超声彩色血流成像技术(CFI)能实时、无损地呈现人体内血流速度的二维分布情况,是血管类疾病的重要诊断依据。在超声换能器接收到的回波信号中,除来自红细胞的散射信号外往往还包含有来自软组织或管壁的大幅度干扰信号(称为杂波)。所以在进行流速估计之前,必须经过杂波抑制步骤来滤除杂波信号。本论文提出了四种新的杂波抑制方法,以应对非平稳杂波运动环境下的杂波抑制需求。动态区域划分法(DRP)根据杂波运动的非平稳程度,调整其作用区间。区间长度与杂波非平稳程度成反比关系。区间调整完毕后,再利用特征向量滤波器(Eigenfilter)对每个区间依次滤波,从而解决了均匀划分时,区间长度过大或过小的矛盾。投影寻踪法(PP)通过采用鲁棒性的投影索引代替方差,避免了个别点对整个回波数据集的影响。然后用鲁棒的特征向量构造杂波子空间,并将其从原信号中移除,从而获得血流信号。递归特征值分解法(RED)利用每次输入逐步更新杂波子空间,既保留了传统Eigenfilter的时间自适应性,同时又具有了一定的空间自适应性。快速的递归特征值分解法(FOP)作为RED的改进,利用一阶近似计算,避免了频繁的奇异值分解(SVD),从而降低了算法复杂度。在五种不同的杂波环境下进行了计算机仿真实验。将提出的新方法与三种传统方法(高通滤波器、Eigenfilter和Hankel-SVD)进行了比较,给出了滤波前后的速度剖面图。同时引入了客观指标：均方误差MSE和互相关系数r。结果表明：在杂波环境复杂,非平稳性强时,本论文提出的方法性能优于传统方法。而当杂波空间运动存在不连续变化时,RED和FOP的优势更为明显。再将杂波抑制方法用于人体颈动脉信号,并给出了滤波前后的CFI输出图像。结果表明：在综合考虑血流完整度和杂波速度抑制效果的前提下,本论文提出的方法效果普遍较好,尤以RED和FOP最为明显。最后对各方法的算法时间复杂度做了分析与比较。从比较结果可以看出FOP在效果与RED相当的情况下,其复杂度大大降低,有望成为一种实用高效的杂波抑制方法。