小波变换分析心音信号.pptx

小波变换及其应用 ——心音信号分析;引言;目录;;1.2 小波的“容许”条件;1.3小波变换定义 ;2.小波变换的时频分析;2.2 短时傅里叶变换和小波变换 短时傅里叶变换（STFT）和小波变换(WT)的差别在于采用了不同的时频原子，不同时频原子具有不同的时频特性。STFT虽然在一定程度上改变了傅里叶变换的不足，实现信号的时频分析，但其时间分辨率固定不变，因而不能有效地反应信号的突变程度，其应用受到很多限制。 小波分析拓展了信号STFT，其时间窗口随着频率增高而缩小，频率减低而增大，有效解决了STFT的缺陷，因而得到广泛的应用。 ;2.3 小波分析振动信号 2.3.1 突变信号 信号中的奇异点及不规则的突变部分经常带有比较重要的信息，是信号的重要特征之一，如结构故障的发生就通常表现为输出信号发生突变，因而对突变点的检测在结构健康诊断中有着非常重要的意义。 传统的傅立叶分析方法无法在频域内检验出信号在时域中的突变点，而在小波分析中，这种突变点的特征表现的相当明显。 ;如图所示，傅立叶分析方法无法检验出信号在时域中的突变点。 在小波分析中，突变点的特征表现的相当明显(DB4小波). ;2.3.2 频率渐退的振动信号 结构故障的发生也会表现为结构刚度的衰退，从而振动频率降低。通过对结构的反应进行小波分析可以了解结构是否受到损伤、刚度是否衰减以及何时发生衰减和损伤的程度。;2.3.3 含多种频率成分的振动信号 多自由度结构的振动以及激励成分复杂或者有系统和观测噪声的振动往往含有多种频率成分，对其加以区分和鉴别也具有重要的意义，比如可以达到消除噪声和频带分离等目的，以及了解结构高阶振型对结构反应的贡献程度等。;2.4 小波时间谱频率分析 为了分析非平稳信号频率随时间的变化,作出小波时间频率谱(TFS),它很好地解决了Fourier分析中信号在时域和频域不能同时表达的问题。;图(a)为将信号S作CWT后得到的小波系数深度图,亮度高的地方小波系数大,亮度低的地方小波系数小,可以从该图大致了解小波系数在时间－尺度平面上的分布. 图(b)则反映了信号能量在时间－尺度平面上的分布.随着尺度的增加,小波函数支集覆盖的信号空??越来越大,所含X-Z平面内的波形逐渐变得平稳，可以更好地反映信号的总体趋势; 在对信号实施CWT(Morlet函数为小波函数)后，在尺度方向上检测每个采样点上小波变换因子的最大值，记录该最大值对应的尺度，最后将记录的尺度变换为频率值，尺度与频率v的关系式为： 式中 为母小波的频率(Morlet小波频率为0.8102Hz) 以频率值为纵坐标,采样序列为横坐标作图就可以得到小波时间频率谱(TFS).如图,信号在［1,300］上，频率集中在0.015Hz左右；在(300,600]上，频率集中在0.030Hz左右，这与信号的属性完全一致.;3.心音信号的分解与重构; 3.2 心音信号分割 3.2.1 小波分解初始PCG信号与重构细节和近似值 为了正确地鉴别S1和S2，频域带上S1和S2的主能量应该被正确定位,使用6阶Daubechies滤波器,频带的细节与近似值如下：;根据S1，S2和噪声的特点，细节d4，d5与近似值a4被选做分割源，下图是一个心音信号s的例子:;3.2.2 计算标准化的Shannon能量;3.2.3 后续处理与分割结果;3.2.3 结果评估;[1] Hess-Nielsen N, Wickerhauser M V. Wavelets and time-frequency analysis[J]. Proceedings of the IEEE, 1996, 84(4):523-540. [2] Liang H, Sakari L, Iiro H. A heart sound segmentation algorithm using wavelet decomposition and reconstruction[J]. Engineering in Medicine Biology Society Proceedings of Annual International Conf, 1997, 4:1630-1633 vol.4. [3] 孙涛, 郭亚玲. 小波变换在时频分析中的应用[J]. 2006. [4] Liang H, Lukkarinen S, Hartimo I. Heart sound segmentation algorithm based on heart sound envelogram[J]. IEEE, 1997, 24(24):105-108. [5] Albert, Boggess, 赵树森. 小波与傅里叶分析基础[M]. 电子工业出版社, 2004.;谢谢