[發(fā)明專(zhuān)利]一種人體心肺音實(shí)時(shí)盲分離方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710601813.X
• 申請(qǐng)日: 2017-07-21
• 公開(kāi)（公告）號(hào): CN107392149A
• 公開(kāi)（公告）日: 2017-11-24
• 發(fā)明（設(shè)計(jì)）人: 楊祖元;何孝文;楊浩;謝勝利
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;A61B5/00
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 羅滿(mǎn)

技術(shù)領(lǐng)域

本發(fā)明涉及信號(hào)處理技術(shù)領(lǐng)域，特別是涉及一種人體心肺音實(shí)時(shí)盲分離方法及系統(tǒng)。

背景技術(shù)

目前的采用非負(fù)矩陣分解進(jìn)行盲分離心肺音的方法，在采集到一段心肺音信號(hào)后，進(jìn)行盲分離，分離出心音信號(hào)和肺部呼吸音信號(hào)后，如果采集到一個(gè)新的心肺音信號(hào)點(diǎn)后，必須把以前的心肺音信號(hào)結(jié)合一起，再重新進(jìn)行盲分離。

例如醫(yī)院采集到100個(gè)心肺音信號(hào)數(shù)據(jù)點(diǎn)，開(kāi)始進(jìn)行盲信號(hào)分離，分離出心音信號(hào)和肺部呼吸音信號(hào)，之后又采集到一個(gè)新的心肺音信號(hào)數(shù)據(jù)點(diǎn)，系統(tǒng)需要把前面的100個(gè)數(shù)據(jù)點(diǎn)整合在一起，成為101個(gè)數(shù)據(jù)點(diǎn)，重新進(jìn)行盲信號(hào)分離，得出新的心音信號(hào)和肺部呼吸音。若再采集到一個(gè)新的心肺音信號(hào)數(shù)據(jù)點(diǎn)，還必須按照上面的步驟重新開(kāi)始，必須把舊數(shù)據(jù)和新數(shù)據(jù)進(jìn)行數(shù)據(jù)重組，比較繁瑣。

現(xiàn)有的采用非負(fù)矩陣分解進(jìn)行盲分離心肺音的方法的缺點(diǎn)是無(wú)法進(jìn)行在線(xiàn)分離，若采集的數(shù)據(jù)點(diǎn)是100000點(diǎn)，分離出心音和肺音需要5分鐘，當(dāng)?shù)玫叫碌臄?shù)據(jù)點(diǎn)的時(shí)候，又要花5分鐘進(jìn)行盲分離，必須把舊數(shù)據(jù)和新數(shù)據(jù)進(jìn)行數(shù)據(jù)重組，比較繁瑣。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種人體心肺音實(shí)時(shí)盲分離方法及系統(tǒng)，以實(shí)現(xiàn)直接進(jìn)行非負(fù)矩陣分解進(jìn)行盲分離，無(wú)需把舊數(shù)據(jù)和新數(shù)據(jù)進(jìn)行數(shù)據(jù)重組。

為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種人體心肺音實(shí)時(shí)盲分離方法，該方法包括：

步驟1、采集人體心肺音信號(hào)；

步驟2、對(duì)人體心肺音信號(hào)進(jìn)行預(yù)處理，得到預(yù)處理后的人體心肺音信號(hào)；

步驟3、將預(yù)處理后的人體心肺音信號(hào)變換到時(shí)頻域，獲得非負(fù)頻譜；

步驟4、采用非負(fù)頻譜構(gòu)造盲信號(hào)矩陣V，將盲信號(hào)矩陣V分離得到初始矩陣W_k和H_k；其中，W_k為系數(shù)矩陣，H_k為源矩陣；

步驟5、采集新的人體心肺音信號(hào)，進(jìn)行預(yù)處理后變換到時(shí)頻域得到新的非負(fù)頻譜，構(gòu)造新的盲信號(hào)矩陣V_k+1進(jìn)行在線(xiàn)非負(fù)矩陣分解，分解出新的矩陣W_k+1和h_k+1，利用W_k+1和h_k+1分離出新的人體心音信號(hào)和肺部呼吸音信號(hào)。

優(yōu)選的，步驟5之后，還包括：

將得到的新的人體心音信號(hào)和肺部呼吸音信號(hào)進(jìn)行在線(xiàn)分析。

優(yōu)選的，所述預(yù)處理為短時(shí)傅立葉變換。

優(yōu)選的，W_k+1的迭代公式如下：

h_k+1的迭代公式如下：

其中，W_k+1為迭代更新后的系數(shù)矩陣，為初始的源矩陣，為原始數(shù)據(jù)矩陣，為新數(shù)據(jù)向量，為迭代更新后的源數(shù)據(jù)，δ＝10^-9，α為舊數(shù)據(jù)的權(quán)重，β為新數(shù)據(jù)的權(quán)重。

本發(fā)明還提供一種人體心肺音實(shí)時(shí)盲分離系統(tǒng)，用于實(shí)現(xiàn)上述方法，包括：

采集模塊，用于采集人體心肺音信號(hào)；

預(yù)處理模塊，用于對(duì)人體心肺音信號(hào)進(jìn)行預(yù)處理，得到預(yù)處理后的人體心肺音信號(hào)；

時(shí)頻域變換模塊，用于將預(yù)處理后的人體心肺音信號(hào)變換到時(shí)頻域，獲得非負(fù)頻譜；

分離模塊，用于采用非負(fù)頻譜構(gòu)造盲信號(hào)矩陣V，將盲信號(hào)矩陣V分離得到初始矩陣W_k和H_k；W_k為系數(shù)矩陣，H_k為源矩陣；

新信號(hào)處理模塊，用于采集新的人體心肺音信號(hào)，進(jìn)行預(yù)處理后變換到時(shí)頻域得到新的非負(fù)頻譜，構(gòu)造新的盲信號(hào)矩陣V_k+1進(jìn)行在線(xiàn)非負(fù)矩陣分解，分解出新的矩陣W_k+1和h_k+1，利用W_k+1和h_k+1分離出新的人體心音信號(hào)和肺部呼吸音信號(hào)。

優(yōu)選的，所述系統(tǒng)還包括：

分析模塊，用于將得到的新的人體心音信號(hào)和肺部呼吸音信號(hào)進(jìn)行在線(xiàn)分析。

優(yōu)選的，所述預(yù)處理為短時(shí)傅立葉變換。

優(yōu)選的，W_k+1的迭代公式如下：

h_k+1的迭代公式如下：

其中，W_k+1為迭代更新后的系數(shù)矩陣，為初始的源矩陣，為原始數(shù)據(jù)矩陣，為新數(shù)據(jù)向量，為迭代更新后的源數(shù)據(jù)，δ＝10^-9，α為舊數(shù)據(jù)的權(quán)重，β為新數(shù)據(jù)的權(quán)重。