《电子听诊器心音信号的定位方法研究》由会员分享，可在线阅读，更多相关《电子听诊器心音信号的定位方法研究（35页珍藏版）》请在金锄头文库上搜索。
1、苏州大学本科生毕业设计（论文）题 目电子听诊器心音信号的定位方法研究目录第1章 绪论3第1.1节 研究背景及意义3第1.2节 国内外的研究现状4第1.3节 论文的主要工作5第2章 基于熵的概率密度函数分析法6第2.1节 原理6第2.1.1节 基于熵的概率密度函数6第2.1.2节 阈值的选择7第2.1.3节 阈值函数的选取8第2.2节 心音定位8第3章 时频奇异谱分析法10第3.1节 时频奇异谱分析法10第3.2节 心音定位12第4章 循环平稳性分析法14第4.1节 原理14第4.1.1节 循环频率谱14第4.1.2节 短时循环频谱15第4.1.3节 瞬时循环频率16第4.2节 心音定位16第4
2、.2.1节 时频分解16第4.2.2节 循环分量检测17第4.2.3节 心音恢复与定位18第5章 实验结果与分析19第5.1节 数据的获取与预处理19第5.2节 屏住呼吸下的心音定位结果22第5.3节 正常呼吸时的心音定位结果20第5.4节 深呼吸时的心音定位结果23第5.5.节 综合结果分析26第5.5.1节 同种呼吸状态下的不同方法对比26第5.5.2节 同种方法不同呼吸状态下的对比26第6章 总结28参考文献29致谢31中文摘要心血管疾病长久以来就是一种十分严重和常见的疾病，当今社会，蒙受心血管疾病带来的苦恼的患者仍有许多。为了尽早发现和治疗心血管疾病，心音诊断是一种便捷而高效的手段。其
3、中心音定位又是心音诊断的重点。心音的定位常常受到多种噪音干扰的影响，为了滤除这些干扰，本文采用了小波阈值滤波法滤除干扰。关于心音定位的具体算法，国内外学者已经做了许多研究。本次毕业设计在这些学者的研究中挑选了三个主要方法进行研究，即基于熵的概率密度函数分析法、时频奇异谱分析法和循环平稳性分析法。通过将这三种方法转换为MATLAB程序并应用于三种不同的心音信号（正常呼吸时、屏住呼吸时和深呼吸时）当中做对比，我发现其中的时频奇异谱分析法具有最好的分析结果，拥有最高的检测概率，同时虚检概率也在可以接受的范围之内。关键词：心音定位，香农熵，奇异谱分析，循环平稳性ABSTRACTCardiovascul
4、ar disease has been a very serious and common disease for a long time. In todays society, there are still many patients suffering from cardiovascular diseases. In order to detect and treat cardiovascular diseases as early as possible, heart sound diagnosis is a convenient and efficient tool. The loc
5、alization of heart sound is the key point of the diagnosis of heart sound. The localization of heart sounds is often affected by many kinds of noise interference. In order to filter out these disturbances, the wavelet threshold filtering method is adopted to remove the interference. Many scholars ha
6、ve done many researches on the localization of heart sounds. This graduation project has selected three main methods in the study of these scholars, namely, entropy based probability density function analysis, time-frequency singular spectrum analysis and cyclostationary analysis. By converting thes
7、e three methods into MATLAB programs and using three different heart sound signals (normal breathing, holding breath and deep breathing), It is found that the time-frequency singular spectrum analysis has the best analysis results and has the highest probability of detection, with its probability of
8、 false alarm being acceptable.Key words: Heart sound localization, Shannon entropy, Singular spectrum analysis, Cyclostationarity第1章 绪论1.1. 研究背景及意义心脏，作为一个人的血液循环中枢，无疑是十分重要的器官。而心音，即心脏的声音，也因此成为了人体最重要的生理信号之一。从生理上看来来，心音信号的本质是一种由机械振动而产生的信号，是心脏舒张和收缩运动过程中，心脏瓣和大血管的机械振动产生的。正常的心音信号是一种随着心脏搏动的近似周期性信号。心音信号中包含了大量和
9、人体心脏和血管健康的生理及病理信息。因而心音听诊毫无疑问也是临床医学中的一个重要的诊断手段之一。心音听诊作为一种用于诊断和预测心血管疾病的一种有效而便捷的方法，在全世界的卫生、医疗、临床门诊中都有着极其重要的地位。但是，当今社会的心音听诊手段在非常大的程度上仍依赖于传统的听诊器,传统听诊器如果受到噪声干扰。将会产生比较严重的影响,并且如果是微弱或过于复杂的声音，那么它的响应将会尤其不佳,所以它一般只被用于初步粗略的诊断。此外，对于接受到的心音信号，传统的听诊手段主要依靠医师的个人经验和感觉来判断，然而，仅凭自己的感觉和经验来判断是远远不够的,即使十分有经验的医生,也受主观因素的影响,可能会导致
10、误诊的发生1。同时，随着心电图仪和超声多普勒仪等的高科技且先进的辅助诊断设备的开发与利用，人们逐渐开始冷落心音信号，对它的研究进展也开始放缓。然而，一如超声多普勒仪，其价钱大多并非十分的低廉，一台仪器动辄数万人民币，因而并不适合推广与普及；再看心电图仪，心电信号虽然能有效地诊断血液循环和血液组织的相关疾病，然而并不能很有效地反应脏器性质和与心脏病有关的病理信息。但是反观心音信号，其中包含了与心脏瓣膜病相关的丰富病理信息。此外，心音信号的检测手段也远比心电信号的检测来得更方便，远不需要多个电极构成导联，如此还从另一个层面降低了检测成本。因此，对于心音信号的研究，能同时满足医院和病患双方面的需求，
11、此外，其中也蕴含着极大的社会价值和经济价值。好在近二十年来，随着计算机技术、数字信号处理技术、传感器技术的迅猛发展，使心音信号更容易被记录和分析，心音的自动分析研究也就成了当今对心音研究的重头。心音研究大体分为心音去噪、心音定位、心音分离和心音分析这四个部分，而本设计将重点研究心音定位方法。诚然目前最有效的也是最准确的心音定位方法仍然是结合心电信号的联合分析法。但是考虑到心电信号的获取难度，本文将不予考虑。在本文之前，国内外学者就心音定位提出了多种多样的方法，如小波变换、STFT、Cone核分布（CKD）等，从多个角度提取心音的特征值，从而定位心音。而本设计将在整合前人研究成果的基础上，着重探
12、讨下述三种心音定位方法，即基于熵的概率密度函数分析法、时频奇异谱分析法以及利用循环平稳性分析法，通过比较三者分析结果的误差率来对它们进行评估。上述方法的实现都在MATLAB2016a环境下实现的。1.2. 国内外的研究现状截至目前，国内外学者对于心音信号的研究已经有许多许多。其内容大致可以分为三个方面：首先，是对心音信号的预处理，而其中的重点就是心音信号的去噪2问题。现状国内外学者的普遍观点认为，心音去噪应该采用小波去噪方法3。所谓小波去噪，即先将心音信号进行分解，分解得到不同的小波系数，而噪声信号的小波系数比心音信号的小波系数要小得多，所以只需要设定一个合理的阈值，将小于这个阈值的小波系数所
13、对应的分量滤除，然后再将剩下的分量重构就能得到较好的滤除了噪音的心音信号了。其次，是对心音信号特征值的提取以及相应的自动识别4。有关心音信号的分析处理方法，国内外学者截至目前以及提出了多种多样的方法，其中比较常见的有时频分析法、小波变换、Wigner-Vile分布（WVD）、Cone核分布（CDK）等。这些方法都能够很好地揭示心音信号的时频分布特性，然而这些方法却多仅仅局限于对心音特征的定性描述，如果要得到定量的特征值还需要作更进一步的努力。最后，是对心音信号分析系统的研究5。一般情况下，所谓的心音信号分析系统，应该至少包含一台搭载有操作系统的PC机，一款用某种语言开发的信号分析系统软件以及一
14、个数据采集模块。这种分析系统应该具有如下的几个功能：1）对病人的信息进行统一管理；2）采集、显示以及保存病人的相关信息；3）分析采集到的数据；4）打印病人所需要的健康报告。然而正如前文所言，现阶段的心音信号分析系统都还不够完善，只能做一些定性的分析，对于定量分析仍然有很长的一段路需要仔细摸索。1.3. 论文的主要工作本文的第1章主要介绍了本次毕业设计的背景、研究意义以及国内外的研究现状；第2、3、4章分别介绍了基于熵的概率密度函数分析法、时频奇异谱分析法以及循环谱平稳性分析法的相关原理及其理论基础，以及如何用这三种方法进行实际的心音定位；第5章将着重于介绍这三种方法在三种不同心音情况（正常呼吸
15、、屏住呼吸和深呼吸）下的处理结果；最后在第6章对全文进行总结，通过对比分析三种方法的各方面的优劣来得出最终结论。第2章 基于熵的概率密度函数分析法2.1. 原理2.1.1. 基于熵的概率密度函数熵通常被认为是一种评估一个过程的不确定性的指标。熵首先被应用于热力学领域。之后“熵”这个概念被借以成为一种衡量信息信号传递和信道容量的工具，成为现代信息论中一个十分重要的基本量，例如，对于一系列概率密度函数分别为的事件而言，其香农熵分别被定义为6 （2.1）对于概率大致集中在0或1并且最终收敛到零的拥有最小熵的事件，同时对于具有纯PDF的随机信号，如纯噪声，熵是最大的。雷尼提出了另一种熵测度，定义为 （2.2）公式（2.2）中的是除了1以外的任意一个实数。对于1,高概率的事件对于雷尼熵的影响重大；另一方面，对于1，低概率的事件对于雷尼熵的影响更大。由于熵是基于信号的概率密度函数的，所以准确的估计概率密度函数的方法对于计算熵十分重要。虽然直方图是一种简便快捷的概率密度函数估计方法，但当样本数量较少时，其精度下降。一般来说，概率密度函数的估计方法被分类为参数和非参数方法。在参数方法中，由于输入观
