基于小波变换的心音信号预处理方法

第1章绪论1.1心音的产生及重要意义1816年，法国医生ReneLaennec通过一根长长的纸管过滤从患者胸部到耳部的声音，世界上第一部听诊器由此诞生[[1]刘炜烨，戴嘉梵.基于电子听诊器的心音分类系统[J].仪器仪表用户,2018,26(8):11-14]。经过长达25年的时间演变，听诊器也在不断的更新，显著的是来自纽约的GeorgeP.Cammann设计出的第一款带左右耳塞的听诊器打开了听诊器用于临床的新纪元，并且该听诊器延续[1]刘炜烨，戴嘉梵.基于电子听诊器的心音分类系统[J].仪器仪表用户,2018,26(8):11-14心音信号它是一种心脏发出来的生理特征信号，可以收集人体之中每个器官传达出来的生理信号波频，比如说人的五脏：心、肝、脾、肺、肾，尤其在心脏病的临床治疗中是不可或缺的关键技术，因为心音可以收集心脏的各瓣膜和心房状态的病理信息，为治疗带来技术指导，其次心音信号在心血管疾病以及心脏病的临床治疗中也具有不可取代的引导价值，它是针对这类突发疾病无创性检测的重要方法。但不管多么先进的技术都离不开听诊这个环节，因为听诊依然是五脏疾病监测的不可或缺的一个关键步骤。从古至今几个世纪以来，判断疾病产生的部位由望闻问切到采用声学听诊器来听诊逐步发展，前途发展趋势明亮，但是回看历史的车轮轴迹，包括现在使用的技术不得不说诊断方式还存在许多薄弱的地方,就拿传统的听诊器来说便有一些不足之处：传统听诊器势单力薄，使用起来比较繁琐，对疾病的判断也存在模糊性。传统的声觉听诊器远远满足不了高精度性能的医学要求，而心音听诊器却能改变这一技术难题。传统听诊器的最大缺点是不能储备大量的心音听诊病例资料，这给后面同一疾病的诊断带来了知识盲区。传统听诊器系统体积庞大，噪音大,与传统的心音传感器对比操作起来也比较困难。然而，在疾病的催促和时间的压迫下，人们充分挖掘自己的大脑，利用知识的力量对传统的听诊器进行了大改革，那就是利用心音的优点制造出了手持式心音听诊器，这不仅为突发疾病临床处理做出了卓越的贡献，还把心音推上了历史的舞台,取代了传统的老式听诊器，这是由于过时的听诊器已经在心音检测与分析方面不能动态的了解心脏的心音频率，存在盲区。正是由于听诊器存在的这些缺陷，研究心音信号能够更早的发现心脏疾病健康风险，更好的预防心脏病。1.2国内外心音信号处理的现状伴随着现代社会物质生活水平的改善,各种疾病的发病率和死亡率也越来越高，尤其以心血管疾病极为瞩目。据资料数据显示，危害健康的最频发和最常见的疾病当属心脏病。根据播报出来的数据分析。预计，人的死因为心肌梗死和脑卒的排名将从目前的第五位与第六位上升至第一位和第四位，全球的心血管死亡率也由此增加50%。因此，医学界面临的首要问题之一就是心脏系统疾病的防治和诊断。恰好心音可以为当前心血管疾病或心脏病的治疗提供动态数据，缩短治疗过程，这是由于心音不仅能够将分布在心脏不同位置的生理和病理信息识别，然后分析成像，为医疗人员提供实时动态数据，针对疾病的治疗及时采取救援措施，增大了生命的存活率，所以研究心音对各类突发疾病的治疗已经成为时代所需的关键技术。经由医学工程研究者提出对心音的识别与分类将采用传统的模式识别方法以及神经网络方法，综合各种技术开展研究，通过大量的实验进行仿真检测分析，最终利用心音辅助优良性的特点实现了心音自动解释和自动诊断的功能，为临床医师的诊断、治疗、抢救提供数据支持。除此之外心音信号在国内外生物医学信号实验室也一直备受关注，其由美国埃默里大学出头联合八个国家心音研究者，建立了迄今为止规模最大的心音信号公开数据库并向全世界免费无条件公开，这不仅仅为突发疾病的处理治疗提供了依据，还促进了国际之间的友谊。

第2章心音相关理论介绍2.1心音的概念心音是由于心脏收缩和舒张时开启和关闭瓣膜发出的声音。因为收缩时的声音低、声线长，舒张时的声音清晰、声线短，所以心脏发生病变时就会有杂音的产生，这为突发疾病的临床治疗提供了判断的依据。2.2心音的形成心音的形成主要是在心脏收缩期过度到心室收缩期的时候随着心脏的跳动与及外界之间产生的压强撞击房室瓣，引起关闭，导致血液从心室流出，产生了瓣膜振动，这便形成了心音。2.3心音的特点一个心室的循环，在其心脏内部能够产生四种心音，临床上针对突发疾病的治疗就依靠这四种心音的变化来判断，这是由于它有比较独特的心音特点：（1）第一心音音调低沉，持续时间较长，但其性质较纯，听到的声音音度较为响亮；（2）第二心音音调较高，持续时间较短，但其性质比第一心音清脆；（3）第三心音持续时间较短，心音产生的波频率低缓，声音强度弱，其性质产生重浊而低钝感；（4）第四心音相对其它三种心音来说，音调不仅低还具有沉浊感，强度明显很弱，在心尖部及其内侧较明显。2.4心音信号的特性针对每一件事情来说，都有其显著的特性存在，因为对任何一个事物都是从多个方面进行分析判断，并且在每一个方面反馈转来的信息逐步处理就可以成为它存在的特性特征。然而，对于一个看不到、摸不着、感觉难以解释的信号来说，它也有很多方面的特性特征，其中两个特征最为明显，一个是时域特性，它的信号强度会随着时间的变化而排列出规律的特征；另一个是频域特性，它的单一频率的信号可以合成一个发射信号。2.4.1心音信号的时域特性心音信号的时域特性[[2]姜畅博.基于小波技术的心音信号特征提取[[2]姜畅博.基于小波技术的心音信号特征提取[D].天津：天津大学,2016.图SEQ图表\*ARABIC12.4.2心音信号的频域特性心音信号的频域特性[[3]周酥，吴效明，朱蒂.基于小波变换的心音包络提取算法及应[J].中国组织工程研究与临床康复，2011,15(30)：5616[3]周酥，吴效明，朱蒂.基于小波变换的心音包络提取算法及应[J].中国组织工程研究与临床康复，2011,15(30)：5616-5618图SEQ图表\*ARABIC2图SEQ图表\*ARABIC3通过对图表的分析，可以清楚的了解到在一般情况下，心脏杂音和从环境或仪器中混入的噪声频率是高于时域特性当中的S1和S2的频率，针对这样的情况，采取了滤波的方法来降低以至于消除心杂音对心音信号处理带来的影响并创造符合频域特性的条件。把在诊断的过程中出现的隆隆样、叹气样、吹风样，甚至出现600Hz－800Hz的高频成份的情况，根据各种心杂音的特征进行了定义。由此可知心音中的有效信息分布于1Hz－800Hz之间。2.5小波变换简介2.5.1小波变换的产生小波变换是1974年由法国从事石油信号处理的工程师J.Morlet首先提出的，他通过物理的直观和信号处理的实际经验的需要建立了反演公式，当时数学家在它蓬勃发展之前没有认识到这一点。所幸早在七十年代，A.Calderon对定理的发现、Hardy空间的原子分解和无条件基的深入研究，为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了一个小波基，这个历史上的小波基与现在非常相似；并与S.Mallat合作建立了构造小波基加多尺度分析的统一方法，开始了小波分析。2.5.2小波变换的概念小波变换[[4]艾炜华，汤建明，巫昌霖.心音信号采集及自动识别系统[[4]艾炜华，汤建明，巫昌霖.心音信号采集及自动识别系统[J].科技视界,2015,34(1):27-282.5.3连续小波变换波的变换离不开信号的传递，因为小波变换中的小波信号是一类衰减较快的波动信号,其小波的公式定义为：φa,bt=1aφt-ba,a≠0,b∈RQUOTEφa,bt=1aφt-ba,a≠0,b∈R)，其中a是尺度因子，b是平移因子。称φa,b[5]郑蕾.基于小波变换的心音信号分析方法的研究[D].兰州：兰州理工大学，2010.连续子波变换定义为：WTφfa,b=1aRf连续小波变换的逆变换定义如下：f连续小波变换具有的性质：线性性：一个多分量信号的小波变换等于各个分量的小波变换之和；（2）平移不变性：假设f(t)的小波变换为Wfa,b，则ft-τ（3）伸缩共变性：若f(t)的小波变换为Wfa,b，则f(ct)的小波变换为1a（4）自相似性：在不同区域的尺度里面代入参数值b，经过算法计算就会在连续小波变换之间产生一种具有极高的相似度的波频；（5）冗余性：连续小波变换从一维信号变换到二维空间信号时，中间会产生一瞬间的空白期，这就使得在变换波频的时候存在信息表述的冗余；2.5.4离散小波变换在数值和功能的分析当中，离散小波变换是对小波进行离散采样的多元性小波变换，它具有一个关键的优势就是时间分辨率，因为它能捕获心音信号的时域及频域特性中的频率和时间位置。小波函数位移离散化方法：（1）a=a0=1位移b的离散化间隔b0b=（2）a=a0j≠1位移的离散化间隔a0jb0小波函数离散化φa离散小波变换W尺度和位移离散化的规则：离散小波变换WTxj,k必须任意信号x(t)能用离散小波变换表示，存在cj,k2.5.5小波的应用经过研究表明，小波具有空间局部性,这是由于小波能聚焦于信号的局部结构,根据这样的特点，可以使用小波对信号进行确定位置。除此之外，小波在信号分析当中也独树一帜，不仅有指导意义还具有广泛的应用，如以下几点：其一，用于边界的处理和滤波，信号的识别与诊断以及多尺度边缘检测；其二，用于在数学领域的数值分析、构造快速数值方法、微分方程求解；其三，用于工程技术领域，如曲线设计、湍流、远程宇宙的研究。

第3章心音信号的采集与噪声处理3.1心音信号的采集目前专业的医生诊断心血管疾病的时候都是借用医用听诊器听心音的方式，然而在专业的机械治疗中，在为病人诊断的时候医院将采集到的心音数据[[6]屠志海.心音信号的分析方法研究[D].[6]屠志海.心音信号的分析方法研究[D].上海：华东师范大学,2011.声音在心脏内产生通过瓣膜传递到仪器上时，主要是将声音通过仪器转化为模拟的电信号，然后通过传感器采取心音电信号进行前级放大滤波，将波频调制到合适的幅值，使得心音信号可以被各种A/D芯片识别，转化成处理芯片可以处理的数字信号的过程。通过对前面心音信号的预处理，明白心音信号它是由心肌收缩带动心脏瓣膜关闭然后使血液撞击心室壁和大动脉产生振动从而发出一种独特的心音信号。当将这些振动所产生的声音转化为计算机能识别处理、可读取的数字信号，那就需要选择驻极体话筒声音传感器，因为它不仅是一款灵敏度高，抗噪声好，性价比高的声音传感器，而且它采集的心音信号的频率范围在我们人耳能听到的低频率段内。3.2心音噪声的分类人体各个器官的工作，为我们带来了身体的平衡及正常运转的同时也产生了一些心音噪声危害着我们的身体，尤其以心脏杂音为重，它具有的特点是不同频率、不同强度、持续时间较长。稍不注意就能给心脏带来超量的负荷运转，使疾病发生的频率增加。在含有疾病的心脏内部就会产生心脏杂音，影响治疗过程，因为当血液在心脏内部的血管内快速流动时受到压强的影响，改变了流速的方向撞击在心室壁，引起瓣膜和血管发生了振动，就有一种位于心音之外的杂音产生，使得对整个临床的判断治疗产生延误性。然而，在我们生活的大圈子里面，经常伴随在我们身边的噪声杂音主要有以下几方面：随机噪声因为心音信号很微弱，所以要求仪器的灵敏度要很高，这样就很容易把一些噪声信号采集在一起。例如：仪器的摩擦噪声、人的呼吸噪声、环境噪声，这会影响采集信号的准确性，有些噪声甚至会覆盖了实际的信号分量。工频噪声工频噪声主要是因为采集过程中附近的电磁辐射造成的，受到干扰的主要频率成分通常是50Hz，采集仪器也不免被该噪声影响，使用采集仪器采集信号的时候还受到工频信号的调制影响，使得算法计算出的结果信号里面不仅含有噪声的波频，边缘还含有毛刺对信号的平滑度产生影响。采集仪器的噪声电子设备的离散噪音、电阻的热噪音都是目前使用的采集仪器存在的缺点。另外，采集器无法避免这些噪声，如果两者混合在一起，则采集设备的分辨率降低。3.3噪声的处理随着社会的发展，科技产品随之而来，冲击着市场的同时也为广大人民群众带来了声音的污染，随着各式各样的电子产品流入市场，在给人们生活带来便捷的同时也受到了电子产品产生噪声的污染，并且其中承载着的大量信息，数据化的成为当代获取信息的重要途径，但其带来的后果那就是噪声的污染。根据市面上广用的方法现在主要有四种噪声的处理方法分别为：降低室内噪声、隔音降噪、声源治理、吸声降噪。3.3.1小波基函数的选择针对同样信号选择不同的基函数会得到不一样的结果，这是由于小波基函数不是唯一的，在选择小波基函数[[7]马晶，蔡文杰，杨利.心音信号分析[J].中国医学物理学杂志,[7]马晶，蔡文杰，杨利.心音信号分析[J].中国医学物理学杂志,2017,11(6):1173-1175（1）正交性：可以简化小波信号的分析，这将有利于小波信号的精确重构分析；（2）对称性：在函数的平面区域内，对称的基函数可以让小波产生的滤波呈线性相关的关系，保留了小波的原始信号不产生失真，保证了数据的准确性，为算法的计算提高了运行速度；（3）紧支性：信号局部特性的好坏取决于它的长度，小波基函数的紧支集越短，局部时频特征就越好，这便于对信号进行瞬时检测；（4）正则性：信号重构后的平滑性由它决定，频域的分辨率也会受影响，还影响了紧支集的长度，长度越长，则正则性越好；因此结合上面的特性本文选取了sym7的小波来进行研究。3.3.2阈值函数的选择阈值顾名思义是指一个效应能够产生的最低值或最高值，一个邻域的界限称为阙，其数值称为值，就像在数学关系中有自变量的值必须在函数的定义域之内，而阈值的处理方法选择有两种区分，分别是硬阈值和软阈值[[8]朱冰莲，刘倩.心音信号的自适应小波去噪[J].计算机技术与发展,2006,16(10):84-88[8]朱冰莲，刘倩.心音信号的自适应小波去噪[J].计算机技术与发展,2006,16(10):84-88然而在我们实际应用中，不止只有软阈值与硬阈值两种处理方法，还有许多种阈值的确定方法，比如新阈值函数。但是在本课题的研究当中，针对本次的问题还得具体问题具体分析处理，选择合适的阈值处理方法。通过对其他实验使用方法的调查研究以及查阅相关的文献记载，了解到高斯白噪声污染的处理最为棘手，因为它针对的条件选择比较严谨，所以为了保证选取的阙值满足要求，则需要认知以下几点准则：（1）无偏似然估计准则，它是自适应阈值选择，不仅保证了心音信号阈值选取的正确性，还保证了估计的结果满足条件所需的要求，它还是一种软件阈值估计器，具有一定的精准程度，能为结果的选取提供方便。（2）固定阈值准则，利用固定的值，获取去噪特性，这是由于阙值是固定的，再代入参数计算的时候，就可以化简，为式子的计算带来了方便，保证信号阙值的正确性。（3）混合准则。它是以无偏似然估计准则和固定阈值准则为基础，融合两者的优点，从而代表了最优预测变量阚值选择，这不仅使得结果的选取时间缩短，还保证了结果的准确率优化了阈值选取过程。（4）极大极小准则。生成一个线性的最小均方差的极值是使用一种固定的阈值。无偏似然估计准则和极大极小准则在选取值的过程当中虽然保证了结果的预估准确性，但其耗费的时间过长。因此，当信号的少量部分高频信息位于噪声信号中时，这两种阈值准则可以提取到微弱信号，对高斯白噪声污染处理带来的作用相对较弱。而固定阈值准则和混合准则这两种阈值选取则是将系数全部设置为零，在去除噪声时效果达到最优化，但也带来了负面的影响就是有可能在去除噪声时也去除了有用的高频信息。综上所述，若在有条件的时候还是依据四条准则处理，这样不仅解决了噪声的污染，并在处理的过程当中可以弥补去除噪声时连带去除了有用的高频信息的缺陷，使得最终达到的结果是符合预期判断分析的。3.3.3分解层数的选择分解层数就是把信号的信息用高通和低通滤波器分解为多层次的处理，这样的过程就是对原始信号进行小波分解的过程，这通过将原始信号分割成轮廓信号和细节信号两个部分，并且类似的，通过小波分解继续对上一层分解的轮廓信号再次分解，这样，就可以连续地对心音信号进行多层分解[[9]陈刚，叶继伦，张旭.心音信号的特征识别方法[J].中国医学物理学杂志，2019，36(6):711-712]。可是在大量的仿真实验数据结果表明下，如果选取在信号与信噪比都不同的环境中进行分解，将会出现一个接近去噪效果最好的分解层数。这是由于使用高通和低通滤波器分解信号的时候，在特定的环境当中，选取不同的分解层数，得到的信噪比将出现多种负端值，在分解层数越少的情况下，对信噪比值提高的效果越不明显，反之，分解层数过多时则会对每层的小波系数都进行阈值处理，这会使得最后的结果发生信息损失，信号数据不全，[9]陈刚，叶继伦，张旭.心音信号的特征识别方法[J].中国医学物理学杂志，2019，36(6):711-7123.3.4小波阈值去噪上面一节我们讲述了阈值的选取准则，那本小节将研究利用小波阈值去噪将会有哪些优势。根据调查和查阅资料分析现在心音信号的主要去噪方法是通过滤波完成的，滤波实现了把信号和噪声以频率分离并消除噪音的目的[[10]叶岑.心音信号的特征分析与识别方法研究[D].江西：江西理工大学,2014.][10]叶岑.心音信号的特征分析与识别方法研究[D].江西：江西理工大学,2014.经研究发现目前用于心音去噪发展迅速的一种分析方法就是小波阈值去噪。在时频特性的平面区域内建立小波分析的信号去噪方法，经过小波变换对有用信号和噪声进行变换后，在平面区域具有不同的特性，然后采用局部极大阈值法、全局阈值法[[11]江海.心音信号特征提取及分类研究[D].昆明：昆明理工大学，2014.]和自适应阈值法进行分时分频处理，去除了噪声。经过小波变换分析处理之后得到的结果表明，小波阙值去噪可以提高信噪比的数据准确率，使得在平面区域内的极值不稳定随着波频的起伏而改变并且还可以保持更好的分辨率，为利用算法处理噪声提供稳健的数据基础。因此可以断定小波阈值去噪算法它的目的是将分解的心音信号中低于确定值的小波[11]江海.心音信号特征提取及分类研究[D].昆明：昆明理工大学，2014.图SEQ图表\*ARABIC4根据仿真结果分析，在某些不可预知的情况下，消除噪声带来的影响并不顺利，比如在信号的不连续点处进行噪声消除时，就可能会导致声波传输受阻，产生伪吉布斯现象。但这并不影响小波阈值去噪的实用性，因为它自身具备的优点已经覆盖了它的不足之处，除非是在突发情况才会对阈值的选择产生很重要的影响。重构：将采样信号分解为五个部分，排除信号的高频部分和部分细节，将分解后的信号近似和第四层细节相加作为采样信号的替代。图5图6由图可知，去噪后的波形得到了显著的改变，信号的噪声也去除得很干净，大部分高频噪声已经被消除了，只有很小一部分残留着，低频部分的频谱幅度却有很大的变换。

第4章比较心音信号的特征提取方法4.1HHT包络提取希尔伯特一黄变换（HHT）是一种提取心音包络的有效方法，它首先利用经验模态分解算法提取心音信号的固有模态函数，然后利用希尔伯特变换[[12]李爽.基于包络提取的心音信号识别与分类[D].河南：河南大学,2018.]提取心音包络。分解过程当中，传统的希尔波特一黄变换会引起端点效应和提取溢出，这些问题都是不可避免的，过程主要是[12]李爽.基于包络提取的心音信号识别与分类[D].河南：河南大学,2018.利用算法把图像上面的峰值代入求解出信号中所含的局部极大值与局部极小值，然后用样条函数依次连接起来，使得从表面看，形成包络状态；经过第一步求出上、下包络的值之后，取它两的平均值记为m1，再求原始信号与包络均值的差值，记为：如果h1满足IMF的条件，那么h1就是求得的第一个I否则将h1作为原始信号进行（1）~（2）的步骤，直到第K次迭代后插值h1,kt成为一个IMF，记为c1t=h从原信号中减去c1t得到第一阶剩余信号将剩余信号r1t作为原信号进行(1)~(4)过程:r1t-c2t=r2t⋯r综上，原始信号St的分解为：S图7图8HHT包络提取的优点：通过HHT算法提取的包络曲线可以知道极值[11]对曲线平滑度的影响是可以避免的，因为心音包络比原始心音更能显示心音的特征，是心音识别的基础。HHT包络提取的缺点：有很多不规则的毛刺，在峰值不明锐的时候，同一个点存在多个值，需要对数据的幅度放大、滤波，这对分析和处理带来了一些问题。4.2归一化香农能量算法包络提取归一化香农能量[[13]周克良，刑素林，聂丛楠.基于自适应阈值小波变换的心音去噪方法[J].广西师范大学学报,2016,34(1):20-23]是一种非常普遍的包络提取方法，算法中对信号进行规则平均香农能量变换所采用的公式如下：Es=-1N*i=1NS2i*logS2i1,我们可以从公式（1）中看出，最终计算的是心音信号在一段时间内的平均香农能量，所以在求出心音信号的香农能量之前，就要对原始的心音信号x[13]周克良，刑素林，聂丛楠.基于自适应阈值小波变换的心音去噪方法[J].广西师范大学学报,2016,34(1):20-23图9图10从计算的式子当中我们可以归纳得到归一化香农能量算法它具有的优缺点。其优点为：心音信号中所包含的信息量在香农能量算法中都有体现，通过香农能量的计算不仅信号特征明显突出，而且还去除了噪声的干扰，提取的心音包络曲线也很平滑，有明显的特征点。其缺点为：容易对心音信号产生的波出现误差计算，这是由于在对心音包络仿真结果计算的时候，带入的峰值位置数据会发生错位，所以该公式计算出来的值不能作为信号的时域特征点。4.3小波包络提取包络提取其本质是对信号的边缘、波峰、波谷进行提取的过程。在对信号提取之前首先要通过一定的信号处理技术找到信号波形的边缘，然后才能使用合理的包络提取方法，这样才能针对性的对心音信号进行全方位的提取，在保存所有心音信息的基础上，最终获得的信号波普的包络曲线，它里面包含着有效时间和频率信息的原始信号，这样一来我们就可以将它用于识别心音的各种组成成分。由于存在噪声，提取前需要对心音信号进行预处理，即滤波和全波整流[[14]郭兴明，袁志会.基于小波变换和经验模式分解的心音信号研究[J].中国生物医学工程学报，2012,31(1):39-44]。针对这个问题本次研究通过查阅资料，进行了分析筛选，最终选择了db4小波进行包络提取，这是由于db4小波提取的[14]郭兴明，袁志会.基于小波变换和经验模式分解的心音信号研究[J].中国生物医学工程学报，2012,31(1):39-44（1）最大值归一化处理，这是由于采集到的心音信号幅度会因环境的变化而产生变化，因此要对心音信号进行处理；（2）消除直流分量的波频对包络提取的影响，这是因为在使用滤波器时会有噪声的干扰，影响结果的准确性，因此这里需要使用数字高通滤波器滤除低频噪声，来达到消除直流分量的影响的目的；（3）需要对信号进行半波整流，避免全波的波频过短给心音的提取造成重叠；（4）将信号进行分解，利用db4的优点将预处理后的信号分解为三层再进行重构分析，最后以第三层重构的逼近系数A3作为原心音信号的包络曲线。如图下面的分解框图是层数第三层在的小波分解模式进行重构分析采样到的频率信号，其值为250Hz，图中S是采样信号，A是低频，D是高频，数字表示对应于每个分解系数的频段，单位为Hz。S(0-125Hz)S(0-125Hz)AA1(0-62.5Hz)DD1(62.5-125Hz)D2(31-62.5Hz)D2(31-62.5Hz)A2(0-31Hz)D3(15.5-31Hz)D3(15.5-31Hz)A3(0-15.5Hz)图11图12通过小波变换得到的包络，无论是对于正常个体的心音还是含有噪音的异常心音，都很好地反映原始信号的特征[[15[15]张磊邦，唐荣斌，蒋建波.心音信号的预处理与包络提取算法研究[J].生物医学工程学杂志,2014,31(4):736-738在此，通过对上述三种针对心音信号的提取方式作了比较，在结果方面对比发现，HHT算法：提取到的心音信号的包络存在着诸多不足之处，在表面能够看到有诸多不光滑的毛刺，影响结果的平滑度，并且还在提取的过程当中使得信号不平滑，这将影响后续的处理和分析；香农能量提取算法：计算的主要是一段时间内的平均能量，如果计算出的平均能量出现误差这将导致特征点与原信号的位置出现偏移，导致本次计算失败，浪费了对心音提取的时间；小波变换提取：由于小波变换高低频分离的特征明显，在进行心音波频提取的过程中，可以不丢失心音信号信息组成信息，这将为针对原光谱边缘化处理的时候提供还原基础，使得小波变换提取到的心音包络曲线平滑，与原始信号的边缘契合度很高，S1、S2峰值点的位置明显，从而提高了信号的清晰度，给后面的分析处理带来了很大的方便。

第5章总结与展望5.1总结小波变换作为检测各种突发疾病，尤其是心脏病检测的经典方法，在社会快速发展的今天，突发疾病与我们并肩存在，一旦发生，将是不可预测的。所以本次论文的研究主要是从心音信号的获取以及阈值提取、滤波和波频方面进行研究，当对心音信号的预处理有一定的方法后，将可以用在临床的治疗当中，不仅可以进行去噪处理，还可以为医护人员提供诊断治疗依据。这是由于经过小波分解重构后的去噪效果也很好，并能对预处理后的心音信号进行各种提取的优点。与传统的算法相比，小波变换的预处理方法相对简便一些，本文的算法都为今后在机器辅助听诊器和远程医疗中的应用提供了更好的选择。在心音信号的处理中最具重要价值的就是包络提取，通过它可以将肉眼看不到的心音波普提取出来，动态成像显示在一定的仪器上面，不仅能直观的看到提取的包络曲线是带平滑性的，其图像显示的峰值点明显，为更进一步的分析心音奠定了坚实的基础。这将对智能诊断具有重要的指导价值，对预防突发疾病的发生也有着不可磨灭指导意义随着社会的发展，以小波变换为主要手段已经成为当今医院及专业团队发展研究的趋势之一。所以针对本次设计，总体上完成了如下的工作：（1）研究心音的结构由来，参考相关文献，并提炼精华，对设计的心音处理有一个初步轮廓和方向；（2）研究处理心音所需要的技术以及心音噪声的处理，为心音的研究实现提供解决方案，保证其研究的质量及可信度；（3）分析小波对于心音是一个什么样的角色，该“做什么”，为下一阶段进行提供基础，为基于小波的心音提取方法提供依据；（4）对小波变换的心音信号预处理方法进行研究发现并解决存在的问题，保证研究的内容具有可行性。最后，由于本次针对小波变换的心音信号预处理方法的研究是一个实质阶段，所以对自己提出了要有较高的思考、动手能力的要求，希望自己做出一个满意的结果。而对于在完成实验的整个过程中，从方法分析到查阅资料、研究、检查，我都努力做到规范化和文档化，按照老师的要求逐步完成。把理论与实践相结合，充分运用在大学期间的所学知识，投入到这次的毕业设计中，给即将结束的大学生涯一份满意的答卷，也为自己将要面临的社会生活竖起了航帆。5.2展望基于本课题小波变换的心音信号预处理方法的研究分析工作涉及多方面的方法技术和理论知识，由于对技术的掌握程度还有待于加强，使得本次对心音的研究也存在一些有影响的细节问题，如下面的几个方面，还需要做进一步完善与发掘。尽量使得研究的情况及处理步骤趋近于完美状态，并且和专业的机构或组织发表的研究结果有所差距还有待加强；另一方面还需进一步完善心音噪声的处理，需要使用市面上流行可靠的、已经实践过的方法代替没有活性的方法，增加研究的完整性；（1）该研究只考虑了网络所获取的知识以及图文中提到的一些基本情况，没有对该研究进行交互、数据共享、及深入技术上实践对比，使得该研究具有枯燥性。（2）所使用的技术和掌握的知识有待加强，相关的术语描述还略带瑕疵，还有提高的余地。伴随着社会的进步，突发疾病的有效处理技术也在日新月异的变化发展中，心音包含的知识层面也在不断向前延伸扩展，它用到的方法对策也将越来越广泛，技术也越来越娴熟，同时带来了心音处理心脏病变、心血管疾病的结构处理方式，临床治疗手段也随之发生了变化，然而面对这些新出现的要求，我们作为一个研究者有必要利用好现在社会信号处理的技术手段，以此来对心音的重要特征进行定量分析与判断，为结果的准确性提供支撑的基础。尽可能多地找出心音中蕴含的生理病理信息。与此同时我们需要进一步探索新技术的发展，使得研究对接得更加完美，可用性更加灵活。争取做到没有最好，只有更好，技术还在发展，就还会有崭新的天地让我们去开拓。

参考文献[1]刘炜烨，戴嘉梵.基于电子听诊器的心音分类系统[J].仪器仪表用户,2018,26(8):11-14[2]姜畅博.基于小波技术的心音信号特征提取[D].天津：天津大学,2016.[3]周酥，吴效明，朱蒂.基于小波技术的心音包络提取算法及应用[J].中国组织工程研究与临床康复，2011,15（30）：5616-5618[4]艾炜华，汤建明，巫昌霖.心音信号采集及自动识别系统[J].科技视界,2015,34(1):27-28[5]郑蕾.基于小波变换的心音信