（电路与系统专业论文）rbf神经网络在心音身份识别中的应用.pdf

南京邮电大学 硕士学位论文摘要 学科、专业：工学电路与系统 研究方向：智能信：垦丕统皇座旦 作者：盟级研究生宋明明 指导教师：王厘太教授盛趟笪教授 题目：r b f 神经网络在心音身份识别中的应用 英文题目：r b fn e u r a ln e t w o r ki nt h ei d e n t i f i c a t i o no f h e a r ts o u n d 主题词：自适应提升小波变换，径向基神经网络，线性预测倒谱系数， 聚类算法，全监督算法 k e y w o r d s ：a u t o a d a p t e dp r o m o t i o nw a v e l e tt r a n s f o r m a t i o n ，r b fn e u r a l n e t w o r k , l i n e a rp r e d i c t i o n c c p s t r u mc o e f f i c i e n t ，c l u s t e r a l g o r i t h m ，e n t i r e s u p e r v i s e da l g o r i t h m 南京邮电大学硕士研究生学位论文 摘要 摘要 心音身份识别是从人的心音信号中提取人的身份信息，对实验者进行身份识别。随着 信息技术的发展，准确方便的识别个人身份成为人们关注的一个热点。心音信号包含个人 的身份信息，并且方便提取和处理。针对r b f 神经网络的特点，本文将r b f 神经网络用 于心音的身份识别。 本文在分析了心音信号的特点，心音信号包含人的身份信息，所以可以作为身份识别 的依据。针对心音信号的特点，提出应用r b f 神经网络进行心音身份识别。本文的主要工 作如下： 1 介绍了当前身份识别技术的发展，并对各自的优缺点进行了对比。提出一种新的基于 心音信号的身份识别技术，分析了心音信号作为身份识别依据的可行性。 2 研究了心音信号的产生机理以及心音信号的特点，分析了心音信号的时域和频域特性。 3 介绍了心音信号提取的注意事项，分析了几种心音信号去噪预处理的方法，采用自适 应提升小波变换对心音信号进行了去噪预处理。 4 针对心音信号以及人工神经网络的特点，从心音信号中提取出较好反映特定人个性的 特征参数，给出采用常规聚类和全监督两种r b f 神经网络训练算法进行心音身份识别。 5 进行心音身份识别的系统实验，对实验数据进行分析对比。表明用r b f 神经网络进行 心音身份识别能够取得预期的识别效果。 关键词：自适应提升小波变换，径向基神经网络，线性预测倒谱系数，全监督训练算法， 聚类算法 南京邮电大学硕士研究生学位论文a b s t r a c t a b s t r a c t i d e n t i f i c a t i o no fh e a r ts o u n di sf r o mt h ep e r s o n sh e a r ts o u n ds i g n a lt oe x t r a c tt h ei d e n t i t y i n f o r m a t i o no ft h e e x p e r i m e n t e rt oi d e n t i f yp e o p l e w i t ht h ed e v e l o p m e n to fi n f o r m a t i o n t e c h n o l o g y , a c c u r a t ea n de a s yi d e n t i f i c a t i o no fi n d i v i d u a l sh a v eb e c o m eah o tt o p i co fp e o p l e s a t t e n t i o n h e a r ts o u n ds i g n a lc o n t a i n si d e n t i t yi n f o r m a t i o n ，a n de x t r a c t e da n dp r o c e s s e de a s i l y i n t h i sp a p e r , t h er b fn e u r a ln e t w o r ki su s e df o rh e a r ts o u n di d e n t i f i c a t i o n ，w i t ht h er b fn e u r a l n e t w o r kc h a r a c t e r i s t i c s h e a r ts o u n ds i g n a lc o n t a i n st h e i d e n t i t yi n f o r m a t i o n ，i t c a nb eu s e da sab a s i s f o r i d e n t i f i c a t i o n t h er b fn e u r a ln e t w o r ki su s e df o rh e a r ts o u n di d e n t i f i c a t i o n , w i t ht h er b f n e u r a ln e t w o r kc h a r a c t e r i s t i c s t h em a i nw o r ko ft h i sp a p e ri sa sf o l l o w s ： f i r s t l y , d e s c r i b et h ec u r r e n ti d e n t i f i c a t i o nt e c h n o l o g y , a sw e l la st h e i rr e s p e c t i v ea d v a n t a g e s a n dd i s a d v a n t a g e sa r ec o m p a r e d an e w i d e n t i t yb a s e do nh e a r ts o u n dr e c o g n i t i o nt e c h n o l o g y , a n a l y s i so f h e a r ts o u n ds i g n a la sab a s i sf o rt h ef e a s i b i l i t yo fi d e n t i f i c a t i o n s e c o n d l y , s t u d yt h eh e a r ts o u n ds i g n a lg e n e r a t i o nm e c h a n i s ma n dc h a r a c t e r i s t i c so fh e a r t s o u n ds i g n a l s ，a n a l y s i so fh e a r ts o u n d s i g n a l s i nt i m ed o m a i na n df r e q u e n c yd o m a i n c h a r a c t e r i s t i c s t h i r d l y , d e s c r i b et h eh e a r ts o u n ds i g n a le x t r a c t i o na t t e n t i o n , a n a l y s i ss e v e r a lm e t h o d st o r e d u c en o i s e ，u s i n ga d a p t i v el i f t i n gw a v e l e tt r a n s f o r mt or e d u c eh e a r ts o u n ds i g n a ln o i s e f o u r t h l y , e x t r a c tt h ec h a r a c t e r i s t i c sp a r a m e t e r so fap a r t i c u l a ri n d i v i d u a lf r o mh e a r ts o u n d s i g n a l s u s et w ok i n d so fr b fn e u r a ln e t w o r kt r a i n i n ga l g o r i t h m s ，e n t i r e s u p e r v i s e da l g o r i t h m a n dc l u s t e ra l g o r i t h mt oi d e n t i f yp e o p l e f i n a l l y , e a r l yo u ta n da n a l y s i si d e n t i f i c a t i o ne x p e r i m e n t ，c o m p a r et h ee x p e r i m e n td a t a t h a t r b fn e u r a ln e t w o r ki nt h ei d e n t i f i c a t i o no fh e a r ts o u n dw a sa b l et oa c h i e v ea g o o dr e c o g n i t i o n e f f e c t k e y w o r d s ：a u t o a d a p t e dp r o m o t i o nw a v e l e tt r a n s f o r m a t i o n ，r b fn e u r a ln e t w o r k ，l i n e a r p r e d i c t i o nc e p s t r u mc o e f f i c i e n t , c l u s t e ra l g o r i t h m ，e n t i r e - s u p e r v i s e da l g o r i t h m i i 南京邮电大学硕士研究生学位论文 目录 目录 摘要。i a b s t r a c t i i e jj i i i i 第一章绪论l 1 1 人体生物特征的身份识别技术l 1 2 心音身份识别4 1 3 本文的主要t 作4 第二章心音基础理论5 2 1 心音的产生及传导机制5 2 2 心音的时域特征6 2 3 心音的频域特征7 2 4 心音和心脏瓣膜的关系7 2 5 本章小结8 第三章心音信号的采集与预处理。9 3 1 心音信号的噪声特征9 3 2 心音的采集与预处理1 0 3 3 小波变换去噪一1 0 3 3 1 连续小波变换理论一ll 3 3 2 离散小波变换1 2 3 3 3 小波去噪原理1 3 3 4 自适应提升小波变换及其在心音信号去噪中的应用1 3 3 4 1 提升小波变换的原理1 4 3 4 2 自适应提升小波变换用于心音去噪实验一18 3 5 本章小结一2 0 第四章特征参数提取2 l 4 1l p c c 参数的提取2 1 4 1 1 线性预测系数l p c 2 1 4 1 2l p c c 参数的提取2 2 4 2m f c c 参数的提取2 3 4 3 心音特征参数提取实验2 4 第五章识别方法2 8 5 1 人工神经网络2 8 5 1 2 人工神经网络的构成2 9 5 1 3 几种神经网络结构和常用算法3 l 5 2r b f 神经网络在心音身份识别中的应用3 2 5 2 1r b f 神经网络的结构和特点3 2 5 3r b f 神经网络和b p 神经网络的比较一3 3 5 3 1b p 神经网络的简介3 3 5 3 2r b f 神经网络和b p 神经网络的比较3 5 5 4r b f 神经网络的训练方法及分析3 6 5 4 1r b f 神经网络训练问题3 6 5 4 2r b f 神经网络主要的训练算法3 7 5 4 3r b f 神经网络聚类算法3 8 5 4 4r b f 全监督训练算法4 0 5 5 本章小结4 2 第六章系统实现和实验结果一4 3 i i i 南京邮电大学硕士研究生学位论文目录 6 1 心音库的建立及心音信号的预处理4 4 6 1 1 录音4 4 6 1 2 心音库的构成4 5 6 1 3 心音信号的预处理4 5 6 1 4 心音信号特征参数的提取4 5 6 2 应用r b f 神经网络的心音身份识别4 5 6 2 1r b f 神经网络设计4 6 6 2 2 训练和识别的过程4 7 6 2 3 实验结果和比较4 8 6 2 a 实时心音身份识别以及其性能的提升。5 0 6 3 本章小结5l 第七章总结与展望曼5 2 7 1 总l 者：5 2 7 2 展望一5 2 j l i 谢5 z l 参考文献5 5 作者在硕士研究生期间发表论文情况5 7 i v 南京邮电大学硕士研究生学位论文第一章绪论 第一章绪论 1 1 人体生物特征的身份识别技术 随着信息技术的发展，社会管理日趋电子化、自动化。在这样一个庞大的社会网络体 系中，系统安全十分的重要。准确的识别个人身份是系统安全的必要前提。 生物特征身份识别系统是根据人固有的生理或行为特征来识别身份。能够克服传统方 法的弊端，安全、可靠、准确、方便，应用前景广泛。以前比较传统的身份识别方法是使 用某些标记物，如：钥匙、徽章、印章、身份证或者辅以密码、口令的各种证件及卡片等， 由于这些方法暴露出的诸如磨损、被盗、仿冒、复制、遗忘、破解等问题，以及这些方法 存在的资源共享性给个人及社会信息管理安全带来巨大的隐患，不能适应技术和社会的需 要。生物特征身份识别技术作为新兴的身份鉴别方法，能够克服传统方法的弊端，更安全、 可靠、准确、方便，随着计算机及网络技术的迅速发展，在电子商务、政务、金融、司法 及社会事务管理等领域都有着广泛的应用前景，日益引起人们的关注并成为了研究的热 点。 生物特征身份识别技术是通过计算机将人体所固有的、能够唯一的标示其身份的生理 特征或行为特征进行区分，由此进行人的身份识别的技术。广义的生物特征包括生理特征 和行为特征两种。生理特征通常是指人类个体与生俱来、独一无二的特征；行为特征通常 是指人类个体的习惯性行为特点。能够作为身份识别的生物特征理论上应该具有以下的特 征： 广泛性，即每一个人都应该具备这种特征。 唯一性，每个人拥有的该项特征各不相同，独一无二。 稳定性，该特征不随时间和外界条件变化或者变化不大，或者变化的规律可以掌握。 可采集性，所选择的特征应该方便的测量。 目前，研究和使用的生物识别技术包括脸部、虹膜、指纹、手形等与生俱来的生理特 征和语音、签名、步态等后天习惯的形成的行为特征。生物的身份识别包含了身份验证和 识别这两个方面的内容。身份验证是确定是否是所声明的人，身份识别是确定用户是目标 人群中的哪个人，两者在实现的方法和鉴别系统的复杂度上有着很大的不同。可以根据不 同的场合适当的选取。 1 南京邮电大学硕士研究生学位论文第一章绪论 身份识别技术分两个步骤，首先是系统注册阶段，也就是模板数据库的建立过程。将 待识别的所有用户的生物特征经各种传感器采集并进行特征的提取，形成用户模板存储在 模板数据库中。然后是系统的识别阶段，将新采集来的生物特征进行提取后与模板数据库 中的模板进行对比，以验证用户身份。 用于身份识别的人体生物特征可以分为动态特征和静态特征两类。 动态生物特征是指人的动作特征。动态生物特征主要包括语音、签名、步态等特征。 这类的生物特征是人们长期生活养成的行为习惯，具有较好的防伪性能。动态生物特征身 份识别方法如下： 1 语音识别 语音识别利用说话者发声频率和幅值的不同来识别身份。语音识别方法有依赖特定文 字识别和不依赖特定文字识别两种。前一种方法要求使用者说特定的话，根据特定语句的 特征来判断说话者的身份。这种方法设计简单，易于实现，但是安全性要差一点。第二种 方法对使用者没有任何限制，可以选择任何语句。系统从中找出使用者发音的共同特征， 识别使用者身份。这种系统设计复杂，实现也存在一定的困难，但是有很高的防伪性能。 语音信号容易获得，不依赖于特定文字的语音识别方法有较高的安全性。但是语音信 号也容易受到疾病、心理压力、情绪等影响；另外，语音信号受采集设备、传输通道以及 语音的数字化处理等影响。 2 签名身份识别 签名是人类所特有的行为，也是身份识别的有效手段。这种方法简单易行，在一些政 府机构、司法部门和商业行为中应用比较广泛。 签名识别方法主要有静态和动态两种。静态的是利用签名字符的几何特征将签名按笔 画分解，利用笔画本身的特征及相互关系来识别不同签名者。这种方法安全性教差，老练 的模仿者可以成功的模仿他人的签名。动态签名识别方法不仅利用签名的几何特征，还要 利用签名的速度、加速度、以及签名的线条流向和笔画的先后等特征。这些动态的特征有 效的补充了静态方法的不足，使得伪造变的更加困难。要骗过动态的签名系统，不仅要知 道签名的形状、还要清楚签名是如何形成的。 动态签名识别的方法有效的防止了伪造，但是由于签名的特征几乎时刻变化，尽管专 家可以识别出真伪，可是机器自动签名识别就不一定能达到很好的效果。另外，签名的特 征受时间间隔、人的情绪和身体健康状况等影响很大。 静态生物特征身份识别方法如下： 1 人脸识别 2 南京邮电大学硕士研究生学位论文第一章绪论 人脸是区分人的重要器官。日常生活中我们主要靠人脸来识别不同的人。人脸有较多 的可以被识别的特征，可以在不同角度，不同光照，不同距离甚至在某些部位被掩饰的情 况下( 如人戴眼镜时) 识别人的身份。人脸识别时人们最常用的也是最基本的身份识别方 法。 人脸识别主要是利用人脸各个器官的几何特征和位置来区分被识别者。由于人脸具有 一定的相似性，可以将不同人的脸型制成模板，利用模板进行点对点的匹配。模板匹配方 法对光照条件，人脸的朝向等都比较敏感，有待研究有效的补偿方法。人脸是长期暴露在 外面的器官，给图象的采集提供了很大的方便。另外人脸的图象可以提供三维信息，有利 于识别的准确性的提高。但是，人脸是复杂的三维形体，很难用数学语言具体的描述，人 脸图象的定位也比较困难，人的表情、光照不同能造成图象的变化，这些都给人脸识别带 来了很大困难。人脸是一种大众公认的身份识别的特征，也是国内外身份识别领域研究的 热点。 2 虹膜识别 虹膜是位于瞳孔和巩膜间的环状区域，每一个人虹膜上的纹理、血管、斑点等特征各 不相同，并且一生中几乎不发生变化。虹膜处于眼睛内部，结构复杂，基本无法伪造，具 有良好的可靠性。但是，在图象的采集过程中会有光线射入眼睛，造成眼睛不舒服，长期 使用该类系统很有可能会对人眼造成伤害。另外，虹膜受到眼睑和睫毛的阻挡，准确获得 虹膜的图象很困难，并且虹膜识别对盲者和患有如白内障等眼部疾病的人无效。 3 指纹识别 指纹是手指末梢乳突纹突起形成的纹线图案，指纹的稳定性、唯一性早已获得公认， 目前指纹识别主要利用指纹纹理所提供的细节特征的位置、类型、数目和方向的对比来鉴 别身份。指纹识别技术在所有的生物特征识别中无论从设备还是软件算法上都是最早应 用、最成熟、使用最为广泛的。尽管如此，指纹识别系统也有自己的局限性，手指长期受 到摩擦的体力劳动者的指纹质量极差，指纹识别对这类人几乎无法识别。另外，还有少数 人的指纹乳突线非常的平滑，端点和叉点数目极少，这使得指纹识别无法得到必要数量的 特征，造成判断错误。 4 手型识别 手型识别是利用手掌、手指及手指各关节的长、宽、厚等三维尺寸和连接特征来进行 身份识别，利用这些特征采集简单，不易受噪声干扰，对设备要求不高。其识别的速度在 所有生物特征识别系统中是最快的，但是其识别的准确率较低，一般只用于身份的验证。 手型识别系统使用方便，价格合理，已在机场、海关、高级住宅、进出口控制等方面获得 3 南京邮电大学硕士研究生学位论文第一章绪论 广泛使用，市场占有量仅次于指纹识别系统。但是，当手部因劳动、外伤或疾病等原因造 成外形上的变化时，会影响系统鉴别的准确性。 5 掌纹身份识别 掌纹识别方法是一种历史悠久的身份识别方法，最初主要用于公安系统，协助公安系 统的侦破工作。掌纹指手掌内侧表面的纹理图案，一般由3 - - 5 条明显的屈肌纹、众多皱 纹和乳突纹交错构成。掌纹受遗传基因的控制，一旦形成终生不变。从理论上说掌纹识别 比指纹识别系统有更高的识别能力，但是需要在较高的分辨率图象中获得，因掌纹的面积 大，导致图象数据量及特征空间太大，为图象处理带来一定的难度。掌纹采集方便，设备 成本低，可接受度高，是很具有潜力的身份识别方式，但因研究起步晚，理论和应用都还 有待进一步深入。 1 2 心音身份识别 心音冽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信息，具备普遍性、独特性、稳定性和 可采集性的生物特征，它又是来自于人体内部的信号，不容易被模仿或复制，因此可形成 一种新的身份识别技术。 1 3 本文的主要工作 本文针对神经网络中的几个问题进行了研究，并将r b f 神经网络应用于心音身份识别 中，得到较好的结果，本文的主要工作如下： 研究了心音信号的产生机理以及一i i , 音信号的特点，分析了心音信号的时域和频域特 性。介绍了几种心音信号去噪预处理的方法，采用自适应提升小波变换对心音信号进行了 去噪预处理，得到了预期的效果。 针对心音信号以及人工神经网络的特点，从心音信号中提取出较好反映特定人个性的 特征参数，给出采用常规聚类和全监督两种r b f 神经网络训练算法进行心音身份识别。 4 南京邮电大学硕士研究生学位论文第二章心音基础理论 第二章心音基础理论 2 1 心音的产生及传导机制 心脏的瓣膜和大血管在血流冲击下形成的振动，以及心脏内血流的加速与涡流对心脏 瓣膜、心房、室壁作用产生的振动，再加上心肌在周期性的心电活动作用下的刚性的迅速 增加和减小形成的振动，经过心胸传导系统到达体表形成了体表心音。用传感器把心音转 换成的电信号，叫做心音信号3 0 1 ，心音信号的波形图，叫做心音图。 心脏的一次收缩和舒张，称为一个心动周期。心音发生在心动周期的某些特定时期， 其音调和持续时间也有一定的规律。正常心脏有四个心音即第一、第二、第三和第四心音， 通常称为s 1 、s 2 、s 3 、s 4 。多数情况下只能听到第一心音和第二心音，在某些健康儿童和 青年人中也可听到第三心音，四十岁以上的健康人也可能出现第四心音。 第一心音发生在心室收缩期，这时心室开始收缩，心室内压迅速升高。当心室内压超 过心房内压时，血液有从心室流向心房的倾向，正好推动房室瓣二尖瓣、三尖瓣关闭。此 后随着心室肌的强烈收缩导致心室内压急剧升高，并超过主动脉内血压，动脉瓣打开，心 室将血液射入主动脉。从房室瓣关闭开始到动脉瓣开启稍后的一段时间，在房室瓣突然关 闭引起的振动，心室射血引起的大血管扩张而发生的涡流引起的低频振动，心肌收缩房室 瓣关闭、大血管扩张产生的振动的共同作用形成了第一心音，即s l 。 在心室收缩末期，心室内的血液大部分已射入动脉血管，心室内压下降。当心室内压 低于主动脉和肺动脉内的压力时，主动脉和肺动脉内的血液突然减速，动脉瓣关闭，心室 进入舒张期。随着心室肌的舒张，心室内压以极大的速度下降低于心房内压，房室瓣打开。 血液顺着房室内压梯度方向进入了心室，称为快速充盈状态。从动脉瓣关闭到房室瓣开启 这一段时间，由动脉瓣关闭引起的振动，形成了第二心音，即s 2 。 心室收缩时，房室瓣纤维环移向心尖。而在心室快速充盈期间，心室长度明显延长， 心基底线突然上升，和心尖距离增大，但房室瓣和键索不能跟着延长，形成第三心音，即 s 3 。 当心房收缩时，血液冲入心室，在房室瓣下面形成涡流，将瓣膜上推。由于心房收缩 也增加了心室容量，将房室瓣拉向或维持在与涡流作用相反的方向，于是产生了第四心音， 即s 4 。 在异常情况下，除以上四种心音成份外，心音中还会出现心杂音、心音分裂和附加音。 心杂音一般认为是由于瓣膜狭窄而引起的血液流动形成的，它可以分为舒张期狭窄性杂 s 南京邮电大学硕士研究生学位论文第二章心音基础理论 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。不同类型 的心杂音具有不同的临床意义，通过对它进行分析可以对心血管状况做出初步的评价。心 音分裂包含第一心音分裂和第二心音分裂，第一心音分裂主要是由于左右心室收缩期不完 全同步造成的第二心音分裂主要是由于左右心室舒张期不完全同步造成的。但比较常见的 是第二心音分裂，其分裂为两个主要成份主动脉瓣第二心音和肺动脉瓣第二心音，这两个 成份在第二心音中的强度关系和时间关系可以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音，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、病理第三心音、心房音和心包叩击音等。 2 2 心音的时域特征 第一心音的特点为音响低钝，相当于心电图上q r s 波开始后0 0 2 - - 0 0 4 秒，持续时间 长，占时0 0 8 - 0 1 3 5 秒左右。第二心音的特点为音调较高而清脆，相当于心电图上t 波末 部，持续时间较短，约为第一心音的一半( 0 0 7 0 0 8 秒) 。第一心音与第二心音之间距为 心脏的收缩期，第二心音与下一心动周期的第一心音之间距为舒张期。第三心音相当于心 电图上t 波后距s 2 为0 1 2 0 2 0 秒，占时约为o 0 5 秒，频率、振幅低。第四心音相当于心 电图p 波后0 0 8 - 0 1 4 秒，振幅低。为定量地分析心音和方便叙述，定义以下几个心音信 号时域属性。s 1 时限：指第一心音的持续时间；s 2 时限：指第二心音的持续时间；s 1 s 2 间期：指当前心动周期中第一心音到第二心音之间的时间间隔；s 2 s l 间期：指当。l i o l 二 动 周期的第二心音到下一周期的第一心音之间的时间间隔；心音间歇期：指心音成份，( s 与 s 2 或s 2 与s 1 ) 之间的部分。 图2 - l 正常心晋 在心音分析中，s 1 s 2 间期和s 2 s 1 间期对s 1 、s 2 的定位是非常重要的，而s 1 时限 和s 2 时限对确定心音的类型同样是非常重要的。随年龄的不同，心音的时限与间期有所 不同，一般来说，s l 时限在7 0 - 1 5 0 m s 之间，s 2 时限在6 0 - 1 2 0 m s 之间。心脏的收缩和舒 张是由窦房结产生兴奋传向心肌细胞而控制的。对于一般人来讲，正常情况下心脏的收缩 期短于舒张期，在心音图上表现为s 1 s 2 间期小于s 2 s 1 间期。成年人的平均心率为7 5 6 南京邮电大学硕士研究生学位论文第二章心音基础理论 次分，心动周期约为0 8 s ，其中收缩期占0 3 s ，舒张期占o 5 s ，s 1 s 2 间期与s 2 s 1 间期 的比例大概是1 ：2 。 2 3 心音的频域特征 各个不同成份具有不同的频率范围，因此，心音的频率分析可以为其识别提供一些重 要的信息。通常心音的频率范围在l o h z l o o o h z 之间。第一心音音调低，持续时间长，主 要分布在中、低频范围，其波峰的低频范围为l o h z 一5 0 h z ，中频范围为5 0 h z 1 4 0 h z 。第 二心音持续时间较短，频率较高，在低、中、高频范围内都有分布，其波峰的低频范围是 1 0 h z - 8 0 h z ，中频范围是8 0 h z 2 0 0 h z ，高频范围是2 2 0 h z , - , 4 0 0 h z 。对于同一个受试者， 在同一测试部位，其第一心音音调较低，而第二心音的音调较高，较清脆，即第一心音频 率小于第二心音频率。但是不同的心音样本其能量在不同频带的分布是不固定的。此外不 同噪声的频带和强度也是不同的，这就加大了心音噪声滤除的复杂性。 一般情况下，心杂音的频率高于第一心音和第二心音的频率，这为通过滤波消除心杂 音在心音信号处理中的影响提供了条件。在听诊中按杂音的频率组成性质将其分别描述为 雷鸣音隆隆样、叹气样、吹风样、乐音样等。 2 4 心音和心脏瓣膜的关系 了解心音与心脏瓣膜的关系，有利于找出心杂音的来源，便于有针对性的对各类异常 心音进行分析和处理。通过研究分析长期的临床实践经验发现，心音中的心杂音与心脏瓣 膜疾病常常体现出以下关系： 1 主动脉瓣关闭不全第二主动脉瓣区第五区有舒张早期杂音，杂音紧跟在第二音后， 占据或部分占据第二音，杂音为高音调，深吸气屏住呼吸时，强度减弱，深呼气屏住呼吸， 强度增强。主动脉区有收缩早期喷射性杂音，高音调，响亮。主动脉瓣区第二音增强，呈 反常分裂。 2 主动脉瓣狭窄先天性主动脉瓣狭窄，第一主动脉瓣区有喷射性杂音，杂音强度在收 缩中期达到最高峰，在第二音开始之前杂音己终止，杂音的强度在级以上，杂音音调为中 等，可出现舒张早期杂音，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，无收缩早期主动脉喷射音，第二音反常分裂，心尖区出现第四音。 3 肺动脉瓣狭窄在肺动脉瓣区有收缩期喷射性杂音，杂音的强度级，呼气时增强，吸 气时减弱或消失，吸气时第二音分裂加宽。重度肺动脉瓣狭窄时肺动脉瓣区有收缩期杂音， 7 南京邮电大学硕士研究生学位论文第二章心音基础理论 出现时间较晚，持续时间较长，肺动脉瓣区第二音消失，没有分裂，常可听到第四音。 4 肺动脉瓣关闭不全器质性肺动脉瓣关闭不全比较少见，相对性肺动脉瓣关闭不全常 见，其特点为，肺动脉瓣区有舒张早期杂音，杂音为高中等音调，深吸气屏住呼吸时，强 度增强，肺动脉瓣区第二音亢进。 2 5 本章小结 采集心音的位置对所获取心音的质量影响很大，在不同的听诊区得到的心音各成分及 其特征并不完全相同，临床上一般分为主动脉瓣听诊区、肺动脉瓣听诊区、心前区、二尖 瓣听诊区、三尖瓣听诊区等五个听诊区。人体本身是一个比较复杂的生理系统，生理信号 当中包含许多不确定因素，所以有必要对心音相关的基础理论进行较深入的了解，掌握相 关生理知识对心音信号的分析和处理是很有帮助的。 南京邮电大学硕士研究生学位论文第三章心音信号的采集与预处理 第三章心音信号的采集与预处理 心音信号是包含有人体重要的生理信息的医学信号之一，而对心音信号进行分析并进 行身份识别之前，必须先进行去噪等预处理。 心音是由心肌收缩和舒张，以及心脏瓣膜、室壁和大血管在血流冲击下形成的振动经 胸腔传导至体表，用听诊器等设备采集到的声音。在心音信号的采集中，收集的心音信号 的真实性和正确性是至关重要的。然而，在心音的采集过程中存在的环境噪声、采集设备 及对象皮肤的摩擦音、仪器本身的声音等噪声通常不可避免的存在着。如何去除心音信号 中的噪声，得到我们所需要的心音信号是非常关键的。目前用于心音信号去噪【l8 】的方法有 各种线性或非线性滤波、小波变换以及自适应滤波等方法，其中小波变换是近年来发展比 较火热的一种信号的处理方法，基于小波的多分辨率以及局部特征分析，在信号处理中得 到了广泛的应用。 3 1 心音信号的噪声特征 由于心音信号本身强度比较微弱，所以极易受到环境的影响。在心音的记录过程中， 被采集者自由活动、工作和休息，可能处于各种各样的状态，譬如出入一些干扰很强的地 方，或是大幅度的运动，都会对心音信号的质量产生很大影响，进而影响进一步的分析和 识别。因此，如何抑制噪声的影响是动态心音图检测的一个重要问题。 在进行心音信号测量时，测量过程中的噪声主要有随机噪声【2 9 】和5 0 h z 工频干扰噪声 以及仪器噪声几个部分。 1 随机噪音 这部分噪声主要来源于测量环境的干扰及电子听诊器与测量对象的直接接触，因为心 音测量中采用的传感器的灵敏度一般较高，当测量环境有噪音时，高灵敏度的传感器检测 心音信号的同时也接收到噪音信号，并将其同时送入放大器而进入测量系统，使其测量信 号中混杂进干扰信号；另一方面，由于心音信号强度本身就很弱，测量时传感器与测量对 象直接接触必将产生摩擦噪音，由于这种噪音也随测量信号一起进入测量系统。这种噪音 特性接近于白噪声，前后相关性很弱或几乎不具备任何相关性。测量环境噪音和摩擦噪音 都是随机噪声，对于模拟系统将成为共模信号，影响测量信号的准确性，更严重的是噪声 信号可能掩盖测信号的有用成分，因此应该设法滤除或减弱。 9 南京邮电大学硕士研究生学位论文第三章心音信号的采集与预处理 2 工频干扰 此类干扰是由于测量环境周围存在电磁辐射所产生，电磁辐射干扰以5 0 h z 工频为主 要成分。仪器本身也可能受到工频干扰的影响，在处理测量信号时工频干扰信号一并放大， 测量信号还将受到工频信号的调制，使得信号带有毛刺。 3 仪器本身的噪音 由于仪器本身的缺陷，也会产生诸如电子器件的离散噪音、电阻的热噪音等。这些噪 音和测量信号混杂在一起，使得仪器对测量信号的分析能力下降。 3 2 心音的采集与预处理 因为是对实验者正常心音的识别，所以要求在实验室环境下能有比较好的识别率，因 此需要在实验室环境下采集功能。在采集中，包括a d 变换在内的许多采集处理都交由声 卡完成的，在此只需完成对数据的输入控制和存放即可，而存放格式则采用w i n d o w s 标准 的w a v e 格式。采集心音样本，对不同的人在安静的环境下用电子听诊器录取心音，用作 训练和测试样本并建立心音数据库。本文所用来分析和识别的心音数据是对本班同学在实 验室中录取的，采样频率为2 2 0 5 0 h z 。对样本进行预处理，由于噪声和其他干扰生理信号 的影响，必须对心音进行消噪等预处理，加强有用信息m 】，因此这个阶段的工作主要是噪 声消除。 3 3 小波变换去噪 小波变换【3 2 】是近十几年发展起来的新的信号处理技术，因其在时间和频率域中都可达 到高的分辨率，被称为“数学显微镜“。小波分析的理论和方法在信号处理、图象处理、 语音处理、模式识别、量子物理等领域都得到了广泛的应用，它被认为是近年来在工具及 方法上的重大突破。 为了定量或半定量的研究心音信号从而提高心音身份识别的准确性，我们可以借助数 字信号处理技术。心音信号是一种非平稳的信号【1 6 1 ，而近年来的信号处理理论的发展表明 小波变换适用于非平稳信号的处理。这因为利用传统的傅立叶变换分析信号时，其时间、 频率精度是固定不变的，而利用小波变换分析信号，在高频时有较好的时间精度，在低频 时有较好的频率精度，符合信号变化的特点。因此利用小波变换分析非平稳的信号，可以 得到较高的时间、频率估计精度。基于这种思想，小波变换是分析心音最适合的方法。 1 0 南京邮电大学硕士研究生学位论文第三章心音信号的采集与预处理 3 3 1 连续小波变换理论 设缈( f ) 是平方可积函数，即妒( f ) r ( 尺) ，若缈( f ) 的傅立叶变换w ( c o ) 满足条件： + i 眦缈 0 6 尺 ( 3 2 ) 其中a 为伸缩因子，b 为平移因子。 连续小波变换( c w t ) 定义为：设函数f ( t ) 平方可积，缈( f ) 表示缈( f ) 的共轭，贝, l j f ( t ) 的连续小波变换为： w r j , ( a , b ) _ 0 ，则石( ；) 的c w t 为咖( 要，了b ) 。 v t v t l 此性质表明，当信号在时域作某一倍数伸缩时，其小波变换在a ，b 两轴上也作同一倍数伸 缩，形状不变。 4 内积定理( m o y a l 定理) ：设而( f ) ，x z ( t ) p ( r ) ，他们的c w t 分别为w t j 。i ( 口，b ) g l 嘿( 口，6 ) ，则有 _ q ( 3 5 ) 舯q = 产些纨 任何改变只有存在逆变化才有实际意义。对连续小波而言，若采用的小波满足可容性 条件，其逆变换存在，即根据信号的小波变换系数就可以精确的恢复原信号，并满足连续 小波变换的逆变换公式： 础) _ 上t a a 二t 胛x ( 咖) 击少( 字) 如 ( 3 6 ) 其中q ：p 垫屹 。 ： a 3 3 2 离散小波变换 通常用冗余度这一概念来衡量函数族是否构成正交性，若信号损失部分后仍能传递同 样的信息量，则称此信号有冗余，冗余的大小程度称为冗余度。连续小波变换的尺度因子 a 和移位因子b 都是连续变化的，冗余度很大，为了减小冗余度，可以将尺度因子a 和移 位因子b 离散化。现在的问题是，怎样离散化才能得到构成空间r ( 尺) 的正交小波基。由 连续小波变换的时频分析得知，小波的品质因数不变，因此我们可以对尺度因子a 按二进 的方式离散化，得到的二进小波和二进小波变换，之后再将时间中心参数b 按二进整数倍 的方式离散化，从而得到正交小波和函数的小波级数表达式，真正实现小波变化的连续形 式和离散形式在普通函数形式上的完全统一。文献 3 3 介绍了离散小波变换的硬件实现。 函数的连续小波变换有很大的冗余度，为了减小冗余度，可将尺度因子a 和移位因子 b 离散化。若对尺度因子a 按二进的方式离散化，就得到了二进小波和二进小波变换。 设小波函数沙( x ) 的傅立叶变换为w ( c o ) ，若存在两个常数0 a s b f l ，li f 【d ( 甩) + f ，工 ，使预测误差在某个准则下最小。如果采用最小 均方误差l m s 准则进行估计，就得到了著名的线性预测分析( l p c ) 算法，这一过程就称为 线性预测分析。 4 1 2l p c c 参数的提取 在心音的身份识别中，我们不直接使用线性预测系数l p c ，而是由l p c 系数推导出另 一种参数，线性预测倒谱系数( l p c c ) 。由于实际的心音信号并非全极点模型，所以心音身 份识别中用到的不是线性预测，而是通过线性预测分析递推得出另一种更能反映实际心音 信号信息的参数，即线性预测倒谱系数l p c