（信号与信息处理专业论文）心音信号分析与识别算法的研究.pdf

重庆大学硕士学位论文中文摘要 摘要 心音检测和分析是了解心脏和血管状态的一种重要且经济的手段，心音具有 心电不可取代的临床价值。心电分析是心脏变时性和变传导性的最佳监测方法， 但不能用来检测心脏的变力性。第一心音的幅值是心肌收缩能力的标准量度，因 此可以用心音图来对心肌收缩能力进行评估。要获得幅值参数，首先要对心音成 份进行识别。本文在总结传统研究方法的基础之上，对心音的分析和识别算法作 了一些改进，并用实验和模型验证了其有效性。 由于在心音的采集过程中，噪声的引入是不可避免的。要准确地识别心音成 份，首先需要对采集到的心音样本信号进行去噪处理。针对心音的非平稳性，本 文引入了自适应滤波方法进行去噪。而自适应去噪需要一个参考噪声作为输入， 回到原来的采集环境中再单独提取噪声又是不太现实也不经济的。在这里本文又 引入了数学形态学理论，利用它提取了心音信号的包络，然后合成了自适应滤波 需要的参考。这样得到的噪声信号虽然在心音成份部分不能保证与原心音中的噪 声相关，但在心音间隙期二者是强相关的，利用这种相关性，在这里滤去间隙期 的噪声信号，得到了分界更清晰的心音图，为心音成份的识别打下基础。在 s i m u l i n k 仿真建模工具中建立了自适应心音去噪的模型，使用合成的参考噪声作 为自适应滤波器的输入对心音进行了滤波，通过理论分析和实验验证，取得了预 期的效果。由于这种方法并没有去除心音成份上的噪声，其目的是使心音成份与 心音间隙期的分界更加明显，方便识别，所以这一过程称之为预去噪。 对去噪后的心音信号，本文进行了短时傅立叶变换，不同长度的时间窗对应 了不同的时频分辨率。从中选取了时间分辨率很高的频谱数据，将频率轴压缩得 到了心音的时域能量包络图。从这个图上可以很直观地观察出心音成份的时域分 界。结合传统的差分法和医学常识，使用心音的时域能量包络数据对心音成份进 行识别。识别结果证明了这种方法是可行且高效的。 要评估一个人的心力储备，就要提取第一心音的幅值参数。对同一心音记录 来说，第一心音都来自同一信号源，彼此之间是相关的。于是本文采用自适应的 方法利用前一个第一心音去估计下一个第一心音，这样就把预去噪过程中不能去 除的第一心音上的噪声滤除了。模型的运行结果表明，去噪后的第一心音幅值相 对与混有噪声的第一心音幅值而言，更加接近真实值，说明了在实际应用无法获 得第一心音真实幅值的情况下，可以用去噪后的值代替或近似真实值。 关键词：心音，噪声抑制，自适应滤波，心音识别，数学形态学 重庆大学硕士学位论文英文摘要 a b s t r a c t d e t e c t i o na n da n a l y s i so fh e a r ts o u n d sl sa ni m p o r t a n ta n de c o n o m i c a lm e t h o d t h a tc a r tb eu s e dt oj u d g et h es t a t eo fh e a r ta n dg r e a tv e s s e l s p h o n o c a r d i o g r a r n ( p c g ) h a si t so w n a d v a n t a g e st h a te c g c a n tr e p l a c e e c gi st h eb e s tw a yt om o n i t o rc a r d i a c i n o t r o p i s ma n dc h r o n o t r o p i s m ，b u ti t i sh e l p l e s st oe s t i m a t ed r o m o t r o p i s m a m p l i t u d e o ft h ef i r s th e a r ts o u n di st h en o r m a lm e a s u r e m e n to fc a r d i a cc o n t r a c t i l i t y t og e t a m p l i t u d ep a r a m e t e r , t h ef i r s ts t e pi st ol o c a l i z et h ed i f f e r e n tc o m p o n e n t s o fp c gt h i s p a p e r , b a s e d o nt h es u m m a r i z a t i o nf o r p r e v e n i e n t r e s e a r c h ，p r e s e n t s s o m e i m p r o v e m e n t sf o ra n a l y s i sa n dr e c o g n i t i o no fp c g a n dv a l i d a t e st h e mb yt e s t sa n d m o d e l s i nt h ec o u r s eo fr e c o r d i n gh e a r ts o u n d ，i ti si n e v i t a b l et h a tm a n yk i n d so fn o i s e w i l lb em e r g e di nt h em a i n s i g n a l b e f o r ef u r t h e rp r o c e s s i n g so fp h o n o c a r d i o g r a p h i c r e c o r d s ，n o i s em u s tb es u p p r e s s e df i r s t p c gi sah i g h l yn o n s t a t i o n a r ys i g n a l ，s ot h e p a p e r i n t r o d u c e st h ea p p l i c a t i o no f a d a p t i v ef i l t e rm e t h o dt ot h ee l i m i n a t i o no f n o i s e t h i sm e t h o dn e e d sar e f e r e n c en o i s ea so n ei n p u t ，b u ti ti s u n p r a c t i c a lt og e tt h e b a c k g r o u n dn o i s ei n t h e o r i g i n a ld a t ac o n d i t i o n s o ，t h i sp a p e ru s e sm a t h e m a t i c a l m o r p h o l o g yt h e o r yt o c a t c hh e a r ts o u n de n v e l o p e ，a n dt h e nc o m p o s e st h er e f e r e n c e n o i s ew h i c hi sh e a v i l yc o r r e l a t i v et ot h en o i s ei nt h ep r i m a r yp c g s i g n a l p u r eh e a r t s o u n dc a nb ea t t a i n e da f t e ra d a p t i v e l yf i l t e r e db yt h ec o m p o s i t i v en o i s ei nt h em o d e l c r e a t e di ns i m u l i n k t h ea i mo ft h i sc o u r s ei st om a k et h eb o u n d a r yo fh e a r ts o u n d s i n g r e d i e n ta n dc l e a r a n c ep l o tm o r ep e r s p i c u o u s ，s ow ec a l lt h i sp r o c e s sp r e l i m i n a r y d e n o i s i n g a f t e r d e n o i s i n g ，i ta n a l y z e sp c g s i g n a lb ys h o r t t i m ef o u r i e rt r a n s f o r m ( s t f t ) d i f f e r e n tw i n d o w - w i d t hi s c o r r e s p o n d i n gt o d i f f e r e n tt i m e f r e q u e n c yr e s o l u t i o n i t c h o o s e st h e s p e c t r u m d a t aw i t h v e r yg o o dt i m er e s o l u t i o n ，a n dt h e nt a k e st h e m a x i m u me l e m e n to ft h es p e c t r o g r a ma te v e r yt i m ep o i n tt h r o u g ht h ef r e q u e n c ya x i s ， s ot h et e m p o r a le n e r g ye n v e l o p eo fp c g s i g n a li sg e n e r a t e d f r o mt h i se n v e l o p ep l o t ， h e a r ts o u n d sc a nb eo b s e r v e d v e r yi n t u i t i o n i s t i c l y u s i n gt h et e m p o r a le n e r g yd a t a , a n d c o n n e c t i n gt r a d i t i o n a ld i f f e r e n c em e t h o dw i t hm e d i c i n a lg e n e r a lk n o w l e d g e ，t h et h e s i s m a k e st h er e c o g n i t i o nf o rh e a r ts o u n d s t h er e s u l tp r o v e st h i sm e t h o di sa v a i l a b l ea n d e f f e c t i v e t ok n o wc a r d i a cc o n t r a c t i l i t yr e s e r v e ，t h ea m p l i t u d eo f s 1m u s tb eg o r e n i no n e i i 重庆大学硕士学位论文英文摘要 r e c o r d s a m p l e t h e f i r s th e a r ts o u n d sa r er e l a t e de a c ho t h e r w l t ht l i sk i n do f c o r r e l a t i o n ，o n es ii s a p p l i e dt o e s t i m a t et h en e x ts1i nal m sd e n o i s i n gm o d e l c r e a t e di ns i m u l i n k t h er e s u l ts h o w st h a ta f t e rd e n o i s i n g ，t h ea m p l i t u d eo fs1i sm u c h c l o s e rt ot h et r u ev a l u et h a ni to fs 1b e f o r ed e n o i s i n g i na c t u a la p p l i c a t i o n ，t h er e a l d a t ao fs1i si m p o s s i b l et ok n o w , b u tt h ea m p l i t u d ea f t e rd e n o i s i n gc a nb et a k e na sa r e p l a c e m e n t o r a p p r o x i m a t i o no f r e a lp u r es a m p l e k e y w o r d s ：h e a r ts o u n d ，n o i s es u p p r e s s i o n ，a d a p t i v ef i l t e r , p h o n o c a r d i o g r a mr e c o g n i t i o n ，m a t h e m a t i c a lm o r p h o l o g y m 重庆大学硕士学位论文1 绪论 1绪论 心血管疾病是严重威胁人类健康的疾病之一。心音检测和分析是了解心脏和 血管状态的一种不可缺少的手段。心音是由于心脏瓣膜的开关、肌腱和肌肉的舒 张收缩、血流的冲击及心血管壁的振动而产生的一种复合音l u 。因此心音能够反 映心脏活动及血液流动的状况。心电图检查是心脏变时性和变传导性的最佳检测 方法，但不能用来检测心脏的变力性。先天心脏瓣膜受损、心电传导组织病变引 起的心脏机械活动障碍也能由心音反映出来。而且某些心血管系统的病变在导致 e c g ( e l e c t r o c a r d i o g r a p h ) 信号出现异常前，首先导致心脏杂音和心音变异。因此心 音具有心电不可替代的诊断优势，因此对心音的分析愈来愈引起了广大研究工作 者的关注。本章首先对心音和心音图作基本的说明，接着综述国内外在这一领域 的研究现状及发展趋势，最后介绍课题的研究内容和现实意义。 1 1 心音和心音图 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 用下其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。如将听诊器放在胸壁某些部位，就可以听到。若用换能器将这些机械振 动转换为电信号记录下来，便得到心音图【2 1 。 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 l ，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。另外，心脏的某些异 常活动可能产生杂音和异常心音。 第一心音发生在心脏收缩期，音调低，持续时间相对较长，在心尖搏动处( 左 第五肋间隙锁骨中线) 听得最清楚。在心脏收缩期心室射血引起大血管扩张及产 生的涡流发出的低频振动，以及由于房室瓣突然关闭所引起的振动，是听诊第一 心音的主要组成部分，因此，通常可用第一心音作为心室收缩期开始的标志。第 二心音发生在心脏舒张期，持续时间相对较短。听诊的第二心音主要与主动脉瓣 的关闭有关，故可以用来标志心室舒张期的开始。第三心音发生在快速充盈期末， 是一种低频，低振幅的心音。它可能是由于心室快速充盈期末，血流充盈减慢， 流速突然改变，形成种力使得心室壁和瓣膜发生振动而产生的。第四心音是与 心房收缩有关的一组心室收缩期前振动，故也称为心房音。正常心房收缩，是听 重庆大学硕士学位论文i 绪论 不到声音的，但在异常有力的心房收缩矩以及室壁变硬的隋况下，心房收缩使心 室充盈的血量增加，心室进一步扩张，引起左室肌及二尖瓣和血液的振动，则可 产生第四心音。 心音图就是通过一定方法记录下来的心音数据，从心音图上可以比较直观地 看出心音的某些时域特征，如图1 1 所示。一般来说，在个心动周期内心音幅 值最高的地方不是s 1 ，就是s 2 ，并且s l 、s 2 的幅值也与听诊的部位有很大的关 系。对于正常人来讲，往往在心尖部听到的第一心音强于第二心音，而在心底部 听到的第二心音强于第一心音。在临床上，一般将听诊部位分为五个听诊区，即： 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。在 不同的听诊位置得到的心音各成份的特征并不一样。同时，受试者的体位姿势对 心音的记录也有一定的影响，有的心音在受试者处于某些特殊的姿势时更容易听 到，如开瓣音在受试者处于坐位或半卧位时听起来更为清晰。 一】 图1 1 正常心音图样本 f i 9 1 1p h o n o c a r d i o g r a p h i c a s p e c t o f h e a r ts o u n d s ( n o r m a ls u b j e c t ) 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 l 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 问期：指当前心 动周期中第一心音到第二心音之间的时间间隔：$ 2 s 1 间期：指当前心动周期的第 二心音到下一周期的第一心音之间的时间间隔；心音间隙期：指心音成份( s l 与 s 2 或s 2 与s 1 ) 之间的部分。 在心音分析中，s i s 2 间期和$ 2 s 1 间期对s l 、s 2 的定位是非常重要的，而s l 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，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 i s 2 间期小于$ 2 s 1 间 期。成年人的平均心率为7 5 次分，心动周期约为0 8 s ( 秒) ，其中收缩期占0 3 s ， 舒张期占0 5 s ，s 1 s 2 间期与$ 2 s 1 间期的比例大概是1 ：2 。 重庆大学硕士学位论文 通过对心音数据的分析，可以将这些时域属性量化，使其成为定量分析心音 所需要的特征参数，如心动周期、收缩期和舒张期的持续时间、第一心音和第二 心音的持续时间等。更进一步地，在这些特征参数的基础之上，提取第一心音的 相对 隔值，还可以对心肌收缩能力的变异性作出测评。 1 _ 2 国内外研究现状 由于心音在心血管疾病的诊断中具有重要价值，是心血管疾病无创性检测的 重要方法，具有心电图、超声心动图不可取代的优势，所以近年来对心音信号的 分析愈来愈受到重视。自从l a e n n e c 发明听诊器以来，人们广泛采用听诊器进行 心音分析诊断，传统简便的方式是医务人员通过听诊器根据自己的知识和经验对 听得的心音作出主观的分析判断。虽然目前听诊器的性能取得了长足的发展，但 仍需要听诊人员具有丰富的临床经验和敏感的判断力，因此具有较大的局限性， 需要有正确客观地反映心音特性的方法和技术。近年来，传感器技术、数字信号 处理技术以及计算机、多媒体技术的发展，为心音分析的研究和应用提供了条件， 为心音学的发展奠定了基础。 1 2 1 心音信号的分析方法 长期以来，研究人员从不同的角度和目标进行了心音信号分析方法的研究。 利用谱分析方法进行心音信号的研究，较为典型是对人工心脏瓣膜的无创声检测。 l g d u r a n d 等将传统谱分析方法和现代谱分析方法应用于植入主动脉位置上的人 工生物瓣膜音的分析，并对这两种谱分析方法的性能进行了比较 3 1 。研究发现， 传统的谱分析方法由于可采用f f t 技术使计算量大为减小，但它假设序列或其自 相关函数的那些未能观测到或末估计出来的值为零，这与实际情况往往是不符合 的，所以也就使得传统的谱分析方法有估计方差大、谱分辨率差的缺点，难以用 于短数据记录的情况；而心音信号要实现无创检测，记录的数据都不可能太长， 因此现代的参数谱估计方法更适合于分析心音信号。m a k a y 等人对冠状动脉狭 窄病人的心弱音成份进行了一系列的研究 4 1 ，分析了病人非正常心音的特点，建 立了心弱音数据和具体病征之间的对应关系，为临床特别是先验诊断提供了重要 的参考。现代谱分析方法用来分析心音的发生与传导机制也是。i l , 音分析的一个重 要方面，d u r a n d 等人利用动物实验对心胸传播特性进行了深入细致的研究1 5 1 ，金 井等人对胸壁加振和无加振情况下的一t l , 胸传输系统的时变特性进行了研究，并建 立起各自的心胸声系统的模型【6 】。他们建立的模型虽然不完全一样，但通过模型 实验得到的结论却是殊途同归：心率的变化、p r 间期( 心电图中紧跟p 波后的波 段) 的改变以及心肌收缩力的变化只影响到心音的强度，而对心音的频谱分布没有 或几乎没有影响，心胸声传播系统可看作是低通、时变的系统，而且对不同心音 重庆大学硕士学位论文1 绪论 成份的响应有明显的不同。i y k i m 等对心音进行了时频分析，比较简便地提取了 心音的一些特征【_ 7 1 ，对比了正常心音和异常心音的异同点，有助于判断分析的心 音是正常还是不正常，但它的广泛应用要依赖于心音数据库的发展。山东医科大 学的张玉华等在1 9 9 9 年应用a r 模型( 自回归模型：a u t o r e g r e s s i v e m o d e l ) 对心 音进行了三维时频分析陋】，得到了一些有i 临床诊断意义的参数。但利用这种传统 的a r 模型进行时频分析时无法同时提高时域和频域的分辨率，使得心音信号中 对诊断犹为重要的低频信息不能得到详尽的分析。山东大学的李桥等将小波变换 与三维心音图结合起来，得到了各分析组心音信号经小波变换处理后的彩色三维 图，比较全面地反映了心音信号包含的有利于疾病诊断的信息p j 。 心音分析方法已经从以前模拟心音图上进行的时域分析、频域分析、功率谱 分析发展为现在数字心音图上的时频分析。传统的稳态分析方法，如功率谱分析， 只能反映信号的静态频谱特征。但是，心脏搏动是一个动态过程，要获得心脏的 动力学特征，就需要研究心音信号频率成份随时间的变化特征，即进行时频分析 研究。心音的时频分析已经成为现在的一个重点研究方向，较为典型的方法有短 时傅立叶变换( s t f t ：s h o r t - t i m e f o u r i e r t r a n s f o r m ) 、自回归模型( a r m ： a u t o r e g r e s s i v em o d e l ) 、小波变换等。研究人员将这些方法应用于第一心音的分析、 心杂音的分析，取得了一定的成果。许多学者利用谱图的方法对心音信号进行过 深入细致的研究。1 9 9 2 年，g j a m o u s 和l g d u r a n d 报道了采用短时傅立叶变换 ( s t f t ) 对心音信号的时频表示( 谱图) 的研究情况【l 。他们从心脏内部和胸部表面 分别记录了四只狗的心音，计算心音信号的谱图时采用了正弦余弦窗，用平均的 相干谱的平均能量来决定所加窗的最佳长度。研究表明最佳窗长为1 6 m s 到3 2 m s 。 小于1 6 m s 的窗将低频成份展到高频成份中，频率分辨率较差，大于3 2 m s 的时间 窗虽提高了频率分辨率，却不能正确反映信号的时变特性。a r 谱谱阵或a r 建 模是另一种时频分析技术，它是建立在对一系列短段信号生成相应a r 模型的基 础之上的，其前提条件是每一短段信号必须是平稳的零均值的随机信号 1 1 1 。在分 辨率方面，a r 谱谱阵是对谱图的重要改进。w o o d 等将时频变换引入第一心音分 析中，并应用二项式联合时频变换作为分析工具【l “。这种分析方法与谱图相比可 获得更高的分辨率，并通过再现第一心音的开始和动态变化，有利于揭示心音的 发生机理和提高活体心音分析的诊断灵敏度。 近年来，小波分析以其优良的性能而在生物医学信号处理中得到广泛的应用。 小波分析优于傅立叶分析的地方是它在时、频域同时具有很好的局部化性质。它 与短时傅立叶变换不同的是对高频信号它采用短窗，因而具有很高的时间分辨力， 可以充分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； 同时它对低频信号采用较长的窗，具有很高的频率分辨力。m a k a y 等对比研究 4 重庆大学硕士学位论文1 绪论 了离散二进小波变换和短时傅立叶变换在分析因动脉狭窄而产生的湍流音方面的 能力【1 3 1 。结果表明：小波分析对湍流音变化更为敏感。但是，二进小波变换因为 其尺度因子以2 的幂指数变化，将时频平面划分得较为稀疏，其时频分辨率不可 能达n d , 波分析的最佳状态。连续小波变换因其尺度连续变化，从而可以充分体 现小波分析的优越性。 目前，心音信号的时频分析仍然是研究的热点。r i t o l a 比较了几种时频分布 在心音信号分析中的作用 1 。短时傅立叶交换和连续小波变换都为信号的线性变 换，但在计算信号的时频分布时需要对线性变换的结果进行求平方的运算，这就 不可避免地引入了交叉项。短时傅立叶变换和连续小波变换的交叉项有相似的特 点：交叉项仅出现在信号的任意两个成份在时频平面有重叠部分时，交叉项幅值 的最大值可以是两个信号的谱幅度积的二倍，其幅值最小值为零。对于w i g n e r v i l e 分布，作为一种二次型变换，它也不可避免地要产生交叉项。交叉项的存在造成 了图形混乱，给人们准确分析心音信号的时变特性带来困难。研究发现可以用时 频分解法抑制w i g n e r 分布交叉项，即通过时域分段和频域分解，将关心的时频区 域分解成多个子区域，把每个子区域上独立求得的w i g n e r 分布函数拼接成总体 w i g n e r 分布，从而抑制常规w i g n e r 分布的交叉项。其中c h o i w i l l i a m s 分布的清 晰度最高，但其所表达的细节信号有部分丢失，这是因为其消除了w i g n e r 分布中 的交叉项的原因。 1 2 2 心音信号成份的识别 对于心音信号成份识别的研究，根难把它与心音信号分析方法的研究分别开 来，但同时它又有自身的研究方法和特点。原有比较精确的识别方法大多是依靠 了e c g 参考信号或颈动脉脉搏信号 1 5 - 1 6 1 ，由于第一心音( s 1 ) 发生在心室收缩 早期，即e c g 的r 波之后2 0 至4 0 m s ，第二心音( s 2 ) 发生在心室收缩末期和 心室等长舒张期前，即e c g 的t 波终点前后，故可通过检测同步采集的心电信 号的特征点，如r 波，然后根据峰值搜索来定位。这些方法属于比较经典的方法， 其准确率比较高，但由于使用参考信号，其装置比较复杂，而且准确率受参考信 号定位准确率的影响。由于心音是一种机械振动，是心肌与心脏瓣膜以及大血管 壁特性的一种反映，有自己的产生机理，相应就应该有自己的划分标准，故目前 国内外主要的研究方向是不依赖参考的心音信号识别办法。 心音信号的复杂性和非稳定性，增加了不依赖参考信号进行心音成份识别的 困难。王文辉等提出不依赖于心电信号的阶梯值比较法并结合经验数据实现心音 自定位，但这种方法受经验参数的制约，定位的准确性不高【1 7 】。g e r b a r g 1 8 1 于三十 多年前就利用各信号成份之间的时间关系把它们分离开来，并且没有使用参考 e c g 信号，这种方法对正常心音信号的识别准确率较高，但对存在有呼吸噪声、 重庆大学硕士学位论文 s 2 广泛分裂、以及伪迹的心音信号识别的准确率不高。然而由于数字信号处理技 术的进一步发展，特别是小波变换、时频分析技术、神经网络技术的发展，使心 音的识别研究取得了长足的进步。 近年来，国内外很多人利用各种时频分析技术对心音信号的各个成份进行分 析，找出心音各成份的特点 1 9 - 2 3 】，在这些研究的基础之上发展出了很多识别方法。 王衍文等提出了一种基于c h o i w i l i i a m s 分布的一t l , 音信号检测方法【2 4 】，利用 c h o i w i l l i a m s 分布分析心音信号的时频特性，这种方法不仅准确地判定了s l 和 s 2 的起始位置，而且对心音信号的时域、频域、和能量的分布作了全面的描述。 h l i a n g 等提出了一种基于信号s h a n n o n 能量包络图的心音分段算法 2 5 】。首先使用 小波变换将信号分解并重构为对应于不同频带的细节与近似信号，再对选出的信 号分别用规格化的s h a n n o n 平均能量包络计算，然后标记出每批信号中超出所选 阂值的峰值点位置，并计算两个相邻标记之间的时间间隔，按照时间间隔的均值 与标准差，计算出时间间隔的上限与下限，利用上述限制去除额外的峰值点，并 找回丢失的低峰值点。当所有可疑的s l 与s 2 信号已被标记出来后，就需要识别 究竟哪个是s 1 ，哪个是s 2 ，这要用到下述医学知识：在p c g 记录中，两个相 邻峰值点间的最长时间间隔为心脏舒张期( 从s 2 结束到s l 开始) ；心脏收缩 期的持续时间( 从s 1 结束到s 2 开始) 与心脏舒张期相比，相对恒定。在找到最 长时间间隔后，这个时间段的开始与结束分别被标记为s 2 和s 1 ，然后再从这个 时间段分别向前向后检查相邻峰值点的时间间隔。那些违背上述医学知识的标记 点被舍弃，剩下的s 1 和s 2 被识别出来。在这个过程中，伪记也被舍弃了。这种 方法不仅利用了小波变换的去噪特性，并结合了相关医学知识，使其不但对于白 噪声不敏感，对脉冲噪声也不敏感。但其使用s h a n n o n 平均能量包络计算，所得 信号样本点数与原始信号不一致，使检测结果可能出现偏差。 心音成份的识别一直都是心音信号处理领域的一个研究热点，但很多文献采 用的方法大都大同小异。较新的研究成果看主要是利用心音各成份的频域特性， 使用小波变换或其他时频分析方法对其进行滤波，提取出心音各成份的特征，并 用神经网络或专家系统的方法对心音进行识另1 j 2 6 2 7 。由于神经网络技术将相关医 学知识作为其分析的基础，并具有自适应特性，使其识别准确率大为提高。但是 由于频域分析计算复杂，计算时间长，而且神经网络的计算量比较大，使得计算 时间更为延长，因此不适合于实时动态分析的场合。 1 2 1 3 心肌收缩能力变异性的研究 目前对心音的另一个重要的研究方面是关于心肌收缩能力变异性的问题。一t l , 肌收缩能力变异性，是评估心功能，尤其是心力储备、心脏耐力的重要参考。多 年来，在心功能诊断特别是在心功能分级方面，至今未能开发出同时具有无创性、 6 重庆大学硕士学位论文1 绪论 敏感性和特异性高、简便、快速、费用低、可重复采用和客观量化等特点反映心 肌收缩能力的心力储备测评方法。大多数心力衰竭病人的主要问题是心肌收缩力 的降低，在心血管病诊断和治疗过程中对心脏变力性、变时性和变异传导性进行 实时检测和评估是非常必要的常规工作。早期发现心肌收缩力下降并及时采取措 施对防治心力衰竭具有重大现实意义。心电图检查是目前心脏变时性和变传导性 的最佳监测方法，但不能用来监测心脏的变力性。国际上关于心音和心肌收缩能 力关系的研究为解决上述问题暗示了一条途径。d u r a n d 等研究了心肌收缩力对心 音谱和心音传输特性的影响【2 ”，结果表明，心肌收缩力的改变剧烈地影响心音的 强度。r i c e 和d o y l e 经过若干次的实验认为，第一心音的幅值是心肌收缩力的标 准量度，并在手术室用心音仪监测麻醉药对心肌收缩力的影响1 2 。结果表明，第 一心音幅值的大小与心肌收缩能力强弱密切相关，可以用第一心音幅值的变化趋 势来评估心力储备、心脏耐力。理论分析表明，第一心音幅值的大小主要决定于 心室收缩时所产生的压强能的大小，而该压强能的大小主要由心肌收缩力的强弱 来决定，这与实验验证的结果是一致的。根据心肌收缩能力和第一心音幅值的肯 定性关系，肖守中在国际上首先提出了心肌收缩能力变异性的( c a r d i a c c o n t r a c t i l i t yv a r i i a b i l i t y ，c c v ) 概念1 3 。j ，而且一并给出了其测试分析方法。提出 用相对值法建立心音幅值参数，特别重视用第一心音( s 1 ) 幅值的变化趋势来量 度心肌收缩力和评估心血管病人和健康人的心力储备；发明了心音图运动实验 ( p c g e t ：p h o n o c a r d i o g r a me x e r c i s e st e s t ) ，把运动后s 1 幅值对安静时s 1 幅值 的倍数定义为心肌收缩能力储备系数( c c r i ：m y o c a r d i a lc o n t r a c t i l i t y r e s e r v e i n d e x ) 口1 3 2 】。通过临床实验表明，p c g e t 是心力储备的无伤性、简便、代价低 的量化测评方法 3 3 - 3 8 j 。 1 2 4 ，b 音信号分析的发展趋势 随着计算机技术的应用范围的不断扩大，数字化技术在心音信号分析中作用 越来越重要，从而给心音分析带来新的发展机遇。目前心音分析的手段也从听诊 器、模拟心音图机转向了基于计算机的数字心音图仪。模拟心音图机可作为心音 的直观显示手段，但因其采用低频响应的热笔结构，不能完整地记录全频心音， 且记录结果仍须人工测量、分析，因而i 临床应用较少。超声心动图仪一般都附带 有心音图功能，但对心音的处理十分有限，且没有听觉形象，也未见有存储、重 放功能者。目前，已有若干应用单片机或个人计算机分析心音的研究和开发，其 功能较模拟心音图机强，但仍以单纯的时域、频域或时频域分析为主，未将人工 智能技术引入心音信号的分析中，对于复杂的异常心音的分析还很有限。心音的 自动识别不仅需要运用信号处理方法，而且需要很多心血管方面的知识和经验。 在特定领域中，利用知识进行推理能大大提高分析运算效率，与仅作信号处理分 重庆大学硕士学位论文 析相比，在计算量上能节约l o o 1 0 0 0 倍。因此随着心音分析技术研究的深入， 人工智能和专家系统在这一领域的应用会越来越广泛。必然从人工分析过渡到计 算机辅助人工分析，自动分析并通过专家系统作出诊断。从发展趋势看，心音分 析必然由传统的模拟技术转向数字技术，同时在心音信号的获取、处理、存贮、 分析中广泛使用计算机技术并由人工通过单一的听、看做出诊断过渡到结合人工 智能技术进行计算机辅助人工分析，到计算机自动分析并通过专家系统作出诊断。 1 3 课题简介 1 3 1 主要研究内容 本课题的研究不涉及心音信号的采集，是将已经采集好的信号输入电脑进行 分析和处理。主要涉及以下三个方面，一是心音信号的去噪。二是心音成份的识 别，三是幅值参数的提取，前两个步骤是第三步的基础。 由于在采集心音信号的过程中难免要引入噪声，这些噪声对记录的心音波形 产生不利因素，并会影响分析的结果。由于心音信号的非平稳性，普通的滤波方 法在滤去噪声的同时，也会丢失部分心音成份。自适应滤波去噪是可以选择的方 案，但对于已经采集好的心音信号，参考信号的获取有一定的难度。本课题采用 数学形态学来提取合成参考信号，然后用自适应方法抑制噪声，同时达到心音增 强的目的。 要提取幅值参数，首先必须准确定位心音成份( 主要是s l 和s 2 ) 。早期的研 究主要是基于心音信号的时域特征并结合参考信号进行识别，虽然有部分方法不 使用参考信号，但准确率不高。本课题的主要目的就是改进心音信号的识别算法， 提高心音信号识别的准确率和运算速度。 心力储备也就是心肌收缩能力的储备，是评价心功能的一个非常重要的指标。 第一心音的幅值是心肌收缩能力的标准量度。为了揭示心肌收缩能力变异的规律 性和评估其临床应用价值，把第一心音幅值的变化作为心肌收缩能力变异性指标。 本课题的目的之一是提取第一心音的幅值参数，为进一步的心力储备分析奠定基 础。 课题研究的流程如图1 2 所示。 原址壹咂堕习圆巫吁叫圃 图1 2 课题总流程图 f i g l ，2t h ep r o j e e tf l o w s h e e t 重庆大学硕士学位论文 1 1 3 。2 课题的引入及意义 大多数心力衰竭病人的主要问题是心肌收缩能力的降低，第一心音的幅值是 心肌收缩能力的标准量度。所以要评估被测试者的心肌收缩能力，就要获得第一 心音的幅值参数。而幅值参数的有效提取需要以心音成份的识别为基础。因此本 课题研究的三个主要方面都是与实际需要紧密相关的，具有很突出的现实意义。 本课题采集信号的背景比较复杂，噪声的影响严重，在进一步处理之前，有 必要进行去噪处理。由于心音信号是一种典型的非平稳信号，频率及统计特性是 时变的，所以采用了自适应滤波的方法对心音进行了增强处理。在参考噪声的合 成过程中引入了数学形态学，利用它可以提取信号包络的特点，消除了脉冲噪声， 最后提取合成噪声信号。相信这两种方法的应用能对其他非平稳信号，特别是生 物医电信号的处理能提供一定的参考。而作为一门新兴学科的数学形态学在这里 的应用，也是这一理论在维信号处理应用方面的一个拓展。 9 重庆大学硕士学位论文2 心音信号的顶处理 2 心音信号的预处理 在识别心音成份之前，需要对心音信号进行去噪的预处理。心音信号在采集 的过程中，噪声的引入是不可避免的。大多数情况下，需要首先滤除噪声，得到 清晰的心音图，才能对心音成份进行有效的识别。然而由于心音信号的非平稳性， 频率也较低，信号频谱和噪声频谱往往是混叠在一起的，传统的滤波方法不能有 效地在滤除噪声的同时，又保持心音的特性不变。在研究过程中，发现可以用自 适应方法进行去噪，但参考噪声的提取又成为一个问题。原本用于二维图像边缘 提取的数学形态学可以提取一维信号的包络，利用这一特点，用数学形态学得到 心音信号的包络，进而提取合成了参考噪声。通过这种方法得到的参考噪声，由 于白噪声不具备任何相关性，使得在心音成份部分合成的参考噪声不能保证和原 信号中的噪声相关，但在心音间隙期，参考噪声和原信号中的噪声是强相关的。 利用这种相关性，来消除间隙期的噪声，同时使心音成份也得到增强。本章首先 简要介绍心音信号的噪声特性，讨论几种传统的滤波方法，然后重点介绍数学形 态学理论及用它提取噪声的过程，最后给出自适应滤波的结果。由于在这里去噪 的目的是为了使心音成份与心音间隙分界更加明显，为有效地识别打下基础，并 不能去除心音成份部分的噪声，所以称这一预处理的过程为心音的预去噪。 2 1 心音信号的噪声特性 如第l 章所述，心动周期中，心肌收缩、瓣膜开启、血液加速度和减速度对 心血管壁的加压和减压作用以及形成的涡流等因素引起的机械振动，通过周围组 织传递到胸壁，就形成了心音。心音信号有自己独特的频率特性。对于同一个受 试者，在同一个部位测试，第一心音的音调较低，丽第二心音的音调较高，较清 脆，即第一心音的最大频率小于第二心音的最大频率。通常情况下，第一心音频 率在9 0 f l z 到1 8 0h z 之闻，第二心音频率可能达到2 0 0 h z 。当混有杂音时，心音 信号的频率会高一些。在听诊中常常按杂音的频率组成性质将杂音描述为雷鸣样、 隆隆样、叹气样、吹风样、乐音样等。隆隆样杂音的频率多数较低，在4 0 到1 0 0 h z 之间，而吹风样、乐音样等杂音频率则较高，在1 0 0 到4 0 0 h z 之间，甚至有6 0 0 至8 0 0 h z 的高频成份，个别病例可高达1 0 0 0 h z 。因此，从最宽泛的考虑，认为 心音的频率范围为3 0 到1 0 0 0 h z l 3 。 由于心音信号比较微弱，所以极易受到环境的影响。在心音数据的记录过程 中，受试者自由活动、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，因此，此时心音信号的质量要比常规心音图 1 0 重庆大学硕士学位论文2 心音信号的预处理 又要差得多，这对信号分析结果的正确性有很大的影响。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音和5 0 h z 工频干 扰噪音以及仪器噪音几个部分。 随机噪音 这部分噪音主要来源于测量环境的干扰及微音器与测量对象的直接接触，因 为心音测量中采用的微音器的灵敏度一般较高，当测量环境有噪音时，高灵敏度 的微音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，测量时微音器与测量对象直接接触必将产生摩擦噪音，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自噪声，前后相关性很若或几乎 不具备任何相关性。测量环境噪音和摩擦噪音都是随机噪音，对于模拟系统将成 为共模信号，影响测量信号的准确性，更严重的是噪音信号可能掩盖可被测信号 的有用成份，因此应设法滤除或减弱。 工频干扰 此类干扰是由于测量环境周围存在电磁辐射产生的，电磁辐射干扰以5 0 h z 工频为主要成份。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，使信号带有毛刺。 仪器本底噪音 由于仪器本身的缺陷，将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辨能力下降。 2 2 几种滤波算法的比较和讨论 对于经信号采集系统采集的模拟信号，通过采取合理屏蔽和接地措施，采用 性能优良的器件和浮地工作等方式，可将信号噪声减少到一个相当的程度，但仅 仅依靠硬件上的措施并不能完全解决干扰问题，需经过定的数字滤波技术的处 理才能得到符合要求的波形。所以，滤波过程的好坏，直接影响系统的准确性与 实用性。目前有很多数字滤波方法，在文献i 删中，作者列举了多种滤波方法，现 简要介绍如下： 中值滤波： 设包含