心音信號采集及自動識別系統

艾煒華 湯建明 巫昌霖 肖森源 黃 彬 曾慶寧

（桂林電子科技大學，廣西 桂林 541004）

0 引言

隨著我國經濟的掘起，我們的生活方式同時也發生了翻天覆地的變化。首先是生活水平不斷的攀升，導致人們高脂高糖的飲食惡習；其次生活節奏的加快，生活壓力的增大等等增加了人們的緊張感和疲勞感，從而導致心血管疾病的發病率和死亡率呈上升趨勢。據不完全統計，每年死于心臟病或心血管疾病的人數占總死亡人數中24.7%，且該數字仍在逐年增長。心音信號是某些心臟疾病的直觀反映，對心音信號進行分析研究可以幫助人們及時的發現心血管疾病。傳統的獲取心音信息是通過心臟聽診來完成的，心臟聽診是無創檢測的非常重要的一種方法，是心電圖無法取代的。但是心臟聽診主要由經驗豐富的醫生完成，診斷的過程中難免會有醫生的主觀判斷，當然醫生的聽力更加限制了醫生的判斷，所以僅僅以聽覺判斷心臟是否病變使得心音信號不能被充分利用。為了能有效的利用心音信號，本文從數字信號的角度深刻剖析了心音信號，從理論到實際對心音信號進行了一系列的研究，并且開發完成了一套心音信號采集及自動識別系統。該系統可以完成心音信號的采集、波形顯示、存儲數據、數據處理、自動診斷等功能，具體做的工作和研究內容如下。

1 心音信號采集系統

1.1 心音信號

心音是一種非平穩的時變生物醫學信號，它受我們人體的內部器官以及外界的影響非常的明顯。心音信號是一種特別微弱的信號，它的幅值只有幾毫伏甚至更低，正常心臟在舒縮活動中產生的心音頻率為1～800Hz。如圖1 所示：從S1 開始到S2 開始這段時間是心縮期，持續時間較短；從S2 開始到下次S1 開始這段時間是心舒期，持續時間較長。

圖1

我們要對心音信號進行分析研究，首先就是需要采集心音信號，最有效的就是利用生物醫學傳感器對微弱的心音信號進行采集。由于信號的微弱性，為了便于后期的處理我們需要對采集到的信號要進行放大、去噪等一系列的處理。

1.2 采集系統

心音信號采集系統主要由心音采集電路、USB 通信模塊以及上位機顯示界面等構成。主要包括采集電路的設計，A/D 轉換，USB 通信和上位機軟件的編寫。首先將自制的心音傳感器按照心臟聽診的要求放在合適的位置，然后對采集到的微弱心音信號進行前級放大，濾波處理，中間級的放大，并且利用耳機輸出(便于進行聽診處理)，再對信號進行后級放大，經過A/D 轉換將模擬信號轉換為數字信號，單片機控制USB 將信號上傳到PC 機，PC 機對采集到的信號實時顯示以及保存得到的數據，完成信號的采集。

圖2 心音采集系統總體框圖

2 心音算法

使用了基于HHT 和PPA 的心音分段算法研究；首先利用希爾伯特-黃變換(HHT)進行心音包絡的提取，HHT 方法是美籍華裔NordenE.Huang 教授在1998 提出的，這是一種全新的信號處理方法，對非線性信號尤其有效。EMD 方法和對應的希爾伯特譜稱為Hilbert-Huang 變換，與傳統的信號、數據處理方法相比，HHT 具有如下特點：

1）HHT 能分析非線性非平穩信號；

2）HHT 具有完全自適應性；

3）HHT 適合突變信號；

4）HHT 的瞬時頻率是采用求導得到的；

HHT 方法分為兩部執行：第一，用EMD 方法把信號分解成一些本征模態函數(IMF)，第二，對IMF 分量進行希爾伯特變換，得出Hilbert 譜[i]。

然后利用中值濾波對包絡進行平滑處理，最后通過峰逐層算法(PPA)來消除多余的低幅度峰值。峰逐層算法是為了去除不需要的峰，保留需要的峰。算法的主要步驟如下：

（1）初始化：針對輸入信號x 選擇合適的評判標準a 和判決閾值θ，峰的分解層數L=0，循環條件STC=1；

（2）記輸入信號的標準差為△；

（3）返回處理后的信號[ii]：

算法流程圖如圖3 所示：

圖3 PPA 算法流程圖

心音信號極易受周圍環境的影響，在采集的過程中引入噪聲是無可避免的。盡管本文設計了硬件濾波電路對信號進行濾波，但是這并不能達到我們想要的效果，這對后期的信號處理具有很大的影響。為此本文在后期處理前首先對信號進行預處理即去噪處理，然后對去噪后的信號進行心音分段處理。心音分段是心音分析的一個非常重要的環節，有效的提取出心音信號的S1 和S2，根據S1、S2 的持續時間，間隔時間等時域特征對心音進行分析，可以判斷心臟是否病變。本文研究了一些常用的心音分段方法，使用了一種基于HHT 和PPA 的心音分段算法，包括首先利用希爾伯特-黃變換(HHT)進行心音包絡的提取，然后利用中值濾波對包絡進行平滑處理，最后通過峰逐層算法(PPA)來消除多余的低幅度峰值。經過大量實驗證明本文使用的方法可以有效的提取心音信號的S1，S2，為后期的識別研究奠定了良好的基礎。

本文利用小波變換實現心音信號的降噪處理：利用經典的MALLAT快速算法對心音信號進行分解重構，然后選擇合適的軟閾值函數得到去噪后的心音信號。其次使用了NASE 心音分段方法，并且使用了基于HHT 和PPA 的心音分段算法研究。實驗結果表明本文提出的分段方法更能有效準確的對原始心音進行分段處理得到S1、S2；并且可以計算出S1，S2 的持續時間以及S1，S2 的間隔時間。為此我們可以判斷心律不齊，為以后心音自動識別的研究奠定基礎，并且本算法不需要額外信號作參考，簡單快速。

3 心音信號的識別與分類

心音信號的識別與分類，是根據心音采集硬件系統采集到的不同人的心音信號進行分析和處理，找到不同心音信號與心臟疾病之間本質的內在聯系，以實現心音信號的分類。由于心音信號對心血管疾病的診斷具有直觀的反映，加之心音信號的復雜性使之在心音的分類中存在許多的困難，所以這么多年來心音信號的識別分類依舊是生物醫學領域的研究熱點。

使用了一種新的心音分類方法，利用支持向量機(SVM)對心音信號進行識別分類。圖3 所示為在二維空間中不能夠進行線性劃分，通過一個變換映射到三維空間中，從而可以實現線性劃分。假設有二維空間樣本點(x1，x2)經過映射φ 得到三維空間的點雖然在二維空間中這兩類樣本點線性不可分，但是三維空間中存在一個平面可以把原來線性不可分的點進行線性劃分。

圖3 升維實現線性可分

表4 HMM 與SVM 的分類結果比較

4 軟件部分

最后設計了一套基于Java 和Matlab 的GUI。該軟件可以完成心音信號的采集、數據預處理、分段處理、識別分類等功能。可以對心音實現實時的采集并且觀察采集到的信號，將采集到的信號進行處理，繼而進行自動診斷，實驗表明診斷結果真實可靠，為早日應用于臨床診斷奠定了雄厚的基礎。

［1］黃誠惕.希爾伯特-黃變換及其應用研究[D].西南交通大學，2006.

［2］L.J.Hadjileontiadis，I.T.Rekanos.Detection of explosive lung and bowel sounds by means of fractal dimension[J].IEEE Signal Process Letters，2003，10(10)：311-314.