心音信号的第一心音幅值提取算法的研究

重庆大学
硕士学位论文
心音信号的第一心音幅值提取算法的研究
姓名：吕佶
申请学位级别：硕士
专业：信号与信息处理
指导教师：朱冰莲
20060401
摘要
心音检测为评估心脏和血管的功能与状态提供了低廉的非介入性的方法。

第一心音的幅值是心脏收缩能力的标准度量，心音图(PCG)可以用于心力储备的研究。

为此，需要消除PCG信号中的噪声，并用分段算法定位第一心音。

心音信号采集过程中会引入多种噪声，而这些噪声在频域的分布并不总是与心音信号的分布分离的，故传统的频域滤波方法的使用就受到了限制。

本文先介绍了主要的几种小波去噪方法，然后详细讨论了小波阈值收缩去噪方法，探讨了最影响其性能的分解尺度、阈值方法和阈值函数等问题。

在对仿真信号和真实信号去噪实验的基础上，选择了适当的去噪方案。

心音信号是一种非平稳的信号，而时频分析是处理这一类信号的有效方法。

本文简要的介绍了常用的时频分析方法，重点介绍了S变换方法及其离散算法。

通过考查几种时频分析得到的心音信号谱图和包络的性能，说明S变换是心音分析的有效方法。

心音分段采用了包络阈值方法。

提取包络使用了S变换方法，首先需要确定S 变换的分析窗口长度。

通过对比不同窗长的S变换的谱图性能和包络性能，最终确定了这一长度。

然后应用心脏生理特征参数和阈值方法对第一心音进行了定位。

实验表明，该方法是准确而有效的。

算法部分用标准C++实现，结果的图形表示部分则用Java实现。

首先设计了处理声音文件的类，然后通过正向抽取和逆向插值滤波器实现了小波阈值收缩去噪方法，利用C++标准库的算法缩短了其中中位数查找过程的时间。

使用FFTW 库实现S变换中的FFT和IFFT运算，提高计算S变换的性能。

实现时还考虑了高精度计时和移植性等问题。

关键词：心音，小波去噪，时频分析，S变换，心音识别
ABSTRACT
Examination of heart sound provides people with a cheap and non-invasive method to evaluate the function and status of heart and blood vessel.The amplitude of first heart sound is a normal measurement of cardiac contractility,and phonocardiogram(PCG) can be used in the study of cardiac contractility reserve.To achieve this,noise in the PCG signal should be removed,and a segmentation method should be used to locate the first heart sound.
Various kinds of noises are introduced in the acquisition of heart sound signal.The distribution of noises in the frequency domain,however,is not always separate from that of heart sound signal.Thus,the use of traditional frequency domain filtering methods is limited.Several wavelet denoise methods are introduced,the waveshrink denoise method is discussed in detail later.The problem of decomposition scale, thresholding method and thresholding function are discussed.Appropriate denoise solution is selected based on the denoising experiment on simulated and actual signal.
Heart sound signal is non-stationary signal,and time-frequency analysis is effective method to process this kind of monly used time-frequency analyses are introduced,S Transform and its discrete algorithm are emphasized.The review on the performance of spectrogram and envelope from several time-frequency analyses shows S Transform is an efficient method in heart sound analysis.
The envelop-threshold method is used to segment the heart sound.S Transform is used to extract the envelope,and the length of analyzing window of S Transform needs to be defined.The length is set after the performance comparison of spectrogram and envelope from various window lengths.Then,physiological parameters of heart feature and threshold method are used to locate the first heart sound.Experiments show that this method is efficient and accurate.
The algorithm is implemented in standard C++,and the graphic result representation is implemented in Java.Firstly,the sound file processing class is implemented.Then,the waveshrink denoise method is implemented with the help of forward decimation and backward interpolation filter.The algorithm provided in C++ standard library is utilized to shorten the time of median finding process.The FFTW library is exploited to implement the FFT and IFFT operation in S Transform,as a result, the performance of S Transform is improved.Precise timing and portability are also
taken into consideration in the implementation of this algorithm.
Keywords:Heart Sound,Time-Frequency Analysis,Wavelet denoising,S Transform Phonocardiogram Recognition
1绪论
1.1心音生理
心动周期中，心肌收缩、瓣膜启闭、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，可通过周围组织传递到胸壁；如果将听诊器放在胸壁某些部位，就可以听到声音，称为心音。

心音通常分为正常心音和代表疾病的病理性心音。

心杂音则由心脏内部的血液的湍流产生。

瓣膜狭窄(心脏瓣膜开启受损)会导致流经的血液发生湍流。

心脏瓣膜闭锁不全(心脏瓣膜血液反流)使瓣膜关闭时血液发生回流。

这种情况下，在相应的心动周期可以听到心杂音。

1.1.1心音的类型
1.1.1.1.正常心音
正常心音主要由第一心音(S1)和第二心音(S2)组成，有时也能听到第三心音(S3)和第四心音(S4)。

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。

图1.1心脏前向视图(白色箭头表示正常的血液流向)
Figure1.1Anterior view of the heart (white arrows indicate normal blood flow)
第一心音是由心室收缩初期，房室瓣、二尖瓣和三尖瓣关闭产生的，当心室压超过心房压时，这些瓣膜关闭以阻止血液从心室回流到心房。

它是心室收缩期开始的标志，其音调低，持续时间相对较长，在心尖部(左第五肋间隙锁骨中线)较响，心底部较轻。

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。

第二心音是心室舒张期，主动脉瓣和肺动脉瓣的关闭产生的。

左心室流空时，其内部压力降到低于主动脉，随后主动脉瓣关闭；类似地，当右心室的压力降到低于肺动脉时，肺动脉瓣关闭。

第二心音是心室舒张期开始的标志，其持续时间相对较短，在心底部较响，心尖部较轻。

因为主动脉压高于肺动脉压，主动脉瓣通常在肺动脉瓣之前关闭，因此第二心音可能会有一个能听到的分裂。

第二心音的分裂由A2和P2两个成分构成，它们分别是由主动脉瓣和肺动脉瓣的关闭造成的。

第二心音分裂随呼吸的阶段而变化。

吸气时，负胸内压使流回心脏右侧的血液增加。

血容量的增加使肺动脉瓣在心室收缩期的打开时间变长。

这使得S2中P2成分的延迟增加。

呼气时，正胸内压流回心脏右侧的血液减少。

血容量的减少是肺动脉瓣在心室收缩末期更早的关闭，这使得P2成分发生得更早并且更接近A2。

生理学上，在年轻人群的呼气时听到的第二心音分裂是正常的。

呼气时通常这两个成分的间隔缩短，从而不能分辨出第二心音分裂。

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，形成一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，是听不到声音的，但在异常有力的心房收缩以及室壁变硬的情况下，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。

1.1.1.2异常心音
(1)心杂音
心杂音由血液湍流造成，湍流足够强时可产生能够分辨的噪音。

心杂音通常是心脏瓣膜狭窄，瓣膜泄漏或血液通过异常通道流入心脏引起的。

心杂音可根据其发生所处的心动周期分为收缩期杂音和舒张期杂音。

杂音也可以按下面标准分类：形状(渐强，渐弱，渐强-渐弱)；强度和频率范围(高音调，低音调)；胸壁上的最大音量点；不同的传播方向。

在30岁以上的成年人中极为常见的心杂音是由瓣叶关闭后二尖瓣泄漏引起的，这称为心脏机能不足或者关闭不全。

由主动脉瓣狭窄引起的心杂音较少见，按程度不同称为动脉硬化或狭窄。

这两者都属于心缩期杂音。

然而，尽管这两种情况与大多数成年人的心杂音有关，通常只有一种或两种都存在，但即使用灵敏度高的电子放大听诊器也听不到心杂音。

在儿童心脏逐步发育成形时，通常可以听到所谓随发性或无害心杂音。

在运动员和孕妇中间由于流经正常大小的瓣膜的心输出量增加，也会听到心杂音。

这
类心杂音不发生于舒张期，其强度取决于体位和呼吸。

在发热病或甲状腺功能亢进而非心脏病的情况下，心输出量增加会产生血流性杂音。

(2)其他非正常心音
新颖、非介入性的成像技术的到来，使人们开始重视其他的所谓随发性声音或者咔哒声的成因。

它们是短促、尖锐的声音。

二尖瓣狭窄的患者的房室瓣在舒张期初期开启时可能会有一个开启噼啪声；二尖瓣下垂的患者可能在收缩期中期有一个伴随杂音的咔哒声；主动脉或肺动脉狭窄可能会导致S1之后立即出现喷射性咔哒声。

另外，心包炎患者身上可能会听到心包摩擦音。

这是一种典型的心包膜两层之间相互摩擦产生的尖锐声音。

这种声音在收缩期最强，但经常可以在舒张期末听到。

它非常依赖于体位、呼吸，并且随时发生变化。

1.1.2心音的变异
(1)由于心脏生理状况而改变的心音
心脏生理状况的改变会导致心杂音。

而心杂音常常随着心脏疾病的严重程度而改变。

有经验的医生常常能仅凭心杂音及相关的体检，诊断出心脏的生理状况。

在临床上更为重要和常用的是正常心音。

(2)主动脉功能不足
主动脉功能不足是指从主动脉到右心室的异常血液泄露。

急性主动脉功能不足(常由主动脉剥离或心内膜炎引起)的杂音可能很微弱甚至听不到。

慢性主动脉功能不足具有以下特征：收缩期喷射性咔哒声；喷射性杂音；出现S3；全舒张期渐弱杂音；奥斯丁·弗林特杂音。

(3)由介入引起的心音
有些干扰能影响异常心音的强度和特性。

这些介入可用于区分不同的心音，诊断出导致这些心音的心脏异常。

(4)呼吸引起的变异
吸气压也会一起流回心脏右侧的静脉血增加。

因此，右侧心杂音强度通常随着吸气而增加。

进入右侧心腔的血流量增加限制了进入左侧心腔的血流量。

这常使得吸气时左侧心杂音强度降低。

在呼气时，发生了相反的血液动力学变化。

这意味着类似左侧心杂音强度增加。

为使流入右侧心脏的血液增加，可以让测试者仰卧并把腿抬高到45度。

1.1.3心音的记录
将记录的心音数据图示出来就得到了心音图，从心音图上可以比较直观地看出心音的某些时域特征。

随着电子听诊器的使用，现在可以很方便的记录心音。

有的厂商为使用者提供了接口，可将听诊器听诊的声音输出至便携式计算机或
MP3记录器等外部设备；在同一接口还可通过耳机接收听诊记录，从而可靠地重现有诊断意义的心杂音和其他心音。

1.2心音的时频特性
通过对心音数据的分析，可将时域属性量化，使其成为定量分析所需要的特征参数，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幅值，还可以对心肌收缩能力的变异性做出测评。

对于第一心音的时频特性，因为个体差异较大，各文献的论述略有不同。

在[1][2]中指出，S1持续时间为80-135ms左右。

根据瓣膜理论，第一心音主要由二尖瓣关闭产生的M1及三尖瓣关闭产生的T1两个频率成分组成。

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10Hz-50Hz，中频范围为：50Hz-140Hz。

文献[3]也指出，第一心音平均持续时间为100-200ms，其频率分量分布于10-200Hz。

表1.1第一心音和第二心音特性对比
第一心音第二心音
音调较低较高
强度较响较低
性质较顿较轻脆
时间较长较短
与心尖搏动关系同时处现之后出现
听诊部位心尖部心底部
S2持续时间为60-120ms，S3占时50ms，频率、幅值低。

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l0Hz-80Hz，中频范围是80Hz-200Hz，高频范围是220Hz-400Hz。

第二心音分裂通常持续20ms，A2和P2持续约10-30ms。

整个第二心音的频率分布于10-400Hz。

第一心音与第二心音的间隔约为300-400ms。

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。

根据[4]的报道，主要心音成分的能量最大值出现在100Hz以下。

心音信号的记录位置对其不同成分的强度具有很大的影响，对于正常人来说，往往在心尖部记录的第一心音强度大于第二心音强度；而在心底部第二心音强度大于第一心音强度。

平静时，S1-S2间期小于S2-S1间期，其比例大致为1:2。

但在一些病理情况
或心率过快的情况下，上面的时间关系会发生很大的变化。

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。

隆隆样杂音的频率多数较低，其频率在40Hz-100Hz；而吹样音、乐样音等频率较高，其频率在100Hz-400Hz，甚至有在600Hz-800Hz的高频成分。

1.3心音研究的领域和方法
心血管疾病是严重威胁人类健康的疾病之一。

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。

心音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，检测和分析心音是了解心脏和血管状态的一种不可缺少的手段。

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可由心音反映出来。

而某些心血管系统的病变在导致心电信号出现异常前，首先导致心杂音和心音变异。

心音在心血管疾病的诊断中也具有重要价值，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。

传统的听诊方式是凭医生的经验用听觉分析心音信号，对医生的经验有很高的要求；而声觉听诊远远不能满足医学上所要求的高精确度性能；并且这种方式不能储备心音听诊的大量病例资料。

上世纪90年代以来，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。

因此对心音的数字分析愈来愈引起了研究者的关注。

1.3.1心音的分析方法
心音分析方法主要有谱分析方法、时频分析、小波分析、Match Pursuit(MP)方法和神经网络方法。

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(Short-Time Fourier Transform,STFT)、自回归模型(Autoregressive Model,ARM)、小波变换等。

研究人员将这些方法应用于第一心音、心杂音的分析，取得了一定的成果。

上世纪80年代中期，L.G.Durand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，并比较了这两种谱分析方法的性能[5]。

研究发现，现代的参数谱估计方法更适合于分析心音信号。

山东医科大学的张玉华等在应用AR模型对心音进行了三维时频分析[6]，得到了一些有临床诊断意
义的参数。

利用这种传统的AR模型进行时频分析时无法获得较高的时域和频域分辨率，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。

童基均等[7]研究了一种称为相关维的非线性时间序列分析方法来分析心音时间序列，获得了有关冠状动脉堵塞的血液动力学特征信息。

对所有病例进行分析，发现通过相关维数刻画出了大多数冠状动脉堵塞病人的心舒期心音序列内在的确定性行为，而大多数正常人的心舒期心音序列得不到具体的相关维数。

此法提供了通过相关维数来对冠状动脉疾病进行无损检测的途径。

因为在每个心动周期中，信号是瞬态过程，持续时间较短且频率特性变化较快，这就限制了静态信号分析方法的使用。

此时使用时频分析技术比静态谱分析更为方便。

G.Jamous和L.G.Durand报道了采用短时傅立叶变换(STFT)对心音信号的时频表示(谱图)的研究情况[8]，得出了最佳的正弦余弦窗口长度。

此后，I.Y. Kim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[9]，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，它的广泛应用要依赖于心音数据库的发展。

Wood等将时频变换引入S1分析中，并应用二项式联合时频变换作为分析工具[10]。

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S1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。

Jung Jun Lee等对比研究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[11]。

结果表明：小波分析对湍流音变化更为敏感。

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到小波分析的最佳状态。

Ervin Sejdic 等比较了三种时频分析方法对于基于选择性区域相关的模式识别的性能[12]。

比较相关系数时，对比了使用高斯窗的STFT，使用高斯母函数的连续小波变换和使用原高斯窗的S变换。

对于给定的模式，S变换在该模式存在和不存在情形下的相关系数的比值最大，因而在这种应用下S变换是最优的。

最近，Lisha Sun等[13]使用希尔伯特谱研究了实际的心音信号的时变频率特征，对比小波变换和希尔伯特谱的瞬时频率分布，指出用希尔伯特黄变换的到的谱更能反映真实的瞬时频率分布。

Zhao Zhidong等[14]也把希尔伯特-黄变换用于分析冠状动脉疾病患者的心音数据，有望建立起冠状动脉疾病的早期诊断基础。

连续小波变换是一种时间-尺度分析，因其尺度连续变化，从而可以充分体现小波分析的优越性。

山东大学的李桥等用小波变换得到了三维心音图，得到了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可用于疾病诊断的信息[15]。

Catherine Masson等用Auscher小波对人工机械心脏瓣膜和人体心脏瓣膜的噪音做了时频分析对比[16]，得到了心音各频率分量在时间上的分布情况，并指出了机械瓣膜和生物瓣膜的频率分布的差异。

MP方法可以得到信号的没有交叉项的时频表示。

王威廉等[17]提出了一种基于MP方法的第二心音分解与分析方法，将心音信号分解为时频原子序列。

S2的A2和P2成分可以从这些参数化的时频原子中分离出来，A2的两个主要频率成分通过线形分类器诊断出主动脉瓣异常。

实验证实，该方法比Wigner分布更为有效，分类准确率为90.3%。

N.Shamsuddin等[18]使用多层前馈神经网络来检验心脏瓣膜相关疾病。

首先采用滑动平均滤波器对心音信号进行滤波，得到每帧64点的若干帧信号，然后进行FFT运算，把结果输入神经网络进行分类。

该方法对于55例测试数据，能够全部正确分类。

1.3.2心率变异性和心肌收缩能力的研究
心音是反映心血管系统状况的一种重要生理信息，相对于广泛应用的心电信号，它可以更好地表现心脏的变力性。

因此，应用第一心音幅值的变化趋势与心肌收缩能力之间的密切关系，发展一种利用心音信号的知识来对心脏功能进行客观量化评价的技术指标是很有意义的。

实验研究表明，第一心音幅值强度与心肌收缩能力[19-22]之间有密切的关系。

L.G.Durand[5]的研究表明心肌收缩力的改变剧烈影响心音的强度；而M.L.Rice和D.J.Doyle[23]更进一步认为可以将第一心音的幅值作为一种对心肌收缩力进行客观量化的标准，并在临床实验上用心音仪检测麻醉剂对心肌收缩力的影响。

Hansen[24]的动物实验研究表明，第一心音幅值的变化与心室压力的最大增加量之间有很大的相关性，同时心输出量和主动脉压力也会发生变化。

这些研究大大拓展了心音的研究范围，为发展一种基于心音信号知识的心肌收缩能力评价指标奠定了理论基础。

上世纪90年代，M.Akay等人研究了冠状动脉狭窄病人的心弱音成份[25]，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。

其结论为：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，而且对不同心音成份的响应有明显的不同。

要评估被测试者的心肌收缩能力，就要获得S1的幅值参数。

用运动后S1幅值除以安静时的幅值可以得到心肌收缩能力储备指数(Myocardial Contractility Reserve Index,CCRI)[26]。

研究指出S1幅值是心肌收缩能力敏感的指标；在受试者只接受运动试验这一干预的条件下，S1幅值是心肌收缩能力特异的指标[27]。

肖守中等详细研究了第一心音强度与心肌收缩能力之间的联系，初步定义了一种可以对心肌收缩能力进行定量分析的技术指标。

由于每个人的胸壁厚度因人而异，单
纯的心音绝对强度测量在研究心肌收缩能力中是没有对比性的。

因此，在心肌收缩能力研究中肖等特别重视第一心音强度的变化趋势在进行心肌收缩能力评价中的应用，提出用相对值法对心音参数进行研究并设计了心音图运动实验(Phonocardiogram Exercise Test,PCGET)[28]，定义一种新的心脏储备评价指标——心肌收缩能力储备指标(Cardiac Contractility Reserve Index,CCRI)。

利用在进行特定负载后的第一心音幅值与安静时的第一心音幅值的比值对心肌收缩能力储备进行量化。

临床实验表明PCGET是一种非侵入的、简便的、可重复应用的方法；在进一步研究的基础上，肖又提出了心力变异性(Cardiac Contractility Variability, CCV)[29]和心肌收缩变化趋势(Cardiac Contractility Change Trend,CCCT)的概念。

将在不同因素影响下的连续心动周期中心肌收缩能力的变化规律定义为心力变异性；将在完成不同运动负荷后第一心音幅值与安静时第一心音幅值的比值定义为心肌收缩能力变化趋势。

利用心肌收缩能力变化趋势可以对心肌收缩能力和心肌收缩能力储备进行评估。

可用S1幅值变化趋势来量度心肌收缩能力和评估心力储备，这对运动员的选拔、训练工作和运动员比赛前的运动量调节、运动成绩的提高以及实现最佳发挥都具有很大的意义。

1.3.3心音分段算法
心音成份的分段是大多数心音信号分析都必须经历的预处理过程。

一种方法是有参考信号的心音分段，另一种则利用心音自身的特性分段。

依靠ECG参考信号或颈动脉脉搏信号[30-31]可得到比较精确的识别方法。

因S1发生在心室收缩早期，S2发生在心室收缩末期和心室等长舒张期前，即ECG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。

Gerbarg很早就利用各信号成份之间的时间关系把它们分离开来[32]，并且没有使用参考ECG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、S2广泛分裂、以及伪迹的心音信号识别的准确率不高。

最近，P.Carvalho等[33]提出了用方差分形维数算法对S1和S2进行分段的方法。

利用方差分形维数自适应地标出声音波瓣，参考同步记录的双导联ECG信号确定S1成分，然后用非监督的分类方法检测S2成分。

此方法的复杂度低，对于病理情况的分类较准确，但也使用了参考信号，方法较复杂。

由于心音有自己的产生机理，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。

王文辉等[34]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。

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。

1995年以来，国内外研究者利用各种时间-频率(尺度)分析。