心音去噪的研究及实现.doc

心音去噪的研究与实现 心音是最重要的信号之一。然而，许多外界因素会影响心音信号的采集。心音是弱电气信号陷波滤波器,在某种程度上节约了费用。另外，从2005年起如何提取第三心音S3成为了研究热点。由于低振幅、低频率、持续时间短，提取S3成了个难题。提取S1和S2的方法可以获得准确的结果但计算比较复杂且不适用于S3。Kumar等首先采用小波阈值变换过滤从含噪心音中分离出S1,S2,和S3，然后使用高频标记和识别S3。 在中国，心音分析仍处于初级阶段，时间频率分析已应用于心音信号的处理。现阶段已经完成了信号的线性分析（短时傅里叶变换，小波变换和Garbo expanding）非线性时频分析（winger-Ville分布, 科恩分布和时频分布级数），提出了心音信号处理的应用和研究。然而，心音信号去噪仍停留在硬件去噪水平。 1.2研究的价值 心音信号包含了心脏各部分的心理病理信息.更重要的是心音信号易被心血管疾病影响，心音信号检测是心血管疾病无创性检测的重要方法。 在采集心音信号的过程中，心音信号易受外界噪声的干扰（人本身呼吸的声音，皮肤摩擦的声音，工频噪声（50HZ），机电干扰（35HZ）和外部环境的高斯白噪声）。这样的情况下部分有用的心音信号就丢失了，导致诊断疾病的准确性和精度降低了。传统的去噪方法仅使用硬件去噪，但去噪效果不尽人意。更糟糕的是，硬件去噪中频率干扰很容易被引入。本文提出matlab编程去噪算法,最小化有效信息的损失,以便更有效地消除噪声。 2.心音数据库的建设 研究基于matlab的心音去噪，去噪需采用不同类型的心音信号。我们数据库里，心音去噪包括正常心音和非正常心音数据库。前者包括正常心音信号，快速的心跳声音，心底和心尖部正常心音。后者则包括第二心音的重叠率的分裂、减弱、增强，第一心音的分裂、减弱、程度不等的增强，二尖瓣不足,宽分裂,连续的杂音,轻度二尖瓣狭窄,心室萼片缺陷,老年人心脏肥大的反向分割，心音混乱, 主动脉瓣关闭不全主动脉瓣主动脉瓣主动脉瓣区 心音去噪算法和陷波滤波器的设计 N. Pay attention的支撑长度不是太长也不是太短所以我们可以基于它来选择支持长度。因为太短的支持长度会导致太低不为零矩阵，这不利于信号能量的聚焦，太长的支撑长度又会导致边界值问题。随着实验验证，紧支撑的长度范围从5到9。在这个范围内已经消除噪声的信号更接近真实信号，从而证明了本文分析是可行的。 3.2小波变换算法的阈值选择 在小波变换阈值法降噪中，阈值的设置直接影响信号去噪的效果。目前选择阈值的方法很多，包括通用阈值选择、Stein无偏似然估计阈值选择、启发式确定阈值选择和采用极大极小进行阈值选择等等。 启发式确定阈值选择是前两种阈值选择的综合。在高信噪比情况下，由于阈值是基于基于确定抑制噪声限制陷波滤波器的设计和实现 f0是陷波滤波器测出的信号频率，a是陷波滤波器的一个深度相关的系数，a越大，深度越深。 陷波滤波器的主要功能设计是消除30HZ的机电干扰和50HZ的工频干扰。实验结果表明，这种类型的数字滤波器的设计不仅仅只需要更少的计算，还可以有效的消除30HZ的机电干扰和50HZ的工频干扰，而且有效信息的损失很少。 图2：第二心音信号的频率分布和消除30HZ的机电干扰和50HZ的工频干扰后信号的频率分布图 4 小波变换的实验结果 4.1水平分解 图3 正常心音信号的6层分解 图4 正常心音信号的9层分解 图5 原心音信号和经软阈值函数法降噪后的图形 图6 降噪前后信噪比对比图 在图6中，横坐标1-8按序分别代表：正常的心音的心音信号，消弱的第二心音信号，分裂的第二心音信号，快速的心跳信号，增强的第一心音信号，轻度二尖瓣狭窄轻度二尖瓣狭窄极小极大轻度二尖瓣狭窄’minimaxi’它不仅能够消除相关的噪声，还能保证降噪后的心音信号更接近原信号。 5.这篇文章采用软阈值函数。相比硬阈值函数在阈值点的不连续，会直接导致去噪后出现突变震荡点。软阈值函数在阈值点是连续的，且软阈值函数通常会使降噪后的信号平滑一些。当然，软阈值函数也有一定的缺点，当小波系数很大时，去噪后得到的小波系数综合考虑，这篇文章采用软阈值函数避免震荡问题。 6.通过翻译这篇文章以及所查的资料，自己总结下一般小波阈值降噪法的实现步骤。1）计算含噪信号的正交小波变换。选择合适的小波和小波分解层数，将含噪信号进行小波分解，得到相应的小波分解系数。2）选择合适的阈值和阈值函数，对分解得到的小波系数通过阈值函数映射进行非线性阈值处理。3）进行小波反变换重构信号。使用小波分解的低频系数以及阈值量化后的高频系数进行小波重构。