（计算机应用技术专业论文）心音信号的分析方法研究.pdf

华东师范大学硕士学位论文心音 m a s t e rt h e s i si n2 0 1 1 s c h o o lc o d e ：10 2 6 9 s t u d e n tn u m b e r ：510 815 0 0 0 3 4 e a s tc h i n an o r m a l u n i v e r s i 够 r e s e a r c ho n a n a l y s i sf o rh e m s o u n d s d 印a n m e n t ： m a j o r ： s q 鱼巡堑曼基坠g i 坠曼曼亘n g 也墨! i 地! 宝 一一q 堡卫坠! 曼! 卫卫! i 垒堑i q 垒! 曼曼h 望q ! q g y r e s e a r c hd i r e c t i o n ： q 堡卫望! 曼! ：i 鱼曼鱼旦i 垒g 望q 墨i 量 t h t o r ： m a s t e rg r a d u a t e ： g u i t a oc a o z h i h a it 、1 m a y ，2 0 11 华东师范大学硕士学位论文心音信号的分析方法研究 华东师范大学学位论文原创性声明 郑重声明：本人呈交的学位论文心音信号的分析方法研究，是在华东师范大学 攻移博士( 请勾选) 学位期间，在导师的指导下进行的研究工作及取得的研究成果。 除文中已经注明引用的内容外，本论文不包含其他个人已经发表或撰写过的研究成果。 对本文的研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示谢意。 成 作者签名： 日期删j 年5 月刁日 华东师范大学学位论文著作权使用声明 的分析方法研究系本人在华东师范大学攻读学位期间在导师指导下完 请勾选) 学位论文，本论文的研究成果归华东师范大学所有。本人同意 华东师范大学根据相关规定保留和使用此学位论文，并向主管部门和相关机构如国家图 书馆、中信所和“知网”送交学位论文的印刷版和电子版；允许学位论文进入华东师范 大学图书馆及数据库被查阅、借阅；同意学校将学位论文加入全国博士、硕士学位论文 共建单位数据库进行检索，将学位论文的标题和摘要汇编出版，采用影印、缩印或者其 它方式合理复制学位论文。 本学位论文属于( 请勾选) () 1 经华东师范大学相关部门审查核定的“内部”或“涉密”学位论文，于年 月日解密，解密后适用上述授权。 沙不骼馐耻娥机 导师签名本人签名 川年f 月刁日 术“涉密”学位论文应是已经华东师范大学学位评定委员会办公室或保密委员 会审定过的学位论文( 需附获批的华东师范大学研究生申请学位论文“涉密”审 批表方为有效) ，未经上述部门审定的学位论文均为公开学位论文。此声明栏不 填写的，默认为公开学位论文，均适用上述授权) 。 华东师范大学硕士学位论文心音信号的分析方法研究 屠志海硕士学位论文答辩委员会成员名单 姓名职称单位备注 华东师范大学 朱明华研究员主席 软件学院 华东师范大学 琚小明副教授 软件学院 华东师范大学 刘献忠副教授 软件学院 华东师范大学硕士学位论文 心音信号的分析方法研究 摘要 心脏是人体的重要器官之一，它的各个组成部分反映了心脏状况的重要信 息。如今心血管疾病已经严重影响到了人类的健康，甚至危害到生命。随着现代 社区医疗的不断发展，为了能够更好更便捷地帮助人们快速及时了解自己的心脏 状况，借助计算机来对心脏进行自动的辅助诊断已经成为了近些年研究的热点和 难点。 本文研究了不同的时域、频域心音信号分析方法，从中提取了相关特征参数， 主要工作如下所示： 1 心音信号的预处理：分析了小波阈值去噪技术在心音预处理中的应用， 使用了一种改进的双参数阈值函数，在去除噪声干扰的同时，保留了心音信号的 主要部分。 2 心音信号的包络提取：分析了两种心音包络提取算法，实验表明，基于 波峰点插值的希尔伯特包络保持了原有的时间分辨率，因此精度高，而且包络比 较平滑；而基于归一化香农能量的包络虽然降低了时间分辨率，但是它的运行速 率更加高。然后对包络进行了形态变化，提高了心音信号与杂音的区分度。 3 心音信号的分段识别及时域特征提取：分段识别是心音信号时域分析的 基础和关键。本研究提出了基于窗口以及心音特征规律的方法来定位第一心音及 第二心音峰值点位置。然后把心音分裂以及杂音影响纳入考虑，改进了心音起止 点位置的提取算法。最后根据分段结果提取了心音的心率、收缩期、舒张期等相 关时域特征。 4 心音信号的功率谱分析及频域特征提取：利用w e l c h 法对心音数据进行 功率谱分析，提取了心音功率谱密度最大值、功率谱密度最大值对应的频点以及 各个频段的能量比重等相关频域特征。 关键词：心音信号，特征提取，心音分段，小波去噪，包络 华东师范大学硕士学位论文心音信号的分析方法研究 a b s t r a c t t h eh e a ni so n eo f 也ek e yo r g a n so fh u m a nb o d i e sa j l de a c hc o m p o n e n to fh e a r t s o u l l d sr e n e c t s i m p o n a n t i n f o 珊a t i o na b o mm ec a r d i a cs t a _ t u s n o w a d a y s ， c a r d i o v a s c u l a rd i s e a s eh a ss e r i o u s l va f r e c t e dt h eh u m a n sh e a l 也a n ds o m e t i m e se v e n c a u s e sd e a m w i t ht h ed e v e l o p m e n to fm o d e mc o m m u i l i t yh e a l 也c a r ec e n t e ra n d 恤 o r d e rt oh e l pp e o p l et ok n o wt h es t 抛s0 fh e a r tm o r eq u i c k l ya n dc o n v e l l i e n t l y ，t h e c o m p m e r a i d e dd i a g n o s i sf o r h e a r ts o u l l dd i s e a s ei sb e c o m i i 培m o r ea i l dm o r e d e s i r a b l e i n “sp 印e r ，d i 毹r e n tk i n d so fm e m o da r eu s e df o ra n a l y z 堍h e a i ts o u n d st o e x 仃a c ts o m eu s e f u lf e a 砸r e sb o t hi nt h i l ed o m a i na n df r e q u e n c yd o m a i n s o m eb a s i c w o r k sa r el i s t e da sf - o l l o w s ： 1 ，d e n o i s i n g an o v e ld e n o i s i i l gm e m o db a s e do nt 、v 0p a r 锄e t e r su s m gn e w t h f e s h o l d i n g 胁c t i o ni nw a v e l e td o m a i nw a su s e dt 0r e m o v eb a c k g r o 吼dn o i s ea n d w m t en o i s e a c c o r d i n gt ot h er e s u l t s ，t h i sf u n c t i o ni sb e t t e rt 1 1 a no t h e r s t h em a i l l c o m p o n e n t so fh e a r ts o m l dw i l lr e m a i na & rd e - n o i s i n gs t e p 2 ，e n v e l o p ee x 舰c t i o n o r i g i m le n v e l o p ew a sg o ta c c o r d i n gt oh i l b e r tt r a i l s f e r a n ds h 砌o ne n e 嗡，n l e nt h es m o o t l l e de n v e l o p ew a se x t r a c t e du s i n gc u b i c p o l y n o m i a li n t e 印o l a t i o nb a s e do no r i g i l l 2 1 1h i l b e r te n v e l o p e c o m p a r et 0s h 甜m o n e n e r g y ，t h es m o o t h e dh i l b e ne n v e l o p ei sm o r ea c c u r a t eb e c a u s et i m er e s 0 1 u t i o nd o e s n o tr e d u c e d a tl a s t ，am o 印h o l o g i c a lt r a i l s f o r ma c t i o nt 1 1 a t 锄p l i f i e st h es h a 印p e a k s a n da t t e n u a t e st h eb r o a do n e si su s e df o rd i s t i n g u i s hh e a r ts o u l l d sa n dn o i s e s 3 ，s e g m e n t a t i o na n df e a m r ee x t r a c t i o ni nt i m ed o m a i n s e g m e n t a t i o nf o rh e a r t s o u i l d si st h eb a s i ca n dk e ys t e pt i m ed o m a i na n a l y s i s s o m es 像l t e g i e sw e r et a k e nt o g e tt h ec o l l r e c t l o c a t i o n so fm a i l lc o m p o n e n t so fh e a r ts o u n d si 1 1t i n l ed o m a i n ， e s p e c i a l l yan e wm e t h o db a s e do nw i n d o wp e n o da n dh e a r ts o u l l dc h a m c t e r i s t i c sf o r r e c o v e r i n g l o s t p e a k sw a sd i s c u s s e d i no r d e r t or e c o v e rt 1 1 ee r r o rd e t e c t i o nf o r 华东师范大学硕士学位论文心音信号的分析方法研究 b o u n d a d e so fh e a r ts o u n di i ls o m es i t 删i o nl i k el a r g en o i s ea tt 1 1 eb e g i n n i n go f s y s t o l i cp e r i o d ，t h eb o u n d a d ，d e t e c t i o nm e t h o d 、v a si m p r 0 v e db y 址i n gh e a r ts o u i l d s p l i ta n dm 咖u r si n t oa c c o u l l t b a s e do nt l l es e g m e m a t i o nr e s u l t ，s o m ef e a t u r e s i n t i m ed o m a i ni se x t r a c t e dl i k es1d u r a t i o l l ，s 2 ( 1 u r a t i o i l ，s y s t o l e ，d i a s t o l e ，s1s 2i i l t e r v a l ， s 2 s1i n t e r v a la n dh e a nr a t e 4 ，p o w e rs p e c t r u i n e s t i m a t i o na 1 1 df e a _ t u r ee x 订a c t i o ni i l 丘e q u e n c yd o m a i l l c l a s s i c a lp s d ( p o w e rs p e c 訇r a ld e n s i t y ) e s t i m a t i o nb a s e do nw e l c hm e t h o di su s e di i l n o n n a la n da b n o m a lh e a ns o m l d sf o re x t r a c t i n gs o m ef e a t u r e si i l 行e q u e n c yd o m a i n l i k em a x i m 啪o fp s d ，吐1 e 觎q u e n c yo fm a x i m u i no fp s da j l dt h r e e 行e q u e n c yb a n d e n e r g yp r o p o r t l o i l s k e yw o r d ：h e a ns o i u l d ，f ea t u r e e x t r a c t i o n ，h e a ns o u i l ds e g m e n t a t i o n ， 协v e l e td e n o i s i n g ，e n v e l o p e i i i 华东师范大学硕士学位论文心音信号的分析方法研究 目录 摘要i a b s t r a c t i i 目录 第一章概述1 1 1 研究背景及意义1 1 2 国内外研究现状2 1 3 内容章节安排3 第二章心音及数据集简介一5 2 1 心音的组成5 2 2 心音的频率7 2 3 实验数据集7 2 4 本章小结8 第三章心音信号的预处理方法9 3 1 心音噪声的分类9 3 2 小波阈值去噪1 0 3 2 1 几种阂值函数1 1 3 2 2 阈值的选取1 2 3 3 实验1 4 3 3 1 去噪效果比较1 4 3 3 2 实际心音信号去噪1 6 3 4 本章小结18 第四章心音信号的包络提取方法1 9 4 1 希尔伯特包络1 9 4 1 1 希尔伯特变换简介1 9 4 1 2 改进的希尔伯特包络2 0 i v 华东师范大学硕士学位论文 4 1 3 实验 4 2 香农能量包络 4 2 1 传统香农能量 4 2 2 高阶香农能量 4 2 3 实验 4 3 信号包络的比较 4 4 包络的形态变化 4 5 本章小结 第五章心音信号的分段及时域特征提取 5 1 心音信号的分段定位一 5 1 1s 1 、s 2 峰值点提取 5 1 2s 1 、s 2 起止点检测 5 1 3s 1 、s 2 的辨别 5 2 实验 5 3 时域特征提取 5 4 本章小结 第六章心音信号的功率谱分析及频域特 6 1 方法概述 6 2 实验结果与分析 6 3 本章小结 第七章总结与展望 参考文献 攻读硕士学位期间发表的论文 致谢 v 华东师范大学硕士学位论文心音信号的分析方法研究 1 1 研究背景及意义 第一章概述 心血管疾病是严重影响人类健康的重要疾病之一，例如心绞痛、心肌梗塞、 冠心病等等，这些心脏疾病如果没有得到足够的重视，会直接危害到人的生命。 心血管疾病最基本的检测方法是心音听诊，也就是通过听诊器来听心脏振动发出 的声音，即心音。心音是由于瓣膜的开关、肌腱和肌肉的舒缩、血流的冲击及心 血管壁的振动所产生的 1 1 。从1 8 1 6 年l 舢e c 等人发明听诊器以来 2 】，心音听诊 已经成为了一种简单的、快速的、非侵入的心血管疾病初步诊断方法。 心音听诊之所以受到医学界的普遍采用，原因主要有以下两个方面： 第一，心音听诊比较廉价并且适用性广泛。随着科学技术的发展，心电图 ( e c g ，e 1 e c 仃o c a r d i o 伊a p h y ) ，彩色多普勒( c d ，c 0 1 0 rd o p p l e r ) ，计算机化断 层显像( c t ，c o m p u t 嘶z e dt o m o 伊a p h y ) 及核磁共振成像( m r i ，m a 印“c r e s o n a l l c ei i i l a 西n g ) 等心脏功能检测仪器发挥着越来越重要的作用。这些仪器能 够反馈非常精确的心血管疾病诊断结果。但是，这些心脏检测项目的花费都非常 昂贵，而且检测仪器本身非常庞大，必须由受过专业训练的工作人员进行操作 【3 ，4 】。这些检测手段适合于大型医院和康复中心，对于农村地区或者小型社区医 疗机构等地方，心音听诊仍然是最基本最便捷的初步诊断方法。 第二，相比于其它心血管疾病检测技术例如心电图检测，心音听诊往往能够 更早的发现疾病【5 6 】。这样就能够及时让病人在早期得到积极的治疗，避免由于 时间的延误等而引起病情加重，甚至危害到生命。 为了更好的帮助医生进行心音听诊，近些年来，借助计算机来对心音信号进 行辅助诊断成为了国内外研究的热点。计算机辅助诊断的特点是能够提高诊断的 准确率、减少漏检情况并且可以提高工作效率等等。心音听诊的同时，通过特制 的电子仪器将心音信号转变为线条图形记录下来就是心音图 1 】。心音图可以把那 些转瞬即逝的、听诊不容易察觉的心音信号长期保存下来，以供后期疾病分析等。 还可以把保存下来的心音信号还原成声音进行重放，通过网络传输给远程的医生 华东师范大学硕士学位论文心音信号的分析方法研究 进行诊断等。因此，有必要发展一种由计算机辅助的心音信号自动分析和诊断方 法。 1 2 国内外研究现状 近年来，国内外很多研究人员致力于用不同的技术和方法来对心音信号进行 分析和研究。早期的一些学者在研究心音信号的时候，需要依赖于颈动脉信号、 心电信号等其它辅助参考信号【7 ，c h 【8 】等借助心电信号作为参考来获取心音 信号的时域特征。l e n 一9 】等利用心电信号及颈动脉信号作为参考对心音进行自动 分段识别，然后用心电信号的r 峰值来估计心音信号s 1 的起点，用颈动脉波的 重搏切迹来估计心音信号s 2 的起点。虽然这些算法具有非常高的精度和准确率， 但由于在同一时刻采集了多种不同的信号，信号之间相互依赖性强，并且计算相 对繁琐，增加了软件和硬件的负担。因此设计一种独立的不依赖于任何参考信号 的心音分析方法成为了近些年国内外专家研究的热点。全海燕【lo 】等人用小波多分 辨率分析方法去研究心音的分段算法。m o o d 【l l 】等人利用短时频谱能量以及自回 归方法对心音信号进行分析，并且提取了相关频谱特征，用于多层感知机神经网 络分类器的输入。姚晓帅1 2 1 等人使用数学形态学的方法来分析心音信号，利用形 态学中的开运算和闭运算对心音信号进行去噪和识别。这种方法的一个难点就是 如何选取一个合适结构元素。x i e 【13 】等人首先根据心音的强度、频率等因素对心 脏杂音进行等级的标定。然后设定三个参量：杂音区域比重、杂音间期比重以及 杂音能量比重，计算出不同等级杂音下三个参量的平均值。从实验结果可以看出， 这三个参量的值基本随着杂音等级的增大而增大，保持了很好的一致性。林勇【1 4 1 等人利用了基于经验模式分解【1 5 】的方法来对心音信号进行预处理以及分段操作， 这种方法的关键是寻找到固有模态函数。但是固有模态函数需要满足两个条件： 一，对整个时间序列来说，极值点的个数和过零点的个数相等或者相差1 ；二， 在任何一点处上包络线与下包络线的均值为零。研究证明，这样的终止条件很难 达到，需要反复进行迭代操作，时间效率低下。针对这个问题，作者提出了一些 改进方法【1 6 1 ，适当放宽了算法的终止条件，把条件二修改为上下包络线的所有均 值是否小于0 0 4 ，并且均值点大于o 0 2 的个数是否小于总个数的5 ，这样迭代 2 华东师范大学硕士学位论文心音信号的分析方法研究 次数就大幅度下降，能够较快地获取固有模态函数。周静【1 7 】等提出了基于归一化 平均香农能量分布的心音分析算法，对心音信号进行分段计算，通过这种方法能 够提取出一个相对光滑的心音包络图。由于计算能量时候采取了分段累加操作， 这样使得最后得到序列的时间分辨率有所降低。s c l l i i l i d t 【1 8 等人利用隐马尔可夫 模型来对采集到的心音信号进行分段，并且取得了较高的准确率。陈萌辉 1 9 】等人 基于信号包络以及短时过零率对心音信号进行分段，采用双门限的方法使得边界 提取更加精确。m o h d 【2 0 等人在频域利用相关性对心音信号进行分析，主要方法 是选取一个标准心音，然后用其它心音与此标准心音进行互相关操作，以此来提 取特征参数，并且用神经网络对各种疾病进行分类实验。hl i a n g 【2 1 等人提出了 基于心音包络的分段算法，算法中给了出如何恢复漏检峰值以及去除多余峰值的 过程。根据实验，分段准确率大约为9 3 ，而且微调参数后准确率起伏并不大， 说明算法的鲁棒性很强。文章中提到了两个门限，用较大的门限来判断是否有漏 检峰值点，用较小的门限来判断是否有多余的峰值点。这两个门限是由所有阈值 线之上相邻峰值点间距的均值和标准差决定的。s a m i t 【2 2 】等人研究了一种鲁棒 性非常强的心音分段算法，实验数据包含了不同采样频率、数据采集环境以及不 同的年龄段采集的心音信号。用3 4 段异常与正常心音进行测试，并且加入了高 斯噪声，最后该算法取得了9 5 5 1 较高的准确率。此算法虽然不需要其它参考 信号，但是算法依赖于心率这个额外信息。在实际自动诊断过程中，心率这个量 其实并不是已知的，它同样是需要通过算法检测出来的，属于一个未知量，因此 该方法还是有一定的局限性。 1 3 内容章节安排 论文主要内容包括： 第二章心音信号的基础知识及实验数据：主要介绍了心音各个组成部分的 特点以及心音与杂音的频率范围。本文实验所用到的三类数据，包括实时采集的 数据、山东大学心音数据库的数据以及网络心音数据。 第三章心音信号的预处理方法研究：分析了心音信号中的噪声来源，研究 了利用一种改进的双参数阈值函数能够取得较好的去噪效果 气 华东师范大学硕士学位论文 心音信号的分析方法研究 第四章心音信号的包络提取方法研究：分别对希尔伯特包络和香农能量包 络进行改进，分析比较了各种包络提取算法的性能。包络的形态变换能够有效地 提高心音与杂音的区分度。 第五章心音信号的分段及时域特征提取方法研究：提出了基于窗口以及心 音特征规律的s 1 、s 2 峰值点提取算法。考虑到心音分裂以及杂音的干扰，修正 了s l 、s 2 边界点提取算法。分段成功之后，提取出时域特征参数，例如心率、 s 1 持续间期、s 2 持续间期、收缩期间期、舒张期间期等等。 第六章心音信号的功率谱分析及频域特征提取方法研究：利用w e l c h 法对 各种正异常心音信号进行功率谱分析，并且提取出频域特征参数，例如功率谱密 度最大值、功率谱密度最大值对应的频点以及低、中、高频段的能量比重。 4 个完整的心动周期 图2 1 一个完整的心动周期 如上图所示，收缩期是指从s 1 起点持续到s 2 起点的间期，舒张期是指从 s 2 起点持续到下一个心动周期的s 1 起点的间期。s 1 s 2 间期指的是从s 1 终点持 续到s 2 起点的间期，s 2 s 1 间期指的是从s 2 终点持续到下一个s 1 起点的间期。 在一段心音信号中，收缩期和舒张期是交替出现的，这代表了心脏的周期性运动。 下面将分别详细介绍心音各个主要组成部分的情况【l 】： 华东师范大学硕士学位论文 心音信号的分析方法研究 第一心音s 1 出现在心室收缩的早期，它标志着心室收缩期的开始。s 1 主要 是由四个部分组成，其中第一部分以及第四部分为低频运动，而第二部分及第三 部分为高频、高振幅运动。经典学说认为，s 1 的两个高频成分是由二尖瓣( m 1 ) 关闭以及三尖瓣( t 1 ) 关闭所产生的。在医生进行听诊的时候，往往只能听到s 1 的第二部分与第三部分。s 1 历时较长，一般为o 1 0 s o 1 6 s 。 第二心音s 2 出现在心室收缩的末期，它标志着心室舒张期的开始，s 2 同样 也是由四个部分组成，其中第一、三、四部分都是低频低振幅的波动，仅第二部 分为高频、高振幅的波动，为s 2 的主要部分。经典学说认为，s 2 主要部分是由 半月瓣关闭( 即主动脉瓣成分a 2 与肺动脉瓣成分p 2 ) 所致。s 2 历时约为 0 0 8 s 0 1 2 s 当然，在听诊过程中有的时候也能够发现第三心音s 3 和第四心音s 4 ，特别 是在小孩或者老年人身上。s 3 出现在舒张期早期，一般为0 0 3 s 0 0 8 s ，而s 4 出 现在舒张期晚期，一般为0 0 7 s 0 1 0 s 。它们都是低幅值低频率的信号，不容易听 到，而且容易与其它音混淆。例如第三心音s 3 与开瓣音o s 都是发生在舒张早 期，也就是s 2 之后。它们之间的区别是开瓣音比s 3 早0 0 5 s 以上。如果单靠听 诊来鉴别两者的话是非常困难的，这也进一步说明了通过计算机辅助的方式来对 心音图进行分析的必要性。s 3 和s 4 的出现有时候跟疾病有所关联。病理性s 3 往往导致心力衰竭、心绞痛、重症贫血等。而病理性s 4 往往导致高血压病、心 肌炎、肺动脉瓣狭窄等疾病。 收缩期可能会存在一些杂音，根据杂音类型，可以分为功能性杂音和器质性 杂音。功能性杂音可以发在在没有心脏病的正常人中，而器质性杂音常常见于器 质性心脏病患者。其中包括了收缩期喷射音、收缩期喀喇音、收缩期心房音等。 正常健康的心音中不存在舒张期杂音，它的出现通常说明了有器械性心脏病 发生。根据舒张期杂音的发生机理，主要可以分为以下三大类：经半月瓣反流性 杂音、房室瓣阻塞性杂音、经房室瓣血流增加性杂音。 异常心音通常会反映出心音波形的位置、形状、持续时间等多个方面的异常。 因此，借助计算机来提取出相关的特征参数，并且能够实时反馈给医生一些有用 的指标，这对于医生能够更快更准确的来检测心脏疾病有着非常重要的意义。 6 华东师范大学硕士学位论文心音信号的分析方法研究 2 2 心音的频率 心音的频率反映了音调的高低，正常心脏活动所产生的振动是由心脏传导到 胸壁表面，其频率范围大约为1 8 0 0 h z ；但在有疾病的并且夹杂着其它杂音的心 脏中，其频率可到1 5 0 0 h z 以上。各种心音信号的频率是有所区别的，通常情况 下，杂音的频率要比正常心音频率高的多，具体如下表2 1 中所示： 表2 1 心音以及杂音的频率 心音种类心音频率范围 第一心音s 1 5 0 10 0 h z 第二心音s 2 5 0 一1 0 0 h z 第三心音s 3 1 0 5 0 h z 第四心音s 4 1 0 5 0 h z 舒张期隆隆样杂音5 0 8 0 h z ，亦可达到14 0 一4 0 0 h z 心包摩擦音 1o o 4 0 0 h z ，亦可达到6 6 0 h z 高频杂音( 舒张、收缩期)1 2 0 h z 6 6 0 h z ，亦可达到1o o o h z 在心音图检查中，一般将2 0 0 h z 以上的称作为高频，1 0 0 2 0 0 h z 的为中频， 小于1 0 0 h z 为低频。s 1 和s 2 的主要频率集中在5 0 1 0 0 h z 范围内，因此正常心 音信号一般是由中低频音组成的。 2 3 实验数据集 本研究实验中用到的心音信号数据包括以下三个部分： 第一部分采用的是山东大学心音数据库。数据类型包括了正常心音以及异常 心音，包括了不同的组别，例如：正常成年，正常少年，二尖瓣疾病，冠心病等 等。数据采集时候，样本包含了不同年龄段不同性别的人，以及不同的心音采集 位置：心尖区、心前区、心底区、主动脉瓣区。数据文件为采集的双通道心音和 心电数据，第一通道是心音，第二通道是心电，每通道采样频率为6 0 0 0 h z ，a d 转换精度为1 2 位，用c 语言s h o r ti n t 格式( 1 6 b i t ) 保存每一个数据值，心音和 心电各点交替保存，即为2 b y t e 心音2 b y t e 心电。每例数据文件采样时间为1 0 s 。 7 华东师范大学硕士学位论文 心音信号的分析方法研究 通过附带的工具，可以实现心音心电数据分离。本课题是研究心音信号，故实验 的数据为分离后得到的心音数据。 第二部分是网络心音数据库【2 3 彩】，包括正常异常心肺音在内的听诊教学例 子。其中包含了一些主要疾病，例如主动脉回流，主动脉狭窄，二尖瓣回流，二 尖瓣狭窄等等。 第三部分采用的是本研究团队成员开发的心音采集设备，设备采集的心音信 号的一些参数如下所示，频率：8 0 0 0 h z ，双声道采集，精度1 6 位，采集时间可 以随意调节。本实验中每段心音信号采集时间大概为8 2 0 s 。 2 4 本章小结 本节简单介绍了心音几个主要组成部分：第一心音、收缩期、第二心音、舒 张期。并且介绍了收缩期、舒张期杂音以及第三心音和第四心音与疾病的联系。 分析心音的时候，了解各种不同心音的频率是非常重要的。通常情况下心音的主 要组成部分s 1 和s 2 都是中低频声音。最后介绍了本研究所需要的心音信号数据 库文件及其来源。 华东师范大学硕士学位论文心音信号的分析方法研究 第三章心音信号的预处理方法 生物医学信号由于受到本身以及外在环境的影响，因而存在着很多其它一般 信号没有的特征：( 1 ) 信号比较弱。例如母体中的胎儿的心电信号为1 0 u v - 5 0 u v ， 脑干听觉所诱发的脑信号小于1 u v f 2 刚。( 2 ) 噪声比较强。由于信号本身强度比较 弱，使得它更加容易受到噪声的干扰。( 3 ) 频率比较低。心音信号的第三心音、 第四心音的频率低于2 0 h z ，低于人耳的可听范围，这给听诊带来了极大的不便。 ( 4 ) 随机性比较强。生物医学信号不光是随机的，而且是非平稳的。正是因为 生物医学信号的这些特征，使得生物医学信号处理方法成为了当代信号处理技术 中一个非常重要的领域，其中小波技术凭借着自身的一些灵活性和简洁性，已经 发展成为一种能够为生物医学界临场诊断提供更多的信息的技术方法1 2 7 1 。 3 1 心音噪声的分类 心音信号中总会夹杂了各种不同类型的噪声。这些噪声通常是由不同因素引 起的，因此分析这些噪声的产生来源，并且利用一定的方法去除或者降低噪声， 这对于研究的后序工作具有非常大的帮助。 首先要了解心音噪声的来源，主要归为以下两大类： 第一类：外部因素可能会引入噪声。在采集心音的过程中，由于一些人为因 素会带入噪音。例如由于人的紧张等因素使得身体没有保持完全静止，身体的微 小抖动就会带入噪声；又如采集心音的时候由于传感器的脱落或者劣质的传感器 而引起的噪声；再者，采集过程中由于人的呼吸，使得呼吸音也被一并采集进去， 造成对心音信号的干扰等。 第二类：内部因素同样会引起噪声。在2 2 节中介绍了不同心音的频率，心 脏杂音的频率相对比较高。心脏杂音对于研究心音的意义非常重要，特别是在诊 断过程中，杂音蕴含着非常重要的信息。但是在有些分析过程中，例如进行心音 分段的时候，杂音的存在难免会给s 1 和s 2 造成干扰，从而给后序分析带来不便 甚至导致错误。因此在这些情况下需要把心脏杂音当作为“噪声滤除。 0 华东师范大学硕士学位论文心音信号的分析方法研究 在对心音信号进行相关分析前，需要做一些预处理工作来去除上述各类噪 声。由于各种噪声都有不同的特点，它们的频率各不相同。而且，通过频谱分析 可知，有些心脏杂音的频谱分布与s 1 、s 2 有重叠，因此需要研究一种效果明显 的去噪方法来对心音信号进行预处理。 3 2 小波阈值去噪 小波变换是2 0 世纪末发展起来的一种新的分析方法，它的应用相当广泛， 涉及范围有信号处理、图像处理、模式识别、语音识别、地震勘测、电磁场、医 学影像、数值分析、量子物理、流体力学、机械故障诊断等2 8 1 。同时，小波技术 在噪声去除方面也取得了很大的成功。 信号去噪又称为信号滤波。常用的小波域上的信号去噪方法主要有：基于小 波变换模极大值原理的去噪方法、基于小波系数相关性的去噪方法以及小波阈值 去噪方法。小波阈值去噪是一种非常简洁有效的方法，最先是由斯坦福大学 d l d o n o h o 教授在1 9 9 5 年首先提出的 2 9 】，这种方法取得了非常好的效果并引起 全世界的关注。 通常情况下，一维信号的小波阈值去噪过程主要分为以下三个步骤 3 0 】： ( 1 ) 选择一个小波，并且根据实际需要确定小波分解层数n ，然后对信号s ( i ) 进行n 层小波分解。如下图3 1 中的例子所示，就是把信号进行了三层分解。其 中c d l ，c d 2 ，c d 3 为每一层分解后的高频系数，而噪声往往包含在高频系数中。 ( 2 ) 高频系数的阈值量化处理。对第l 层到第n 层中每一层的高频系数进行量 化处理。这里需要根据实际情况选取合适的阈值以及阈值函数。 ( 3 ) 信号的小波重构。根据第n 层的低频系数以及经过量化处理后的第1 层到 第n 层高频系数进行一维小波重构。重构后的信号即为经过小波阈值去噪处理 后的信号。 1 0 华东师范大学硕士学位论文心音信号的分析方法研究 h s i 上 hc a l 卜 c dl h 础h cd 2 e a 3lc d 3 l m ，= 舻x b i n 愫； ， 少c x ，= 丢：三i 三； c3 2 ， 糸y y t t 7 x一丁j t x ( a ) 软阈值函数 ( b ) 硬圜值函数 图3 2 硬、软阈值函数图像 这两种传统的阈值方法存在一些潜在的缺点： 对于硬阈值函数，在+ t 和，t 处是不连续的，会产生一些间断点，从而造成 华东师范大学硕士学位论文心音信号的分析方法研究 重构信号有一定的振荡。 对于软阈值函数，虽然是连续的函数，但是当h 丁时，会存在着恒定的偏 差，造成高频信息丢失、边缘模糊等。从而影响到了重构信号与真实信号的逼近 程度。 因此，在选择阈值函数的时候，软阈值函数以及硬阈值函数都有一定的局限 性。近些年来，国内外很多学者对阈值函数的选取进行了研究，并且提出了不少 改进方案【3 1 3 3 1 。 本文将使用一种改进的双参数阈值函数3 4 。3 5 】，它是软阈值函数与硬阈值函数 的折中，去噪效果更佳。它的函数表达式如下所示： ix 一丁+ 尼a r c t a n ( 6 ，2 口+ 1 ) ，x 丁 y ( x ) = 尼a r c 协( 6 丁2 叶1 ) ，h 丁( 3 3 ) x + r 一尼a 1 t a n ( 6 丁2 叶1 ) ，x 一丁 脚= 坐锷掣坚小等器 口为大于o 的整数，并且聊 一1 ，1 利用极限等相关数学方法，不难证明，当删= 一1 且口一时，上述表达式等 同于软阈值函数；而当，z = 1 且口寸时，上述表达式则等同于硬阈值函数。根 据信号的实际情况，合理调整a 和m 的取值，能够使得去噪效果更佳。因此， 这种阈值函数的适用性非常强。 3 2 2 阈值的选取 阈值函数选取后，还有一个重要的步骤就是选取合理的阈值，在之前的研究 中，学者们给出了多种基于经验的阈值选取规则【2 9 ，3 1 1 。其中四种是最经典的阈值 选取方案，如下表3 1 所示： 1 2 华东师范大学硕士学位论文心音信号的分析方法研究 表3 1 经典的阈值选取规则及说明【3 6 】 阈值规则说明 鼬伊s u r e使用s t e i n 的无偏似然估计原理进行自适应阈值选择 h e 耵f s u r e 启发式阈值选择 s q 铆o l o g 阈值为s g 形( 21 0 9 ( z 2 馏铂( x ) ) ) m i n i m a x i 极大极小原理选择阈值 选项g r s u r e 是一种基于s t e i n 的无偏似然估计原理的自适应阈值选择。 给定一个阈值t ，得到它的似然估计，再将该估计最小化，就可得到所选的阈 值。结合软阈值函数使用效果更加。 选项s q 似o l o g 所采用的是一种固定的阈值形式，它假定了噪声具有独立 同分布的特性，因此所产生的阈值为s g 力( 2 1 0 9 ( z p 俘五( x ) ) ) 。 选项h e n l s w e 是前两种阈值的综合，所选择的是最优预测变量阈值。如 果信噪比很小，而s u i 迮估计有很大的噪声，在这种情况下，就需要采用这 种固定的阈值形式。 选择m i n i m a x i 也是一种固定的阈值选取形式，它所产生的是一个最小均 方差的极值，而不是无误差。在统计学上，这种极值原理常用来设计估计器。 因为被降噪的信号可以看作是与未知回归函数的估计式相似，这种极值估计 器可在给定的函数中实现最大均方误差最小化。 在本实验中，为了对小波分解后各层信号进行去噪，在每层分解中采用不同 的阈值估计，则第j 层阈值估计计算方式如下： 即一 ， 。 l o g ( + 1 ) u 其中n 是信号的长度，万，是在小波分解之后第j 层小波系数中的噪声估计， d o n o h o 给出了如下噪声估计： 讹历口耽( 陈f ) 万：= 型2 卫 。 o 6 7 4 5 上式中胞优口，z ( 1 嘭1 ) 是第j 层上所有小波系数绝对值的中值。 华东师范大学硕士学位论文心音信号的分析方法研究 3 3 实验 3 3 1 去噪效果比较 为了证明改进的双参数阈值函数比传统的软、硬阈值函数的去噪效果更加显 著，本实验选取一段标准心音，然后对其进行加噪处理。设置噪声为高斯白噪声， 加噪之后的信噪比为o d b 。初始标准心音以及加噪后的心音如下图3 3 所示： 1 0 5 嚣 。 田5 1 ( a ) 标准心音信号 - _ 00 511 522533 54 时间( 秒) ( b ) 加嗓后的心音信号 图3 3 标准心音以及加噪后的心音信号比较 接下来使用上节介绍的小波阈值去噪方法对加噪后的心音信号进行处理。本 实验选取d b 6 小波对加噪的信号进行8 层小波分解，每层中按照上文中的公式 3 4 给出的阈值规则进行计算，最后将各层量化后的小波系数进行小波重构，即 可以得到去噪后的心音信号。本实验中，利用网格搜索法来确定双参数的选取， 目标是使得信噪比最高。根据实验结果，当a 取2 0 0 左右的时候且m 取一o 5 时， 去噪效果最好。信噪比的计算方法将在下文公式3 5 中介绍。然后分别用三种阈 值函数：软阈值函数、硬阈值函数以及改进的双参数阈值函数，对图3 3 ( b ) 中经 过加噪后的心音信号进行小波阈值去噪，三种阈值函数得到的去噪实验结果分别 如下图3 4 ( a ) ( b ) ( c ) 所示： 1 4 华东师范大学硕士学位论文心音信号的分析方法研究 ( a ) 软团值函数去嗓 1 嚣o 1 1 器o 1 时间( 秒) 蚴硬闻值函数去噪 0口51 15 22533 5 4 时间( 秒) ( c ) 双参数改进的闻值函数去嗪 oo511 522533 54 时间f 秒) 图3 4 三种阈值函数去噪效果比较 从上图3 4 中很明显可以看出，硬阈值函数去噪效果较差，而软阈值和改进 阈值效果差不多。然后使用信噪比厂以及均方误差万作为定量的对比指标，信噪 比，以及均方误差万的计算法则分别如下公式3 5 以及