多普勒超声用于医疗诊断开始于1956年由日本Osaka大学的Shigeo Satomura进行的研究。50多年来，它早已由一种实验方法变成了一种重要的医疗诊断工具。利用超声波的多普勒效应，可以提取人体内部的许多运动信息，诸如血流、血压、胎心等。其中，检测和量化心脏、动脉和静脉中的血流状况是超声多普勒技术应用的一个重要方面。 在测量血流速度的多普勒超声系统中，我们需要的是从红细胞散射来的超声信号，它产生的多普勒频移和血流速度成正比。可是，由于血管壁的搏动，超声设备中直接得到的多普勒信号夹杂了大量管壁反射的回波。为了准确测得血流的速度，必须充分抑制管壁信号。由于管壁信号频率较低，而血流信号绝大部分的频率高于管壁信号，因此通常使用一个高通滤波器从混合信号中分离出血流信号来。不幸的是，这样会同时滤除低速血流产生的低频信号，包括靠近血管腔内壁的低速血流，而这部分血流被认为对血管疾病如动脉粥样硬化的早期诊断帮助很大。有研究者发现，使用一种称为“经验模式分解”(empirical mode decomposition，EMD)的技术可以在消除管壁信号的同时保留较多的微小低速血流成分，从而获得比使用高通滤波器更好的分离效果。 本论文以此为依据，对EMD算法进行了多方面的优化。提出一种适合于本应用的三次样条插值的边界条件，并对插值公式进行标准化，提高了计算效率。对实数序列的短时傅立叶变换的快速算法，利用压缩法和查旋转表法进行进一步改进，以快速获取血流信号的能量谱。另外，论文对筛选内模函数(intrinsic mode function，IMF)的终止条件进行分析，从大量的统计数据中总结出一条简单而有效的经验判据。优化后的算法被应用于微小血流的实时提取，实验结果表明数据的处理速度完全满足实时采集的超声多普勒信号的分离处理要求。 基于个人计算机和Visual C++语言，我们构建了一个实时提取血管腔内壁周围微小血流超声多普勒信号的系统。使用该系统，我们进行了多人次的颈总动脉血流检测和分析，实验结果表明该系统能实时提取低频微小血流，从而获得较完整的血流信息。该系统对血管疾病的深入研究有一定价值。