（控制理论与控制工程专业论文）基于心音信号分析的心脏病辅助诊断方法研究.pdf

t h er e s e a r c ho fd i a g n o s i so fh e a r td i s e a s em e t h o do fh e a r ts o u n d s i g n a l b y m a z h o n g w u b e ( n o r t h e a s t e mu n i v e r s i t y ) 2 0 0 5 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g l n c o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n g i nt h e g r a d u a t es c h 0 0 1 o f l a n z h o uu n i v e r s i t yo f t e c h n o l o g y s u p e r v i s o r p r o f e s s o rl iz h a n m i n gs e n i o re n g i n e e rw e iz h e m a y , 2 0 1 1 兰州理工大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任 何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的 法律后果由本人承担。 作者签名：移、辛式 日期加年棚岁 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即： 学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许 论文被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段 保存和汇编本学位论文同时授权中国科学技术信息研究所将本学位论文 收录到中国学位论文全文数据库，并通过网络向社会公众提供信息服务。 作者签名：吗、丰越作者签名：夕彳拭 导师签名：话芳碍代 日期：加，年月乡日 日期：如r 厂年月岁日 硕十学何论文 目录 摘昙量1 a b s t r a c t 2 附图索引4 第l 章绪论1 1 1 心音概述l 1 1 1 心音的产生及其特征l 1 1 2 心音与心脏疾病的关系j 2 1 2 心音信号的研究意义3 1 3 心音信号的国内外研究现状4 1 4 心音信号的分析研究平台l a b v i e w 7 1 5 论文的主要工作和结构安排8 1 5 1 论文的主要工作8 1 5 2 论文的结构安排9 第2 章心音信号的分析方法一l o 2 1 时间序列的参数模型一1 0 2 1 1 参数模型的基础介绍1 0 2 1 2a r 模型的参数求解l2 2 2 参数模型的高阶谱估计方法1 4 2 2 1 高阶谱的定义与性质1 4 2 2 2 参数高阶谱估计方法1 5 2 2 3a r 模型的双谱估计1 6 2 2 4a r 模型阶数的确定1 7 2 3 本章小结19 第3 章心音信号的采集与去噪处理2 0 3 1 心音信号的采集2 0 3 1 1 心音信号的采集设备2 0 3 1 2 心音信号的采集程序2 2 3 2 心音信号的去噪处理2 3 3 3 本章小结2 7 第4 章心音信号的特征提取与分类2 8 基丁时问序列心音信号分析的心脏病辅助诊断方法研究 4 1a r 功率谱估计的心音信号特征提取与分类2 8 4 2a r 双谱估计的心音信号特征提取与分类3 2 4 3 本章小结3 7 结论与展望3 8 参考文献j 4 0 弱【谢j 4 3 附录a 发表的学术论文目录4 4 i i i 硕十学何论文 摘要 心血管疾病严重威胁着人类的身体健康，它的死亡率已高居各类疾病之首。 心音信号是人体重要的生理信号之一，它包含了心脏各个部分功能状态的大量生 理病理信息。对于心音信号的采集和分析研究对提高心血管疾病的诊断能力和确 诊率是有非常重要意义的。心音信号是一种时变，非平稳，微弱的复杂信号，所 一 以对于心音信号的特征提取和分类识别是现在研究的难题。 在本文中，将从心音信号的采集、去噪、特征提取、分类识别来对心音信号 进行分析研究，主要研究内容如下： 1 自制了一种简单、有效的心音信号采集装置，并结合l a b v i e w 8 6 虚拟仪 器开发平台采集程序对心音信号进行采集。在采集过程中，可以实现心音信号的 实时波形播放，提高采集效率。 2 在心音信号的采集过程中，易受到其他干扰噪声的干扰，为了去除这些 采集过程中的干扰噪声的影响，本文采用了小波变换的方法，并用l a b v i e w 8 6 设计了心音信号除噪的程序。通过除噪前后的心音信号输出波形可以看到，这种 方法具有良好的去噪效果。 3 将时间序列分析方法引入到心音信号的分析研究中。对心音信号建立时 问序列自回归( a r ) 模型，利用a r 功率谱和双谱估计的方法，结合l a b v i e w 8 6 构建了心音信号的功率谱曲线图和3 d 谱图。通过正常与异常心音信号的功率谱 曲线图和3 d 谱图的对比分析，在两种图形上明显看到了二者之间的区别。之后 利用功率谱和双谱来分析心音信号的能量与相位信息，对所研究的心音信号进行 分类识别。 通过这几方面的研究，可以看到j 下常和异常的心音信号存在着显著的不同。 在功率谱曲线的分析中可以看到，正常心音信号较异常的能量低，而且能量主要 集中在低频段，而它的曲线不存在谱峰而异常的信号存在谱峰，将功率谱曲线中 几个能量分布的特征做为特征信息，对正常和异常的心音信号进行了分类。而在 3 d 谱图中，异常心音信号不存在谱峰，顶端发散，而正常信号存在明显谱峰不 发散，但能量相对较低，并将a r 模型的模型参数做为特征向量，通过马氏距离 的计算，来区别正常和异常心音信号，取得了不错的效果。可以为医生提供有效 的参考，提高对患者的诊断率。 关键词：心音信号；l a b v i e w ；小波变换；a r 模型； i o 、 日 g j， a b s t r a c t c a r d i o v a s c u l a rd i s e a s ep o s e sas e r i o u st h r e a tt oh u m a n sh e a l t h ，i t sd i s e a s e m o r t a l i t yi st h eh i g h e s ti na l lt h ek i n d so fd i s e a s e h e a r ts o u n ds i g n a li so n eo f h u m a n i m p o r t a n tp h y s i o l o g i c a ls i g n a l ，i tc o n t a i n s p h y s i o l o g i c a lp a t h o l o g y i n f o r m a t i o no fe v e r yp a r to ft h eh e a r t i ti sv e r yi m p o r t a n tt oc o l l e c th e a r ts o u n d s i g n a la n da n a l y s i si tf o ri m p r o v i n gc a r d i o v a s c u l a rd i s e a s ed i a g n o s i sa b i l i t ya n d d i a g n o s t i cr a t e h e a r ts o u n ds i g n a li sak i n do fn o n s t a t i o n a r y , t i m e - v a r y i n g ，w e a k a n d c o m p l e xs i g n a l ，s of e a t u r ee x t r a c t i o n ，c l a s s i f i c a t i o na n di d e n t i f i c a t i o na r e r e s e a r c hp r o b l e m sf o rt h eh e a r ts o u n ds i g n a la tp r e s e n t i nt h i sp a p e r ，t h eh e a r ts o u n ds i g n a lc o l l e c t i o n ，d e n o i s i n g ，f e a t u r ee x t r a c t i o n ， c l a s s i f i c a t i o na n dr e c o g n i t i o no fh e a r ts o u n ds i g n a la r ea n a l y z e d t h em a i nr e s e a r c h c o n t e n t sa r ea sf o l l o w s ： 。 1 as i m p l e ，e f f e c t i v eh e a r ts o u n d ss i g n a la c q u i s i t i o nd e v i c ei sm a d ei n t h i s p a p e r , w h i c hi s c o m b i n e dw i t hc o l l e c t i o n p r o c e d u r e so fl a b v i e w 8 6v i r t u a l i n s t r u m e n td e v e l o p m e n tp l a t f o r mt or e a l i z et h ec o l l e c t i o no ft h eh e a r ts o u n ds i g n a l s i nt h ea c q u i s i t i o np r o c e s s ，w ec a nb o a r d c a s tt h er e a l t i m ew a v e f o r mo fh e a r ts o u n d s i g n a l st oi m p r o v et h ee f f i c i e n c yo fa c q u i s i t i o n 2 i ti ss u s c e p t i b l et oo t h e ri n t e r f e r i n gn o i s ei nh e a r ts o u n ds i g n a lc o l l e c t i o n p r o c e s s i no r d e rt or e m o v et h ei n f l u e n c eo ft h ed i s t u r b e dn o i s e s ，t h i sp a p e ra d o p t e d w a v e l e tt r a n s f o r mm e t h o d ，d e s i g n e dh e a r ts o u n ds i g n a ld e n o i s i n gp r o g r a mi nt h e l a b v i e w 8 6 w ec a ns e et h i sm e t h o dh a s g o o dd e n o i s i n ge f f e c t st h r o u g ha c o m p a r i s o no fb e f o r ea n da f t e rd e n o i s i n gf r o mt h eo u t p u tw a v e f o r m 3 t i m es e r i e sa n a l y s i sm e t h o di si n t r o d u c e dt oh e a r ts o u n ds i g n a la n a l y s i s b u i l dt i m es e r i e sa u t o r e g r e s s i v e ( a r ) m o d e lo fh e a r ts o u n ds i g n a lu s i n gt h ea r p o w e rs p e c t r u ma n db i s p e c t r u me s t i m a t i o nm e t h o d ，a d o p t i n gl a b v i e w 8 6t o c o n s t r u c th e a r ts o u n d ss i g n a lp o w e rg r a p ha n d3 ds p e c t r u m sg r a p h w ec a ns e et h e d i f f e r e n c eo b v i o u s l yb e t w e e nt h et w ot h r o u g ht h e a n a l y s i so fc o m p a r i s o no ft h e n o r m a la n da b n o r m a lh e a r ts o u n ds i g n a lp o w e rg r a p ha n d3d s p e c t r u m sg r a p h t o a n a l y z et h ee n e r g ya n dp h a s ei n f o r m a t i o no fs o u n ds i g n a lw h i c hi si no u rr e s e a r c h u s i n gp o w e rs p e c t r u ma n db i s p e c t r u m t oc l a s s i f ya n dr e c o g n i z eh e a r ts o u n ds i g n a l t h r o u g ht h i ss e v e r a la s p e c t so ft h es t u d y , w ec a ns e et h en o r m a la n da b n o r m a l h e a r ts o u n ds i g n a le x i s ts i g n i f i c a n td i f f e r e n c e s i nt h ea n a l y s i so ft h ep o w e r s p e c t r a l c u r v e ，w ec a nf i n dt h a tt h ee n e r g yo fn o r m a lh e a r ts o u n d ss i g n a li sl o w e rt h a n 2 - 一 a b ? 0 m a l 0 n e ，i tm a i n l yc o n c e n t r a t e si nt h el o wf r e q u e n c y a n d i t s c u r y ed o e sn o t e x l 吼s p e c t m mp 嗽b u ta b n o r m a l o n e sd o t h en o r m a la n da b n o m a ih e a r ts o u n d s i g n a l 1 sc l a s s i f i e du s i n gd i s t r i b l l t i o n c h a r a c t e r i s t i c sa sc h a r a c t e r i s t i ci n f o m a t i o n ：i l r m c h 1 se x 诲廿n gi i l p o w e rs p e c t r a lc t l l v e a n di n3 ds p e c t r u md i a g r a m ，a b n o m a l p e a r t 。s 。u n d s s g n a ld o e sn o tc x i s ts p e c t 九l m p e a k ，i t st 叩i sd i v e r g e d ，b u tn o m a l s i g n a l e x i s to b v i o u s s p e c t r u mp e a k ，i t s t o p sd on o ts p r e a d ， i t s e n e r g yi sl o w 托1 8 n ? n 蛐甜d p a r a m e t e r so fa rm 。d e la r e u s e d a se i g e n v e c t o d i s t i n g u i s h ：? m a l a n da b n 0 珊a 1 h e a r ts o u n d s s i g n a lt h r o u g l lc a l c u l a t i o no fm a h a l a n o b i s ? 锄 i h 吐论w 扎g o o de f f e c t t h i sr e s e a r c hc 柚p r o v i d er e f e r e n c ef o r t h e k e yw 。r d s ：h e a r ts o u n d ；l a b v i e w ；w a v e i e t t r 髓s f 0 肋；a rm 。d e l ； 3 基丁时间序列心音信号分析的心脏病辅助诊断方法研究 附图索引 图1 1 常见的虚拟仪器组建方案8 图1 2 心音信号分析的技术路线9 图2 1 参数模型10 图3 1 传感器实物图2 0 图3 2 驻极体工作原理图2 l 图3 3 心音信号采集硬件原理图2 2 图3 4 采集心音信号的l a b v i e w 8 6 程序框图2 3 图3 5 采集心音信号的l a b v i e w 8 6 前面板图2 3 图3 6 心音信号去噪的l a b v i e w 8 6 程序框图2 6 图3 7 心音信号去噪的l a b v i e w 8 6 前面板图2 6 图4 1 a r 功率谱估计的l a b v i e w 8 6 程序框图2 9 图4 2a r 功率谱估计的l a b v i e w 8 6 前面板图2 9 图4 3正常心音信号的输出波形与功率谱曲线图一3 0 图4 4主动脉狭窄心音信号的输出波形与功率谱曲线图3 0 图4 。5二尖瓣狭窄心音信号的输出波形与功率谱曲线图3 1 图4 6肺动脉狭窄心音信号的输出波形与功率谱曲线图，3l 图4 7a r 双谱估计的l a b v i e w 8 6 程序框图3 2 图4 8 a r 双谱估计的l a b v i e w 8 6 前面板图一3 2 图4 9 f 常心音信号的3 d 谱图3 3 图4 1 0 主动脉狭窄- t 3 音信号的3 d 谱图3 3 图4 11 二尖瓣狭窄心音信号的3 d 谱图3 4 图4 1 2 肺动脉狭窄心音信号的3 d 谱图3 4 4 硕十。洋何论文 第1 章绪论 近年来，随着人们物质生活水平的不断提高，心血管疾病的死亡率已居各类 疾病之首。可见，心血管疾病已成为危害人类健康的多发病和常见病。提高心血 管疾病的诊断能力和确诊率，是医师和医疗器械工程人员一直努力追求的目标。 1 1 心音概述 1 1 1 心音的产生及其特征 心音指由心肌收缩、心脏瓣膜关闭和血液撞击心室壁、大动脉壁等引起的振 动所产生的声音。正常人的心音随着心脏搏动呈现周期性变化【i 】，在临床上 分为第一心音( s1 ) 、第二心音( s 2 ) 、第三心音( s 3 ) 和第四心音( s 4 ) ， 大多数情况下只能听到s1 和s 2 。第一心音( s1 ) 发生在心室收缩期，它是 心室收缩期开始的标志。它的音调较低( 4 0 6 0 h z ) ，持续时间较长( 0 1 0 12 s ) ，较响。第二心音( s 2 ) 发生在心室舒张期，它是心室舒张期开始 的标志。它的音调较高( 6 0 - - 10 0 h z ) ，持续时间较短( 0 0 8 s ) ，响度较弱。 第三心音( s 3 ) 出现在s 2 之后，持续时间较短( 0 0 4 - - - 0 0 5 s ) ，并且音调 较低。第四心音( s 4 ) 是出现在第一心音前的低频振动，持续约为0 0 4 s 。 但是它非常微弱，在正常的情况下，一般是听不到的。 除去上面介绍的四种心音外，在有些情况下，会有心杂音、心音分裂和 其它附加音出现在心音中。心杂音一般是由瓣膜狭窄或关闭不全等引起的血 液动力学改变，导致血液在心脏或大血管内引起湍流而产生的声音。它可以 分为5 种类型的，分别是：舒张期狭窄性杂音、舒张期返流性杂音、收缩期 返流性杂音、收缩期喷射性杂音和连续性杂音。类型不同的心杂音在临床上 具有不同的意义，对它的分析研究，有利于对心血管状况的初步评估。 心音分裂有两种，分别是第一心音分裂和第二心音分裂。第一心音分 裂，是左右心室收缩不同步所造成的；第二心音分裂，是左右心室舒张期不 同步所造成的。平常比较多见的是第二心音分裂，它主要分裂为两个成分， 主动脉瓣第二心音( a 2 ) 和肺动脉瓣第二心音( p 2 ) ，这两个心音分裂的成分 在第二心音中的强度与时间的对应关系对心音相关疾病的诊断具有重要的 参考作用。 依照在心动周期中出现的先后可以将附加音分为收缩期附加音和舒张 期附加音。收缩期附加音常见的有收缩早期喷射音和收缩中晚期喀喇音两 种。舒张期的附加音主要有舒张早期奔马律、收缩期前奔马律、开瓣音、病 摹丁时问序列心音信号分析的心脏痫辅助诊断方法研究 理第三心音、心房音和心包叩击音等。 1 1 2 心音与心脏疾病的关系 心力衰竭，心肌疾病和心瓣膜疾病是常见的几类心脏疾病。 心力衰竭又称“心肌衰竭”，是指心脏当时不能搏出同静脉回流及身体组织 代谢所需相称的血液供应。往往由各种疾病引起心肌收缩能力减弱，从而使心脏 的血液输出量减少，不足以满足机体的需要，并由此产生一系列症状和体征。 心肌疾病是指除心脏瓣膜病、冠状动脉粥样硬化性心脏病、高血压心脏病、 肺源性心脏病、先天性心血管病和甲状腺功能亢进性心脏病等以外的以心肌病变 为主要表现的一组疾病。 正常人的心脏共有四个主要的心瓣，分别是二尖瓣、三尖瓣、主动脉瓣及肺 动脉瓣。它们张开让血液流过，关闭则防止血液倒流，令血液可以正常地在全身 循环。心瓣疾病一般就是指心瓣的开合有问题，例如张开的幅度不够( 即心瓣狭 窄) ，又或者关闭时并不完全封闭通道，仍留有空隙( 即心瓣关闭不全) 。 除了正常的四种心音( s l ，s 2 ，s 3 ，s 4 ) ，当心音异常时，会在心音中出现 其它的心杂音。辨别这些杂音，决定它们的临床意义，是j 下确诊断心脏疾病的一 个重要方法。由大量的临床实践发现，心杂音和心脏疾病具有一定的关系，如下 所示： ( 1 ) 二尖瓣狭窄：第一心音增强，第二心音呈正常分裂，出现了开瓣音，存 在舒张中期杂音和收缩期前杂音。 ( 2 ) 尖瓣关闭不全：第一心音正常或减弱，第- - , g 音正常，在严重时可能出 现第三心音，收缩期杂音延长超越第二心音，呈现出递减的态势。 ( 3 ) 主动脉瓣关闭不全：在第二主动脉瓣区( 第五区) 存在舒张早期杂音，杂 音紧跟在第二心音之后，部分或全部占据第二心音，杂音为高音调，在主动脉区 有收缩早期喷射性杂音，高音调，响亮。而且主动脉瓣区第二心音增强，呈反常 分裂。 ( 4 ) 主动脉瓣狭窄：先天性主动脉瓣狭窄，喷射性杂音存在于第一主动脉瓣 区，在收缩中期杂音强度达到最高峰，在第二心音开始之前杂音就已终止，杂音 的强度较大，杂音音调不是很高，出现了舒张早期杂音，较弱。重度主动脉瓣狭 窄时，收缩期杂音持续时间长，在收缩末期最响，主动脉喷射音不存在于收缩早 期，第二心音反常分裂，第四心音在心尖区出现。 ( 5 ) 三尖瓣狭窄：在三尖瓣区会听到第- - , g 音增强，舒张期杂音、开瓣音与 二尖瓣狭窄时情况相似，但在吸气时三尖瓣狭窄的杂音和开瓣音会随之增强而二 尖瓣狭窄的杂音会逐渐减弱。 ( 6 ) 三尖瓣关闭不全：第一心音减弱，第- - , 6 , 音常出现反常分裂，在三尖瓣 2 硕 ：学位论文 区可听到收缩期杂音占据了全部的收缩期，吸气时杂音会增强，这与二尖瓣关闭 完全不同。 ( 7 ) 肺动脉瓣狭窄：第一心音j 下常或增强，第二心音呈明显的分裂，收缩期 喷射性菱形杂音存在于肺动脉瓣区。 ( 8 ) 肺动脉瓣关闭不全：第一心音j 下常，第二心音增强，舒张早期杂音可在 肺动脉瓣区听到，收缩期喷射性杂音同样可在主动脉瓣第二听诊区听到。 ( 9 ) 高血压：第一心音正常，但可能会出现增强的情况；第二心音常为窄分 裂；第三心音出现，则说明高血压很严重；第四心音则时常出现，偶有主动脉喷 射音，心底部常有主动脉瓣区收缩期喷射性杂音，心尖部有收缩期杂音。 1 2 心音信号的研究意义 心音信号是人体最重要的生理信号之一，它含有关于心脏各个部分( 如心房、 心室、大血管、心血管及各个瓣膜) 功能状态的大量的生理病理信息【2 】。由于心 音自身所具有的这个特点，以及在分析研究上的复杂性吸引了众多的国内外学者 从事于这一领域。 近年来，随着信号处理技术在理论上的逐渐完善和在实际应用中的不断深 入，尤其是数字技术的发展，对于心音信号的研究，国内外开始利用计算机技术 和信号处理技术，并渐渐的从定性分析转入了量化分析的阶段。从心音的发生机 理看，它可以很好的反映血液流动以及心脏的健康状况，对于心音的分析研究是 了解心血管状态的必要手段。 心电图检查是目前对于心脏的最佳监测方法，但却不能反映某些畸变引起的 心脏功能障碍。心音信号可以反映出此类信息，所以心音具有心电不可替代的诊 断信息。在大量的分析研究中可以看到，心音信号不仅能反映心脏病变的病理信 息，而且能反映人类身体状态变化的多种信息【3 】。因此，心音分析不仅可以促进 心音相关疾病的无创诊断的进一步发展，而且对推动数字信号处理、人工智能、 信号检测、生物医学工程等领域的研究和应用具有重要的作用。 心音信号分析对心血管系统疾病诊断方法的研究具有重要的价值。目前，临 床上对心脏及心血管疾病的诊断分为无创和有创两类h 1 。无创诊断包括心阻抗 图、心尖搏动图、超声心动图等，因为这些方法在测量中存在着准确性、方便性 和稳定性等方面的问题，在一定程度上限制了它们在临床上的应用。有创诊断包 括心血管造影和漂浮导管法等，其效果虽然得到了临床的公认，但由于存在创伤、 危险性和费用高昂，而没有被患者普遍接受，而通过心电图诊断心脏病在临床上 依然存在疾病的滞后诊断等问题哺1 。例如冠状动脉疾病的诊断，只有当冠脉阻塞 率在7 0 7 5 以上时才能引起心电图信号的改变，而在实际中，只要阻塞达到 2 5 时就可以改变心音信号3 。这说明心音信号分析是十分急需和具有现实意义 3 基丁时间序列心音信哆分析的心脏病辅助诊断方法研究 的，也是实现心脏疾病j 下确及时的诊断、治疗以及实现无创诊断的基础。 1 3 心音信号的国内外研究现状 人们很早就开始致力于心音信号的研究。在国内外，对于心音的传导、产生， 第一、第二、第三、第四心音的分析研究，人工心脏瓣膜的无创伤检测以及心脏 杂音的分析，研究人员作了大量的工作【7 j 。 在对i s 生物瓣膜分析研究中，d u r a n d z ts 】利用1 1 例病人采集了3 组数据，在采 集心音信号的同时，利用心电信号q r s 波对心动周期进行了自动定位，当第二心 音中的主动脉瓣音和肺动脉瓣音距离较远时，就把谱分析的数据定为心音信号， 在这些数据中选取了2 0 个相似的心音周期，并对它们求取平均，使肺动脉瓣的成 分减少并且提高信噪比，然后应用f f t 法，加汉宁窗的w e l c h 法，全极点模型， 具有最大熵的零极点模型外推至零的零极点模型这5 中方法分别作谱估计。评估 了周期图、w e l c h 等以f f t 为基础的方法和s t e i g l i t z m c b r i d e 最大熵法一极零点模 型这种用参数模型为基础的方法，在获取瓣膜关闭音的特征参数时的作用，提出 了周期图法是估计关闭音谱分布和优势峰频率这两个参数最折衷的方法。在19 8 7 年，c l o u t i c r 等做了一个较完善的将主动脉瓣关闭音替代为i s 生物瓣膜的谱分析 分析研究【9 1 ，并在l9 8 9 年报导了他们对不同方法的比较结果【1 0 】。在他们的报告中， c l o u t i e r 等详细地比较和阐述了四种谱技术在八个二尖瓣关闭音频谱特征提取中 的性能( 方差和稳定性) 。这四种方法是：直角窗f f t ( f f t r ) ，h a n n i n g 窗 f f t ( f f t m ) ，s t e i g l i t z - - m c b r i d e 最大熵法( s m m e ) ，全极点模型自相关法( a p c ) 。 结论是应用单一的方法并不能提供所有特征参数的最有效的评估。 l o n g h i n i 等 】在上述的研究上做了更进一步的工作，就是为了得到生物瓣膜 声谱模式。因此他们开发了一个声信号，用来记录处理和以f f t 算法为基础的分 析系统，并对生物的和自然的两种二尖瓣病人作了第一心音分析研究。l o n g h i n i 等计算了频谱图和以1 0 0 h z 为带宽的不同频段的归一化谱线下面积。结果证明在 不同种类的正常生物瓣膜频谱之间存在着分布的不同，与自然瓣膜也存在显著的 不同，而瓣膜组织的钙化、纤维化和硬化引起的瓣膜变性，促使关闭音的频谱向 高频方向明显地移动。再次证明了当形态和功能出现改变之前，频谱的变化能明 显地指示结构上的改变。l d u r a n d 等【l2 】的研究还表明，在出现钙化或纤维化病 变时，人工生物瓣的心音频谱中的高频成分会出现能量增加的变化，由于血栓的 形成，人工机械瓣膜的心音频谱中的低频成分也将发生能量增加的改变。谱估计 方法不仅可以对人工瓣膜的工作性能进行分析研究，而且还能够提取心音信号的 谱特征信息。冠状动脉阻塞( 狭窄) 即使小至2 5 也将产生阻塞后湍流，相应地杂 音成分会在心音图中展现出来。在高度阻塞( 9 5 以上) 中，由于血流的减少反而 促使杂音减少，冠状动脉阻塞产生的听觉成分常常伴随着中间组织的衰减，被相 4 硕十学位论文 应的瓣膜音所掩盖，幸运的是这些杂音成分往往出现在心音周期中相对“安静” 的舒张期。所以利用舒张期心音信号对冠状动脉非症状性缺陷分析研究，对于它 的无创性检测具有广阔的前景【l 引。 a k a y ，s e m m l o w 等对舒张期心音作了很多研究工作，探求一种舒张期心杂 音与冠状动脉阻塞对应关系的理论。a k a y 等【1 4 以6 】在研究中单独分离了舒张期的 中段部分，利用自适应自回归参数模型( a r ) 对舒张期的中段心音作估计。采 用主要算法有梯度自适应格形算法( g a l ) 和递归最小平方格形算法( r l s l ) 。经过 分析对比，这两种算法的性能相差不多，后者略优。使用自适应算法并不需要信 号的先验知识，它可以时刻追踪信号性质的改变。所以对心音这种非平稳，时变， 微弱的的生理信号，采用自适应方法可以获得更加有效的结果。s e m m l o w 等【1 7 】 还利用用特征向量法对心音信号建立模型，以便研究舒张期心音信号的频谱特 性。在信噪比较低时，特征向量法也可以得到高分辨率的信号谱估计。对于相同 的问题，a k a y 等又利用自回归移动平均模型( a r m a ) 作了进一步的分析研究。由 于a r m a 模型的性质比较全面，它可以使用较低的阶次来进行拟合，而且a r m a 模型对功率谱的峰和谷都能较好地表现出来。a k a y 等采用的参数模型为a r m a 的算法是对y w 两步法( m y w ) 的改进，也就是利用递归算法先求出a r 模型的 系数，再将m a 系数用先前得到的a r 模型对信号逆滤波求得，比较在血管成形术 前后的冠状动脉狭窄病人频谱可发现它们存在着显著的区别，正常与异常的个体t n 频谱同样发现明显的不同。这些研究都表明，冠状动脉狭窄提高了心音的高频信 号成分。 w a n g 等【l8 】建立了一种包括了左冠状动脉树的增长网络和动脉腔共振两种模 型的噪声源模型。在模型中。左冠状动脉树的增长网络用来决定血流量，动脉腔 共振模型中的共振传递函数存在两个共振峰，它的频率由腔段的长度、直径以及 末端的负开车电阻来决定。在常见的状况下，低共振频率被血流的低频波动所激 励，在发生阻塞时较宽频带的湍流同时激励了低频和高频共振这一理论小样本论 证，可以解释冠状动脉狭窄病舒张期心音高频信号成分的提高。从而得到了冠状 动脉腔在血流的激励下引起的共振是产生舒张期心音一个原因这样一个结论。 利用时域分析、频域分析、功率谱分析在模拟心音图对心音信号进行三维分 析研究，已逐渐发展为时频分析。对于心音信号的时频分析，最为常用的方法有 短时傅立叶变换( s t f t ) 、自回归模型( a r ) 、小波变换( w t ) 等。对第一心音( s 1 ) 、 心杂音研究人员利用这些方法作了许多的工作，相应地取得一些成果【1 9 】。 方法容易实现是短时傅里叶变换( s t f t ) 最大的优点。s t f t 分析在实质上 是一种f o u r i e r 分析，但却限制了时间窗长。所以信号必须具有分段平稳的特性， 才可以进行分析。因此对于平稳小段，如果它的时间尺度不同，就要求窗的长度 和类型和自己相适应，这样才可以得到最佳的结果。然而因为s t f t 只能选取一 5 基丁时间序列心音信号分析的心脏病辅助诊断方法研究 个恒定的窗函数，也就是说，在整个时频平面上，它的时间和频率的分辨率是固 定不可改变的，这是s t f t 分析方法的一个主要缺陷。另外，不确定性原理也影 响了s t f t 分析方法，较长的窗在改善频域解的同时会使得时域解变糟；相反的， 较短的窗尽管能得到更好的时域解，频域解却会变得模糊。时域和频域因为不确 定性原理不可能同时获得清晰的解，这也限制了s t f t 分析方法的应用范围【2 。 近年来，在生物医学信号处理中，小波分析以其优良的性能得到了广泛的应 用。小波分析相比于傅立叶分析的优点，是它在时、频域同时具有良好的局部化 性质。对高频信号小波分析采用短窗，因而具有很高的时间分辨力，可以充分的 反映信号的快变性质，在表示信号的非平稳性方面具有较大的优越性；对低频信 号它采用较长的窗，因此具有很高的频率分辨力，这是它与短时傅里叶变换最大 的不同。但是，小波变换的多分辨率特性是一种固定的性质，基本小波函数一旦 确定，就不得不用它去分析整个信号的所有数据，这是小波分析的一个缺陷。此 外，像短时傅里叶变换分析一样，小波分析也局限于不确定性原理，因此小波分 析不能给出在时频域都令人满意的时频分析结果，在频域结果的改善的同时必然 伴随时域结果的模糊【2 。 在一些研究中，就基于时间序列参数模型( a r ，m a ，a r m a ) 参数模型来提 取心音信号特征信息，用统计分析或聚类分析的方法建立判别函数，对心音信号 作自动分类。逐步多元判别分析被用来自动筛选心音信号的特征量，以期提高分 类的效率 2 。 在王海滨等【2 2 】对心音信号的分析研究中，运用了平稳随机过程的理论，对 心音信号自回归( a r ) 参数模型的系数采用b u r g 递推算法来估算，并将它做为 样本的特征矢量，给出1 个心音辨识置信区域。在实验中，3 例正常个体的6 个心 动周期，2 例心脏病患者的4 个心动周期用多道生理记录仪所采集，将它们作为对 此辨识方法进行临床试验的数据。判别标准是3 例正常个体的6 个心动周期的第一 和第z , b 音辨识置信区域，对2 例心脏病患者进行对比辨识讨论。实验的结果表 明：5 例中3 例正常个体和2 例心脏病患者的第一心音辨识区域重合，但是第z , b 音辨识区域却不重合。从而可以看到2 例心脏病患者的第一心音正常，第- - , b 音不 正常。所采实验数据的生理意义也和得到的这个结论相吻合。 利用分形的概念，卢耘等【2 3 】对心音信号进行了分析研究。结果证明分维数 可以明显的分辨出正常、二尖瓣病变以及主动脉瓣病变心音信号。卢耘等认为分 形是一种新的波形定量分类方法，它可以定量系统地描述波形的复杂程度，又可 以不局限于傅里叶变换所需求的周期性假设，为不规则的心音信号分析研究提供 了很大的便捷。 何莹【2 4 】将自回归( a r ) 模型的双谱估计应用到了心音信号的分析研究中。 从分析结果可以看到，运用基于高阶统计量的a r 双谱分析心音信号，对背景高 6 硕十学位论文 斯噪声的影响可以有效地去除，使谱估计结果更加的准确有效，并且对于心音信 号的相位信息得到了很好的保留，从而揭示了心音信号的非高斯性特征，此方法 与传统谱估计比较，它可以提供更多更客观的信息，是一种更加有效的信号分析 方法。 对心音信号的分析与分类，沈民奋等 2 5 - 2 6 】也利用了何莹相同的方法。对心 音信号采用具有非高斯白噪声激励的参数模型进行模型建立，模型数基于导出的 累积量的三阶递推方程估计得到。并对心音信号进行自回归( a r ) 模型双谱估 计。其次，对心音信号的非高斯a r 模型的阶次选择进行讨论，提出心音信号的 模型阶次采用双谱互相关法估计得到。另外，特征向量由非高斯a r 模型参数构 成，以此对正常心音和病理性心音进行二类模式分类。最后，对际心音信号进行 分析研究，研究结果可以看到对于心音信号的分析采用a r 双谱估计是一种新的 有效的方法，这种方法有助于心音信号的定量分析并为某些心脏疾病的诊断提供 有效地的辅助信息。 利用非线性时间序列分析的方法一一相关维方法，童基均【2 7 1 ，杨群清【2 8 】等对 心音时间序列进行了分析研究，得到了有关冠状动脉堵塞的血液动力学特征信 息。对已有的病例进行分析，发现大多数冠状动脉堵塞病人的心舒期心音时间序 列可以通过相关维数【2 9 刁2 】表现出内在的确定性行为，但是很多正常个体的心舒 期心音时间序列并得不到具体的相关维数。所以可以通过相关维数这种方法来对 冠状动脉疾病进行无损检测。 综合国内外研究的现状，在心音信号的分