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。     

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 .     

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.     

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...     

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。     

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.     

LabVIEW在心音信号研究中的应用

心音信号是人体重要的生理信号之一,它可以直接反应人体的生理病理信息。在本文中利用LabVIEW对心音信号进行采集、去噪,并利用功率谱估计对心音信号进行分析处理,可以明显的区分出正常与异常的心音信号,为正确诊断心血管疾病提供一定的帮助。     

两种时频分析方法在心音信号处理上的比较研究

在介绍小波变换（WT）和希尔伯特一黄变换（HHT）时频分析的基础上,通过非平稳信号实例对比分析了小波变换和Hilbert变换,并将其应用于心音信号的处理。通过比较和分析小波变换和Hilbert变换在心音信号处理上的特点,最后得出结论：HHT变换有较好的计算效率以及较好的时域和频域分辨率,在分析非平稳信号时比小波分析更具适应性,在心脏疾病诊断等研究中有着广阔的应用前景。     

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。     

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。     

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.     

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。     

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.     

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。     

心音信号的时频分析

首先对几种典型信号的计算结果进行了分析，并比较研究了短时傅里叶变换和连续小波变换在心音信号时频分析方面的性能差异．指出了应用这２种方法应该注意的问题，并对一例正常和一例非正常的心音信号的时频分析进行了讨论     

一种改进型综合去噪算法在心音信号预处理上的研究

比较分析了小波变换去噪法和经验模态分解去噪法在心音信号去噪中的优点和缺点,并且结合它们的优缺点提出了基于EMD分解的小波去噪算法,最后将文中提出的算法分别与小波去噪法和EMD去噪法进行比较分析.实验仿真表明:该算法能有效地实现心音信号中噪声的消除,并且能很好地保留心音信号的高频特征参数,对非平稳噪声的去除表现出独到的优势.     

基于盲分离技术的肺音信号中心音干扰的去除

在分析去除肺音信号中心音干扰重要性和目前几种分离方法局限性的基础上，利用二者之间的相对独立性，首次将盲分离技术应用于分离肺音信号中的心音干扰，实验结果显示，本方法能有效地分离肺、心音混合信号，得到更加干净的肺音信号。     

电子心音听诊器的研制

提出了一种改进传统听诊器功能的可行方案.首先,采用Matlab来处理心音数据(由蒙特利尔研究院提供),包括数字滤波、陷波和频谱分析.然后,根据心音的特点(振幅小和波段宽),设计心音传感器、放大和滤波电路.最终,研制了一款电子心音听诊器,既能实时播放心音,又能在LCD上同步显示心音波形,同时也能存储与回放心音信号.     

心音信号的时-频分析

与心脏有关的各种疾病的信息常常反映在心音中.心音的改变和心脏杂音的出现,往往是器质性心脏病的最早体征.心音信号是非平稳信号,为全面了解心音信号的特性,文中探讨了短时傅立叶变换和小波分析两种时频分析方法;并利用它们对正常和非正常心音信号进行了分析,通过对比分析结果,比较了各自的优劣.     

基于Simulink的自适应心音增强

记录心音的过程中,不可避免地要引入很多种噪音.这些干扰噪音对记录的心音波形产生不利因素,甚至会严重影响心音分析的结果.在对心音信号进行进一步的处理之前,必须对噪声加以抑制.针对心音信号的非平稳性,提出了以自适应滤波方法来消除干扰,并提出了以心音间隙期的样值作为参考噪声的分析方法.运用动态系统仿真工具Simulink,建立了LMS自适应滤波的心音增强模型.实验结果表明,该方法能有效地抑制噪音,达到增强心音的目的.