[發明專利]一種基于小波技術的心音信號處理方法

在審

• 申請號: 201811542958.8
• 申請日: 2018-12-17
• 公開（公告）號: CN111317499A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 趙辰;姜博暢;邱慧昌;龔政;王冬祥;朱愛微;張宇
• 申請（專利權）人: 天津光電通信技術有限公司
• 主分類號: A61B7/02
• 分類號: A61B7/02;G06K9/62
• 代理公司: 天津合正知識產權代理有限公司 12229
• 代理人: 郭樂

1.一種基于小波技術的心音信號處理方法，其特征在于，其過程如下：

1)獲取心音信號；

2)對心音信號進行預處理；

3)基于小波去噪的小波母函數與閾值規則的選取；

4)心音信號的時域、頻域與能量特征提取。

2.根據權利要求1所述的一種基于小波技術的心音信號處理方法，其特征在于：本方法還包括第五步：基于支持向量機算法的心音信號識別。

3.根據權利要求1或2所述的一種基于小波技術的心音信號處理方法，其特征在于：在步驟一中，獲取的心音信號包括健康心音信號和患病心音信號，患病心音信號包括S1強弱不等、肺動脈狹窄和二尖瓣關閉不全、右室流出道狹窄、法魯四聯癥疾病。

4.根據權利要求3所述的一種基于小波技術的心音信號處理方法，其特征在于：在步驟二中，對采集的心音信號數據進行整理，其過程如下：

首先對心音信號數據格式采用wav格式的音頻文件；

其次對心音信號數據進行分類，分為健康心音、右室流出道狹窄(胸骨左緣第二肋間)、肺動脈狹窄和二尖瓣關閉不全(腋前線)、法魯式四聯癥(胸骨左緣第三肋間)部分；

再次，將采集的心音信號采用雙通道進行數據處理，其中單通道數據則將單通道中音頻數據進行復制得到雙通道數據進行后續處理；

最后將心音信號降采樣頻率降至2205Hz，隨后通過陷波器濾波的方法進行去工頻干擾。

5.根據權利要求4所述的一種基于小波技術的心音信號處理方法，其特征在于：在步驟三中，基于小波技術的心音信號去噪過程如下：

1)確定分解層數

在小波變換前，根據心音信號的特征，發現經過三層分解，可以將心音信號的信噪特征進行有效分類和識別，為后續的小波變換做準備；

將采樣后的心音信號進行3層分解：

近似系數AAA3的頻率范圍：0—138Hz；

細節系數DAA3的頻率范圍：138—275Hz；

細節系數ADA3的頻率范圍：275—413Hz；

細節系數DDA3的頻率范圍：413—551Hz；

細節系數D1的頻率范圍：551—1102Hz；

2)確定小波母函數

分別對Haar、Daubechies、Symlets和Coiflets四種小波進行不同層級所包含的能量值分析，選取數據庫中的5種心音信號進行分析，可以得知Coif5對應各層級的能量方差和最大，因此Coif5的特征方差最大，能夠有效的區分各層級的能量值，選擇Coif5小波作為小波母函數進行后續的處理分析；

3)進行閾值化去噪處理

本方法采用的軟閾值是通過把信號中的小波系數進行了取絕對值處理，隨后與手動設置的閾值進行數值比較，如果小于或者等于閾值點，取最終取值為0；如果大于閾值點則取值應為該點與閾值點的差值；

選擇T為給定的門限，對于軟閾值，有

4)確定閾值選取規則

a、Sqtwolog規則為通用閾值，設信號為f(t)中含有部分噪聲分量，并在尺度1-m(1＜m＜J)上進行分解處理，則通用閾值T₁為：

其中n為通過小波分解得到的各個層次的小波系數的個數總和，σ為混入噪聲信號的標準差；

b、Rigrsure規則為Stein無偏風險閾值，具體的選擇規則為：設W為一已知向量，這個向量中所包含的元素為分解后所得到的全部小波系數的平方，最后按照數值由大到小的順序進行排列，其中n為小波系數的個數。再設一個風險向量R，其元素為：

則閾值T₂對應公式為：

其中ω_b為r_i取最小值時有b＝i；

C、Heursure規則是Sqtwolog規則和Rigrsure規則兩種閾值法的結合，結合了兩種閾值的特點，因此理論上是最優的閾值選擇規則。當信噪比非常小的時候，非常適合采取這種固定的閾值選取規則；當信噪比較大時，則采用Rigrsure準則；

設W為n個小波系數對應數值的平方和，令方差為σ＝mindle(W_1，k，0≤k≤2^J-1-1)/0.6745，因此閾值T₃選擇規則為：

最后選取基于Heursure閾值選取規則的降噪方法，為后續的心音分段和分類識別做準備。