ole; JERISEN, LJ; BENDSEN, Henrik; NIKOLOV,
Svetoslav I.; TOMOV, Borislav G.; MUNK, Peter; HANSEN, Martin;
SALOMONSEN, Kent; e HANSEN, Johnn. Ultrasound research scanner for real-
time synthetic aperture data acquisition. IEEE Transactions on Ultrasonics,
Ferroelectrics and Frequency Control, v. 52, n. 5, p. 881–891, maio 2005.
JHANG, Kyung-Young. Nonlinear ultrasonic techniques for nondestructive

assessment of micro damage in material: A review. International Journal of
107
Precision Engineering and Manufacturing, v. 10, n. 1, p. 123–135, jan. 2009.
JI-FENG, Ding; SHUANG, Xu; ZHANG, Jun-Xing; e YA-NING, Yang. Filter

Design Based on DSP Builder. Open Electrical \& Electronic Engineering
Journal, v. 9, p. 15--21, 2015.
JINBO, Maro. Imagens ultra-sônicas em modo-b com técnicas de abertura

focal sintética - saft. 2007. Biblioteca Digital de Teses e Dissertações da
Universidade de São Paulo, São Paulo, 2007.
KANG, Jeeun; YOON, Changhan; LEE, Jaejin; KYE, Sang-Bum; LEE, Yongbae;
CHANG, Jin Ho; KIM, Gi-Duck; YOO, Yangmo; e SONG, Tai-kyong. A System-
on-Chip Solution for Point-of-Care Ultrasound Imaging Systems: Architecture and
ASIC Implementation. IEEE Transactions on Biomedical Circuits and
Systems, v. 10, n. 2, p. 412–423, abr. 2016.
KELLY, Stlephen P.; FARLOW, Roger; e HAYWARD, G. Applications of through-

air ultrasound for rapid NDE scanning in the aerospace industry. IEEE
Transactions on Ultrasonics, Ferroelectrics and Frequency Control, v. 43,
n. 4, p. 581–591, jul. 1996.
KIM, Gi-Duck; YOON, Changhan; KYE, Sang-Bum; LEE, Youngbae; KANG,

Jeeun; YOO, Yangmo; e SONG, Tai-Kyong. A single FPGA-based portable
ultrasound imaging system for point-of-care applications. IEEE Transactions on
jul. 2012.
KRAUTKRÄMER, Josef; e KRAUTKRÄMER, Herbert. Ultrasonic testing of

materials. 4th fully ed. New York: Springer-Verlag, 1990.
LEVESQUE, Philippe; e SAWAN, Mohamad. Real-Time Hand-Held Ultrasound

Medical-Imaging Device Based on a New Digital Quadrature Demodulation
Processor. IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency
Control, v. 56, n. 8, p. 1654–1665, ago. 2009.
MA, Jieming; KARADAYI, Kerem; ALI, Murtaza; e KIM, Yongmin. Ultrasound

phase rotation beamforming on multi-core DSP. Ultrasonics, v. 54, p. 99–105,
2014.
MACHADO, Rafael P.; KOWALSKI, Edemir L.; LAZZARETTI, André E.;

108
FRAGOSO, Jackson R.; SWINKA FILHO, V.; JUNIOR, José A. T.; RAVAGLIO,
Marcelo A.; DE OLIVEIRA, Nilson; BATHKE, Rodolfo C.; e DE HOLANDA
CAVALCANTI, Daniel. Metodologia para a inspeção instrumentalizada de
isoladores de pino de redes de distribuição por RFI e ultrassom. In: VI Congresso
de Inovação Tecnológica em Energia Elétrica, Fortaleza/CE. Anais...
Fortaleza/CE: VI CITENEL, 2011.
MADISETTI, Vijay K.; e WILLIAMS, Douglas. The digital signal processing

handbook. Boca Raton, Fla.: CRC Press, 1998.
MATHWORKS. MATLAB and Simulink for Technical Computing. Disponível

em: <http://www.mathworks.com/>. Acesso em: 16 mar. 2017.
MATRONE, Giulia; SAVOIA, Alessandro Stuart; CALIANO, Giosue; e

MAGENES, Giovanni. The Delay Multiply and Sum Beamforming Algorithm in
Ultrasound B-Mode Medical Imaging. IEEE Transactions on Medical Imaging,
v. 34, n. 4, p. 940–949, abr. 2015.
MAYILAVELANE, Aroutchelvame; e BERSCHEID, Brian. A Fast FIR filtering

technique for multirate filters. Integration, the VLSI Journal, v. 52, p. 62–70,
2016.
MCCLELLAN, J.; e PARKS, T. A unified approach to the design of optimum FIR

linear-phase digital filters. IEEE Transactions on Circuit Theory, v. 20, n. 6, p.
697–701, nov. 1973.
MEO, Michele; POLIMENO, Umberto; e ZUMPANO, Giuseppe. Detecting

Damage in Composite Material Using Nonlinear Elastic Wave Spectroscopy
Methods. Applied Composite Materials, v. 15, n. 3, p. 115–126, maio 2008.
MINISTÉRIO DA SAÚDE BRASIL. PORTARIA No 375, DE 28 DE FEVEREIRO

DE 2008 - Programa Nacional para Qualificação, Produção e Inovação em
Equipamentos e Materiais de Uso em Saúde no Complexo Industrial da
Saúde.
MONMASSON, Eric; IDKHAJINE, Lahoucine; CIRSTEA, Marcian N.; BAHRI,

Imene; TISAN, Alin; e NAOUAR, Mohamed Wissem. FPGAs in Industrial Control
Applications. IEEE Transactions on Industrial Informatics, v. 7, n. 2, p. 224–
243, maio 2011.
109
MURPHY, Brett; WAKEFIELD, Amory; e FRIEDMAN, Jon. Best Practices for

Verification, Validation, and Test in Model-Based DesignSAE International, ,
2008. .
NGUYEN, M.; SHIN, J.; e YEN, J. Fresnel beamforming and dual apodization
with cross-correlation for curvilinear arrays in low-cost portable ultrasound
system. In: 2011 IEEE International Ultrasonics Symposium, Orlando. Anais...
Orlando: IEEE, 2011.
NIKOLOV, Svetoslav I.; JENSEN, Jorgen A.; e TOMOV, Borislav G. Fast

parametric beamformer for synthetic aperture imaging. IEEE Transactions on
ago. 2008.
OPPENHEIM, Alan V; e SCHAFER, Ronald W. Digital signal processing.

Englewood Cliffs ; London: Prentice-Hall, 1975.
OPPENHEIM, Alan V; WILLSKY, Alan S.; e NAWAB, S.Hamid. Signals &

systems. 2nd ed. ed. Upper Saddle River: Prentice Hall ; London : Prentice-Hall
International, 1997.
OTAKE, Tsuyoshi; KAWANO, Toshihiko; SUGIYAMA, Takashi; MITAKE,

Tsuyoshi; e UMEMURA, Shinichiro. High-quality/High-resolution Digital
Ultrasound Diagnostic Scanner. Hitachi Review, v. 52, n. 4, 2003.
PAU, C. J. A stereo audio chip using approximate processing for decimation and
interpolation filters. IEEE Journal of Solid-State Circuits, v. 35, n. 1, p. 45–55,
jan. 2000.
QIU, Weibao; YE, Zongying; YU, Yanyan; CHEN, Yan; CHI, Liyang; MU, Peitian;
LI, Guofeng; WANG, Congzhi; XIAO, Yang; DAI, Jiyan; SUN, Lei; e ZHENG,
Hairong. A Digital Multigate Doppler Method for High Frequency Ultrasound.
Sensors, v. 14, n. 8, p. 13348–13360, jul. 2014a.
QIU, Weibao; YU, Yanyan; TSANG, Fu Keung; e SUN, Lei. An FPGA-based open
platform for ultrasound biomicroscopy. IEEE Transactions on Ultrasonics,
Ferroelectrics and Frequency Control, v. 59, n. 7, p. 1432–1442, jul. 2012.
QIU, Weibao; ZONGYING YE; LIYANG CHI; PEITIAN MU; GUOFENG LI;
CONGZHI WANG; YANG XIAO; MING QIAN; SUN, Lei; e ZHENG, Hairong. A
110
programmable ultrasound platform for multi-gate Doppler measurement. In: 2014

IEEE International Ultrasonics Symposium, Chicago. Anais... Chicago: IEEE,
set. 2014b.
RABINER, L. R.; KAISER, J. F.; HERRMANN, O.; e DOLAN, M. T. Some

Comparisons Between FIR and IIR Digital Filters. Bell System Technical
Journal, v. 53, n. 2, p. 305–331, fev. 1974.
RABINER, Lawrence R.; e SCHAFER, Ronald. Digital processing of speech

signals. Englewood Cliffs ; London: Prentice-Hall, 1978.
RODRIGUEZ-ANDINA, J. J.; MOURE, M. J.; e VALDES, M. D. Features, Design

Tools, and Application Domains of FPGAs. IEEE Transactions on Industrial
Electronics, v. 54, n. 4, p. 1810–1823, ago. 2007.
SANTOS, Fábio Dassan dos. Utilização de dsps e fpgas em unidades

eletrônicas automotivas. 2008. Universidade de São Paulo, 2008.
SCHNEIDER, Fabio K.; AGARWAL, Anup; YOO, Yang M.; FUKUOKA, Tetsuya;
e KIM, Yongmin. A Fully Programmable Computing Architecture for Medical
Ultrasound Machines. IEEE Transactions on Information Technology in
Biomedicine, v. 14, n. 2, p. 538–540, mar. 2010.
SHATTUCK, David P.; WEINSHENKER, Marc D.; SMITH, Stephen W.; e VON
RAMM, Olaf T. Explososcan: A parallel processing technique for high speed
ultrasound imaging with linear phased arrays. The Journal of the Acoustical
Society of America, v. 75, n. 4, p. 1273–1282, abr. 1984.
SHEN, J.; WANG, H.; CAIN, C.; e EBBINI, E. S. A post-beamforming processing

technique for enhancing conventional pulse-ultrasound imaging contrast
resolution. In: 1995 IEEE Ultrasonics Symposium. Proceedings. An International
Symposium, Washington. Anais... Washington: IEEE, 1995.
SHUNG, Kirk. Diagnostic ultrasound : imaging and blood flow

measurements. New York: CRC press, 2006.
SOHN, H. Y.; KANG, J.; CHO, J.; SONG, T. K.; e YOO, Y. Time-sharing bilinear
delay interpolation for ultrasound dynamic receive beamformer. Electronics
Letters, v. 47, n. 2, p. 89, 2011.
111
SRIVASTAVA, Deepa; e MEHRA, Rajesh. Performance estimation of distinctive

configuration based CIC filter for interpolation. In: 2015 Annual IEEE India
Conference (INDICON), New Delhi. Anais... New Delhi: IEEE, dez. 2015.
STEPHAN, Matthew; ALALFI, Manar H.; e CORDY, James R. Towards a

Taxonomy for Simulink Model Mutations. In: 2014 IEEE Seventh International
Conference on Software Testing, Verification and Validation Workshops,
Cleveland. Anais... Cleveland: IEEE, mar. 2014.
SYNNEVÅG, J. F.; AUSTENG, A.; e HOLM, S. A low-complexity data-dependent

beamformer. IEEE Transactions on Ultrasonics, Ferroelectrics and
Frequency Control, v. 58, n. 2, p. 281–289, fev. 2011.
TANTER, Mickael; e FINK, Mathias. Ultrafast imaging in biomedical ultrasound.

IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control,
v. 61, n. 1, p. 102–119, jan. 2014.
TERASIC TECH. DE4-230 Development Board. Disponível em:

<http://www.terasic.com.tw/cgibin/%0Apage/archive.pl?Language=English&No=
501>. Acesso em: 15 mar. 2016.
VICTOREEM INC. Multi-purpose ultrasound phantom instruction manual. In: [s.l:

s.n.]p. 84–317.
WANG, Ziyu; JIAN, Chen; WANG, Benchao; e YANG, Wenli. The Application of
Clock Synchronization in the TDOA Location System. 2nd International
Conference on Electrical, Computer Engineering and Electronics, 2015.
WELLS, Peter NT. Ultrasonic imaging of the human body. Reports on Progress
in Physics, v. 62, n. 5, p. 671–722, maio 1999.
WIKISONIX. Ultrasound Image Computation. Disponível em:

<http://www.ultrasonix.com/wikisonix/index.php/Ultrasound_Image_Computatio
%0An#Logarithmic_Compression_and_Adjustment_in_the_Dynamic_Range>.
Acesso em: 20 fev. 2017.
WILD, John J. The use of ultrasonic pulses for the measurement of biologic
tissues and the detection of tissue density changes. Surgery, 1950.
112
WILSON, Thaddeus; ZAGZEBSKI, James; VARGHESE, Tomy; CHEN, Quan; e

RAO, Min. The ultrasonix 500RP: A commercial ultrasound research interface.
IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control, v.
53, n. 10, p. 1772–1782, out. 2006.
XILINX. LogiCORE IP FIR Compiler v6.3.
XUAN, Guixin; HAN, Yawei; REN, Min; ZHANG, Zhenyu; e ZENG, Fanxin.
Efficient digital IF architecture for wideband OFDM systems based on CIC filter.
In: 2014 12th International Conference on Signal Processing (ICSP), Hangzhou.
Anais... Hangzhou: IEEE, out. 2014.
YANG, Zhi; e FOX, Martin D. Speckle Reduction and Structure Enhancement by

Multichannel Median Boosted Anisotropic Diffusion. EURASIP Journal on
Advances in Signal Processing, v. 2004, n. 16, p. 2492–2502, 2004.
ZHOU, Hao; e ZHENG, Yin-fei. An efficient quadrature demodulator for medical

ultrasound imaging. Frontiers of Information Technology & Electronic
Engineering, v. 16, n. 4, p. 2–2, abr. 2015.
113
APÊNDICE A – PROJETO COMPLETO DO SISTEMA DSP BASEADO EM
FPGA PARA A GERAÇÃO DE IMAGEM POR US NO SIMULINK
O modelo esquemático do projeto completo do sistema DSP baseado

em FPGA para a geração de imagem por US no Simulink é apresentado na
próxima folha em formato A3 para melhor visualização dos componentes.
114
115
PUBLICAÇÕES REFERENTES AO TRABALHO
1. ASSEF, A. A.; MAIA, J. M. ; FERREIRA, B. M. ; SERAFIN, H. S. ;

BASSAN, G. M. ; DE MORAES FILHO, A. F. ; COSTA, E. T. .
MODELAGEM E AVALIAÇÃO DE UM BEAMFORMING DIGITAL DE
ULTRASSOM BASEADO EM FPGA USANDO O MATLAB/SIMULINK. In:
XXV Congresso Brasileiro de Engenharia Biomédica, 2016, Foz do
Iguaçu. CBEB 2016, 2016.
2. ASSEF, A. A.; MAIA, J. M. ; FERREIRA, B. M. ; SERAFIN, H. S. ;

BASSAN, G. M. ; DE MORAES FILHO, A. F. ; COSTA, E. T. . PROJETO
DE UM FILTRO DIGITAL FIR PASSA-BAIXA EM FPGA PARA
APLICAÇÕES DE PROCESSAMENTO DE SINAIS DE ULTRASSOM. In:
XXV Congresso Brasileiro de Engenharia Biomédica, 2016, Foz do
Iguaçu. CBEB 2016, 2016.

CT PPGSE M Ferreira, Breno Mendes 2017

Enviado por

Direitos autorais:

Formatos disponíveis

CT PPGSE M Ferreira, Breno Mendes 2017

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CT PPGSE M Ferreira, Breno Mendes 2017

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS DE ENERGIA

BRENO MENDES FERREIRA

MODELAGEM E IMPLEMENTAÇÃO DE UM SISTEMA DE

MODELAGEM E IMPLEMENTAÇÃO DE UM SISTEMA DE

Dissertação de Mestrado apresentada ao

Orientador: Prof. Dr. Amauri Amorin Assef

Ao Prof. Dr. Amauri Amorin Assef, pela orientação esplêndida, amizade,

FERREIRA, Breno Mendes. Modelagem e implementação de um sistema de

Palavras-chave: Reconstrução de Imagem por Ultrassom. FPGA. Beamforming.

FERREIRA, Breno Mendes. Modeling and implementation of a FPGA-based

Keywords: Ultrasound Imaging Reconstruction. FPGA. Beamforming. Research

Figura 1 – Representação da geração de ondas de US pelo método pulso-eco

Tabela 1 – Vantagens e desvantagens do Filtro FIR. ...................................... 30

Média das amostras do modelo

O ultrassom (US) é uma técnica bem consolidada que vem sendo

Por motivos semelhantes, as indústrias automotiva, marítima,

2 Ocorre quando a tensão em um condutor elétrico excede o gradiente de potencial do ar que

A dinâmica da evolução tecnológica dos materiais e componentes

(front-end), baseada em dispositivos FPGA, e software (back-end), baseada em

1.2.1 Objetivo geral

O objetivo deste trabalho foi modelar um sistema de processamento

1.2.2 Objetivos específicos

Além do objetivo principal, este trabalho teve como objetivos específicos:

3) Modelar as etapas DSP para reconstrução de imagem por US utilizando o

1.3 ESTRUTURA DO TRABALHO

Essa dissertação está organizada em cinco capítulos. No capítulo 2, faz-

Neste capítulo serão descritos os principais conceitos para melhor

2.1 MÉTODO PULSO-ECO

No método pulso-eco, o mesmo transdutor é utilizado durante a

Interface de materiais com diferentes

Profundidade dos refletores

Figura 1 – Representação da geração de ondas de US pelo método pulso-eco para a

No exemplo, são considerados os Meios 1 e 2 adjacentes, com

Para geração de imagens por US são utilizados modernos transdutores

Elementos de um transdutor matricial linear

1 2 ... 8 9 120 121 ... 127 128

Linha de Varredura 1 Linha de Varredura 120

Linha de Varredura 2 Linha de Varredura 121

Assim, essa abertura sintética é deslocada em um elemento e a

Perfil Inicial Perfil Final

1 2 ... 8 9 120 121 ... 127 128

Pontos de focalização ROI

2.3 FORMAÇÃO DE IMAGEM EM MODO B

No Modo B, o brilho e cor atribuídos a cada elemento de imagem (pixel)

Eco da superfície da Eco da superfície do

Figura 4 – Exemplo de formação de imagem em Modo A e Modo B em diferentes meios.

A diferença entre a amplitude dos sinais ocorre devido a fatores

A FPGA é um dispositivo semicondutor constituído de unidades lógicas

circuitos digitais, incluindo, por exemplo, multiplexadores, demultiplexadores,

2.5 PROCESSAMENTO DE SINAL PELA TÉCNICA BEAMFORMING

Todas as etapas DSP envolvidas na reconstrução de imagem por US

Filtro de Detecção Compressão Conversão Imagem em

Figura 5 – Diagrama em blocos das principais funções de processamento digital do

Conforme descrito anteriormente, durante o processo para composição

ASSEF, 2013). Após a aquisição e pré-amplificação dos ecos, circuitos

2.5.1 Filtros digitais

Filtros digitais são sistemas amplamente utilizados em DSP para

frequência, possuir inerente estabilidade e não necessitar realimentação

2.5.1.1Filtros de resposta ao impulso finita FIR