心音信号结构参数分析法

心音信号结构参数分析法刘馨媛（东南大学电气工程系，南京２１００１８）从临床医学的角度出发，需研究各种病例的心音与相应的疾病类型的关系．但从组成计算机分析与识别系统看，重点应是寻求心音信号的有效处理方法，组成心音自动分析与识别系统，实现心血管疾病的计算...     

心音信号的测量与处理

本文阐述了心音信号的产生机制及成分,分析了心音信号的采集和预处理,最后对近年来心音信号的识别和分类进行了简要的说明。     

基于LabVIEW的心音多功能分析仪

基于LabVIEW开发了一种集心音的采集、多功能处理和心音信号发生器于一体的心音分析仪。该仪器是在普通PC机上开发,使用自制的无线心音采集装置和心音信号采集子系统配合提取心音信号,然后利用小波去噪子系统清除背景噪声,最后可利用时域分析子系统和频域分析子系统对心音信号进行各种分析。心音信号发生器子系统可以根据需要产生一种合成心音信号,供用户学习使用。为使仪器达到最佳使用效果,已经为每一个功能模块中的参数寻找到最佳值并设为默认值,而且每一个参数都是可调节的。实际使用效果证明该仪器能够采集到清晰的心音信号,能有效去除干扰噪声,快速准确地计算出心音的各个特征值,能根据用户参数设置快速生成相应的心音信号并播放。     

三种时频分析方法在心音信号分析中的应用

文章介绍了一种新的时频分析方法—— Hilbert谱分析 ,并将其应用到心音信号的时频分析中 ,分析对比了短时 Fourier变换 ,小波分析和 Hilbert谱分析这三种方法在处理心音信号时的性能差异 .传统的基于 Fourier的方法不能有效的分析非平稳信号 .文章分析证明了这种新方法在分析像心音信号这种非平稳信号的有效性 ,它能对信号的时频分布做出比短时 Fourier变换和小波分析更为精确的描述 .用这种方法 ,我们能提取心音信号中频率变化的信息 .     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

基于LabVIEW的心音身份识别系统

文中以LabVIEW 2012为开发平台,设计、实现了一种心音身份识别系统.该系统包括心音采集、数据处理和身份识别3个主要模块.心音采集模块利用自制传感器采集心音并去噪;数据处理模块完成心音特征提取和建立心音特征数据库;身份识别模块采用两种算法对心音特征数据进行分类识别,并使用决策层融合算法提高识别率.文中根据心音信号s1、s2的频谱特性和虚拟仪器的特点,提出了一种低频加强型梅尔倒谱系数和频域分段相关系数的特征提取算法,重点分析了基于矢量化欧式距离和最小相关距离分类识别方法.实际应用的结果证明该系统界面友好、操作方便、运算速度快、辨识效率高,具有一定的推广应用价值.     

基于LabVIEW的心音采集处理系统设计

本文介绍了一种心音分析虚拟仪器的处理系统方案,为开发出适合个人在PC机上使用的心音分析仪器打下了基础。该仪器是以LabVIEW为硬件开发平台,以HKY06B微音传感器和计算机自带声卡为基础,共包含了心音采集、小波去噪、心音分析三个模块。采用了用傅里叶变换,通过包络,求出两个相邻的最近的机制点的时间差的方法,计算心跳频率和第一心音与第二心音之间的时间间隔,提高了系统的容差能力和计算精度。该仪器突破了传统听诊的局限性,可供医学院的学生们使用,也可作为临床心脏诊断的辅助仪器。     

基于高斯混合模型的心音信号识别

为了准确区别各种心音信号, 获得更理想的心音识别效果, 提出一种基于高斯混合模型(GMM)的心音信号识别模型. 首先采用小波变换对原始心音信号进行去噪处理, 消除噪声对心音信号特征提取的干扰; 然后对心音信号进行特征提取, 并采用高斯模型构建心音信号分类和识别模型; 最后采用心音信号数据对模型的性能进行验证. 结果表明, 该模型的心音信号平均识别率超过95%, 且心音信号识别结果优于其他模型.     

心音信号的短时傅立叶变换分析

心音信号是一种典型的非平稳信号,短时傅立叶变换(STFT,又称窗口傅立叶变换)是用于对非平稳信号进行时频分析的有效工具.在用STFT分析心音信号时,窗口宽度的选择是非常重要的.一方面,要使用尽可能窄的窗口来保证信号的局部平稳性,另一方面,要选用较宽的窗口来提高频率分辨率.如何处理这一矛盾就成了问题的关键.通过调整滑动时间窗的宽度,达到了比较满意的效果.首先用窄时间窗进行分析,频谱图具有高时间分辨率,得到了心动周期等时域特征参数.进而逐渐加宽时间窗,最后得到高频率分辨率的频谱图,可以看出各心音成分的频谱特征.实验结果表明,不同时频尺度的STFT分析可以很好地描述正常心音信号的时域和频域特征.     

功率谱估计在微弱信号检测中的应用

首先论述平稳过程中随机信号和干扰噪声功率谱,然后论述功率谱估计在微弱信号检测中的应用。     

心音信号分析方法及应用性研究

阐述了心音信号的产生机理、组成成分以及人体微弱心音信号检测的关键技术,介绍了心音信号处理技术在心血管疾病无创诊断中的意义,结合应用分析了经典心音信号谱分析方法的局限性,对现代心音分析中的常用的时频分析方法的特点进行了探讨,并展望了心音信号识别技术的应用与发展前景.     

一种有效的心音信号分析方法

随着计算机技术和数字信号处理技术的发展,心音信号的定量分析对于先天性心脏病（CHD,简称先心病）的早期诊断和治疗具有十分重要的意义。目前,许多分析方法被用于心音信号的分析,而且,国内外生物医学界的科研人员都已经取得了一些成就。但由于心音信号是一种时变的、非平稳的、由多种成份组成的复杂信号,传统的分析方法难与达到令人满意的效果。本文通过使用几种非线性的时频分析方法对心音信号进行分析,数据显示文章所使用的谱图重排分析法更能有效的抑制交叉项,更适合对心音信号进行分析。     

基于小波变换的心音信号去噪方法

心音信号在采集的时候常常会受到噪声的干扰,因此对心音信号的去噪声处理成为众多研究者关心的一个问题。本文分析了基于小波变换的心音信号去噪方法的性能,以及小波基函数和分层系数的选择问题。实验表明采用Daubechies小波并进行6层分解,心音信号的去噪效果最优,在保持原始心音信号的成分后还能有效的滤除噪声。     

基于综合滤波算法的心音信号去噪

针对小波分解重构滤波算法及形态滤波算法的缺点,提出将这两种数字滤波方法结合起来,利用形态滤波器滤除低频干扰信号,然后再由小波分解重构滤波器滤除高频干扰的算法,采用均方根误差比较三种算法,结果显示综合滤波去噪效果较好。     

单路单周期心音混叠信号欠定盲分离方法

结合现有的单路混叠盲分离算法和心音信号的周期特性,提出了一种基于dwt_ica的单路单周期心音混叠信号欠定盲分离算法.该算法首先得到一组单周期独立心音子波,然后把该独立心音子波加入到一个单路单周期心音混叠信号中,从而将一路信号变成一个多路信号,接着再利用ICA方法分离该多路信号,可获得源心音信号的一种估计.心音混叠信号的盲分离仿真实验表明,该算法是行之有效的.     

驻极体传声器在心音采集中的应用

详细介绍了驻极体传声器在心音信号采集中的方法,包括心音信号提取的方案、原理、规则及传声器的阻抗变换问题.同时,为了不使环境电磁噪声埋没有临床价值的心音,对传声器进行了屏蔽保护.临床实验表明,利用驻极体传声器基本上能采集到正常的第一、第二心音,但对有病理信息的第三、第四心音却不易正确采集到,这与患者性别和胖、瘦等因素均有关系.     

心音信号采集与分析系统

主要阐述了心音信号的意义，介绍了传统心音听诊方面的缺点。在此基础上，针对传统心音听诊中的弊端，开发了一种新型的电子心音信号采集、分析和处理系统。这个系统包括高性能的心音传感器、前向处理电路、A／D转换电路和与PC机通信的高速接口电路。心音信号通过心音传感器采集进来，经过前向处理电路进行模拟滤波，由高速接口电路传到上位机。     

时频表达在心音研究中的应用

心音是一种非平稳信号,用时频分析方法可以获得这种信号的一些重要的特征,为此提出了不同时频表达在心音研究中的几个性能指标：频谱的聚集度,时间包络的覆盖率、均方误差和规则性.基于这些指标比较了心音信号的短时傅立叶变换、连续小波变换、S变换、Wigner-Ville分布等时频表达的性能,并给出了具体应用的例子．     

基于LabVIEW的心音声发射信号分析仪

利用声发射技术直接测量心音信号,将虚拟仪器技术应用于心音信号的分析,开发了基于LabVIEW的心音发射信号分析仪。该仪器通过对采集到的信号进行分析处理,可实时显示心音信号频率与幅度随时间的动态变化特性。采用图形语言编写程序,程序界面友好,便于操作,易于临床诊断心脏及心血管疾病。     

基于匹配追踪算法的信号复杂度在心音分段定位中的应用

分析心音信号的关键是如何有效地提取心音信号的有效成分(第一心音S1、第二心音S2)。文中结合心音信号的自身特点,把心音信号看成含有冲击成分的冲击信号,将匹配追踪算法引入到心音信号分析中,基于该算法提出利用相关结构复杂度对心音信号进行特征参数的提取方法。首先将心音分段,然后计算每段信号的分解次数,将分解次数定义为信号的相关结构复杂度。根据复杂度曲线可以有效地定位出S1、S2,还可以提取心音信号的一些典型特征参数。