心音信号的分析及其特征提取方法的研究

‘杂音’ 的频率成分 、 强度 、 出现的时间等特征都是本 研究所关心的重点 。国内外不少的研究人员都曾尝 试 用 不 同 的 方 法 来 分 析 心 音 信 号 。Abdelghani Djebbari 等用短时傅立叶变换分析心音信号 ,发现第 一心音的频率成份主要集中在 50Hz ～ 150Hz 范围 内 , 而 第 二 心 音 的 频 率 成 份 主 要 集 中 在 50Hz ～ 200Hz 范围内 ,250Hz ～ 300Hz 范围内出现第二个小 [3 ] 峰值 。B. El2Asir 等用时频分析的方法分析心音 信号 ,发现不同的心脏疾病在心音中体现为不同时 [4 ] 刻出现的不同频率的心脏杂音 。为了能同时了解 心音在各方面的特性 ,本研究利用了小波分析 、 归一 化平均香农能量分布 , 功率谱估计等多种分析方法 的特点 ,形成一个综合性的 、 全面的分析方法 , 从时 频特性 、 时域特征 、 能量分布等多个角度提取心音的 特征值 ,有效的区分不同的心音 ,最终实现对心脏疾 病的辅助诊断 。
( 重庆大学高电压与电工新技术教育部重点实验室 ,重庆 400044)
3
摘 要 : 心音的改变和心脏杂音的出现 , 往往是器质性心脏病的最早体征 。本研究讨论了一种全面的 、 综合性的 心音信号分析方法 ,从多个角度对方法进行了探讨 ,提取心音的特征值 ,区分不同的心音 。分析和仿真结果证明该 方法能有效地区分不同的心音 ,有助于器质性心脏病的辅助诊断 。 关键词 : 心音 ; 心脏杂音 ; 小波分析 ; 归一化平均香农能量 ; 功率谱估计
[6 ]
图4 心音的功率谱估计
。分析数据源采用原心音信号 。
对心音信号进行分段 , 每 N 个采样为一段 , 每 隔 NΠ 2 个采样处取下一段 。整个心音数据被分为 M 段 。分段示意图如图 2 。( 注 : 该处的分段方法虽同 上小节相同 ,但上节为得到心音的时域特性 ,故每个 分段很小 ,以达到一定的时间分辨率 ; 而此处分段 , ) 应与以下所加的窗的宽度相应 。 加窗处理 ; 对每段信号进行加窗处理 ,本研究采 用的是 128 点的 hamming 窗 。 用 Welch 方法做功率谱估计 :
2 分析方法
待分析的心音信号由心音数据采集系统得到 ,
源自文库
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
http://www.cnki.net
686
中 国 生 物 医 学 工 程 学 报
N
i =1
( 1)
即心音信号 Signal = d1 + d2 + d3 + a3 ; 本研究只关心 600Hz 以下频段的信息 , 因此 d1 (551Hz～ 1102Hz) 略去 。从心音信号分解的各频段 的波形 ,本研究可以得到以下四个特征值 : ( 1) 该心 音是否有杂音 , ( 2) 杂音出现在何时 , ( 3) 杂音的频率 成份怎样 , ( 4) 是否有外加音 。 图 1 是某个心音信号的小波分解波形 。 从图 1 可见 ,该心音存在杂音 ,杂音占满整个收 缩期 , 具 有 渐 增 的 特 点 , 其 频 率 成 份 主 要 在 d2 ( 275Hz～551Hz) 的高频段 ,收缩期有喀啦音 ,其频段 在 d3 ( 138Hz～275Hz) 。
213 心音信号的功率谱估计
心音的能量分布也是心音的重要特征之一 , 本 研究采用功率谱估计的方法来分析心音的能量分 布 。利用前小节所得归一化平均香农能量谱图 , 本 研究取一个心动周期的心音数据 ( 从某个 s1 的开始 时到下一个 s1 的开始时止 ) , 采用 Welch 方法做功 率谱估计
21S1 时限 s1t 与心率的比值 :s1tΠ hr ; 31S2 的时限 s2t 与心率的比值 :s2tΠ hr ; 41S1 的强度 I1 与 s2 强度 I2 的比值 : I1Π I2 。 用这些特征值 ,可以判断 ( 1) 心率是否正常 , ( 2)
http://www.cnki.net
小波分析方法可以很好地反映心音的时频特 性 ,却不能充分反映心音在时域上的特征 , 为此 , 本 研究对心音信号要做进一步的归一化平均香农能量 分析 ( NASN : Normalized average Shannon energy) 。利 用上面介绍的小波分解方法 ,以 Daubechies 6 小波对 心音信号进行 4 阶分解 。从分解的波形图可见 , 第 一心音和第二心 音 信 号 的 频 率 成 分 主 要 集 中 在
中图分类号 R318104 ; 文献标识码 A 文章编号 025828021 (2005) 0620685205
引言
心脏听诊是利用听诊器诊听心脏发出的声音 — — — 心音 ,作为对心脏疾病进行辅助诊断的一种手 段 。与心脏有关的各种疾病的信息常常反映在心音 中 ,心音的改变和杂音的出现 ,往往是器质性心脏病 的最早体征 ,可远在其他症状和体征出现之前就能 为心脏听诊所发现 。但是传统的心脏听诊 , 过分依 赖于耳朵的灵敏度以及医师的主观经验 , 对心音做 出正确的判断有一定的难度 。本研究利用现代信息 处理技术 ,对心音信号进行谱分析 ,通过对正常与异 常心音的对比 ,提取其特征 ,用于器质性心脏病的辅 助诊断 。
A Ne w Algorithm of Heart Sound Feature Extraction
ZHOU Jing Y ANG Y ong2Ming HE Wei
( High Voltage and Electronic Laboratory of Ministry of Education , Chongqing University , 400044)
Abstract : The structural defects of a heart are often reflected in the sounds that the heart produces. In this paper , we discussed a synthetic and complete method which extracted the heart sound features of different aspects and identified the heart sounds. Experimental results show that the presented algorithm has potential application in detecting various heart diseases. Key words :heart sound ; heart murmur ; wavelet ; normalized average Shannon energy ; Welch PSD
24 卷 6 期 2005 年 12 月
中 国 生 物 医 学 工 程 学 报
Chinese Journal of Biomedical Engineering
Vol. 24 No. 6 December 2005
心音信号的分析及其特征提取方法的研究
周 静 杨永明 何 为
212 归一化平均香农能量分布
式中 , x norm 是采样值与所分析频段中采样信号 的最大绝对值之比 ; N 为 20ms 内的采样数 , 因采样 频率为 2205Hz ,则 N = 44 。 那么 ,整个心音信号的归一化平均香农能量为 : Es ( t) - M ( Es ( t) ) ( 2) P ( t) = S ( E ( s ( t) ) 以分段作为时间变量 ,则由式 ( 1) 中的 Es 得到 式 ( 2) 中的 Es ( t) 序列 , M ( Es ( t) ) 是 Es ( t) 的平均值 , S
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
6期
周静等 : 心音信号的分析及其特征提取方法的研究
687
是否存在第一心音分裂 , ( 3 ) 是否存在第二心音分 裂 , ( 4) 是否存在第一心音增强Π 减弱 , ( 5 ) 是否存在 第二心音增强Π 减弱 。 图 3 是某种心音的归一化平均香农能量谱图 。 由图可见 ,该心音具有明显的第一心音分裂 。
3 阶分解的轮廓信号 a3 :0Hz～138Hz ;
图1 心音信号的小波分解
a3 ( 0Hz～138Hz) 频段中 。本研究以 a3 的重构信号
为数据源 ,求归一化平均香农能量
[5 ]
。
图2 心音数据的分段示意图
首先 ,把数据进行分段处理 , 每 20ms 的采样数 据为一段 ,每隔 10ms 取新的一段 。如图 2 所示 。 对每一个数据分段本研究定义 : N - 1 2 2 Es = ∑x norm ( i ) log x norm ( i )
1 心音
正常的心音包含 s1 、 s2 、 s3 和 s4 四个成份 ,其中 s1 、 s2 是可听闻的部分 ,s3 、 s4 很弱几不可闻 。一旦 心脏功能出现异常 , 心音中将包含除 s1 、 s2 之外的 [1 ] 其他 ‘外加音’ 或 ‘杂音’ 成份 。这些 ‘外加音’ 和
收稿日期 : 2003206224 , 修回日期 :2005211211 。 3 通讯作者 : E2mail : jeannezhou2002 @sohu. com 。
24 卷
为了实现心音的高保真回放 , 心音的采样频率定为 11025Hz ,采用 16 位的 AΠ D 转换 ,以 USB 实现串口通 信 ,把采样数据传入上位机 。因心音信号的频率成 分一般集中在 300Hz 以下 , 即使心脏杂音的主要频 [2 ] 率成分也集中在 600Hz 以下 , 因而在对心音进行 分析处理前 , 首先对采样数据进行 5 分频 ( 即 5 取 1) ,这时得到的采样频率为 2205Hz 的数据 , 也远大 于 600Hz 的有用信号的频率范围 。进行这样的处 理 ,不但满足了信号分析的实际需要 ,而且有利于提 高数据处理的速度 。 211 小波分析 不同时刻出现的不同频段的心脏杂音代表着不 同的心脏疾病 ,要利用心音实现心脏疾病的辅助诊 断 ,首先就要分析心音的时频分布 。本研究利用小 波分析的子带滤波特性 , 采用小波分解与重构的方 [5 ] 法来得到心音的时频特性 。 根据小波分析的理论 ,本研究采用 Daubechies 6 作为母小波对心音信号进行 4 阶分解 , 根据小波子 带滤波含义 ,知道不同的小波分解系数代表不同频 段的 信 号 含 量 , 当 心 音 信 号 的 数 据 采 样 频 率 为 2205Hz ,各分解系数与信号频段的对应关系如下 : 1 阶分解的细节信号 d1 :551Hz～1102Hz ; 2 阶分解的细节信号 d2 :275Hz～551Hz ; 3 阶分解的细节信号 d3 :138Hz～275Hz ;
( Es ( t) ) 是 Es ( t) 的标准差 。
在归一化平均能量分布图上本研究首先识别出 [5 ] 第一心音 ( s1) 和第二心音 ( s2) , 其中 s1 用 ‘3 ’ 表 示 ,s2 用 ‘o ’ 表示 , 然后求得心动周期 hrt 、 s1 的时限 s1t 、 s1 的强度 I1 、 s2 的时限 s2t 、 s2 的强度 I2 等参数 , 从而可以得到以下特征值 : 11 心率 :hr = 1Π hrt ;
正常心音的功率谱的对比图 。 图 4 中上图为具有收缩期杂音的心音在一个心 动周期的图形 ; 下图为该心音的功率谱与正常心音 的功率谱的对比 , 其中虚线表示正常心音的功率谱 曲线 ,实线表示具有收缩期杂音的心音的功率谱曲 线 ,对比可见 ,具有收缩期杂音的心音的功率谱的高 频成份明显增加 。
图3 心音的归一化平均香农能