（電路與系統(tǒng)專業(yè)論文）基于DSP的心音肺音分離系統(tǒng)[電路與系統(tǒng)專業(yè)優(yōu)秀論文].pdf

基于d s p 的心音肺音分離系統(tǒng) 摘要 基于d s p 的心音肺音分離系統(tǒng) 專業(yè)：電路與系統(tǒng) 姓名：陳茜茹 導(dǎo)師t 鐘清華 胸部聽診是現(xiàn)代醫(yī)學(xué)中診斷心臟系統(tǒng)疾病和呼吸系統(tǒng)疾病的一種重要手段。 但是在肺音聽診過程中，存在心音等干擾導(dǎo)致醫(yī)生無(wú)法及時(shí)做出準(zhǔn)確的診斷。常 見的電子聽診器部分含有由固定參數(shù)濾波器構(gòu)成的簡(jiǎn)單心音肺音分離電路，但應(yīng) 用效果不佳。如何采用有效的方法，從體表采集的心音肺音信號(hào)中去除心音等干 擾信號(hào)已成為一個(gè)熱門的研究。 本文深入研究了自適應(yīng)濾波和小波變換兩種心音肺音分離算法，并在m a t l a b 上仿真實(shí)驗(yàn)。從兩種算法的分析效果看，基于小波變換的心音肺音分離算法性能 略好。本文還對(duì)r l s a n c 自適應(yīng)濾波定位心音進(jìn)行了改進(jìn)，與原算法相比，改 進(jìn)后的算法使心音的定位更加準(zhǔn)確。 在研究心音肺音分離算法的基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了基于d s p 的心音肺音分離 系統(tǒng)，并應(yīng)用小波變換和改進(jìn)的r l s a n c 算法實(shí)現(xiàn)y , b 音與肺音的分離。該系 統(tǒng)具有運(yùn)算速度快、簡(jiǎn)單易用、成本低、體積小等優(yōu)點(diǎn)，對(duì)于臨床聽診和遠(yuǎn)程醫(yī) 療具有重要意義。 關(guān)鍵詞：聽診；肺音；心音；分離；自適應(yīng)濾波；小波變換；d s p 基于d s p 的心音肺音分離系統(tǒng) a b s t r a c t t h es y s t e mf o rs e p a r a tln gh e a r ts o u n d s a n dl u n gs o u n d sb a s e do nd s p m a j o r ：c i r c u i t sa n ds y s t e m s n a m e ：c h e nq i a n r u s u p e r v i s o r ：z h o n gq i n g h u a a u s c u l t a t i o no ft h ec h e s ti sa l li m p o r t a n tm e t h o dt od e t e c tc a r d i o v a s c u l a ra n d r e s p i r a t o r yd i s e a s e s h o w e v e r , o n eo ft h em a i np r o b l e m si nl u n gs o u n da n a l y s i si st h e i n t e r f e r e n c eo fh e a r ts o u n d s ，w h i c hi su n a v o i d a b l ed u r i n gl u n gs o u n dr e c o r d i n g s o m e o fc o m m o ne l e c t r o n i cs t e t h o s c o p e si n c l u d eaf i x e dp a r a m e t e rf i l t e rt os e p a r a t eh e a r t s o u n d sf r o mt h es i g n a lb u ta l s oe l i m i n a t et h eo v e r l a p p i n gs p e c t r u mo fl u n gs o u n d s t h i sp a p e rs t u d i e sa d a p t i v ef i l t e r i n ga n dw a v e l e tt r a n s f o r mb a s e df i l t e r i n gf o r s e p a r a t i n g h e a r ts o u n d sa n dl u n gs o u n d s ，a n dd i s c u s s e st h e a d v a n t a g e s a n d d i s a d v a n t a g e so ft h et w om e t h o d sb ys i m u l a t i n gi nm a t l a b ，a n dp u t sf o r w a r dan e w a l g o r i t h mt ol o c a t et h eh e a r ts o u n df o rt h er l s a n ca d a p t i v ef i l t e r i n g t h en e w p r o p o s e da l g o r i t h mc a l ll o c a t et h eh e a r ts o u n d sm o r ea c c u r a t e l y c o n s i d e r i n gt h e q u a l i t a t i v ea s s e s s m e n t ，t h ew a v e l e tt r a n s f o r mb a s e df i l t e r i n gi ss u p e r i o ro v e ra d a p t i v e f i l t e r i n g t h i sp a p e ra l s od e s i g n e das y s t e mf o rs e p a r a t i n gh e a r ts o u n d sa n dl u n gs o u n d s b a s e do nd s p , a n ds u c c e s s f u l l yu s e dt h et w oa l g o r i t h m st os e p a r a t et h eh e a r ts o u n d s a n dl u n gs o u n d s i th a sp r o f o u n d s i g n i f i c a n c e f o rc l i n i c a la u s c u l t a t i o na n d t e l e m e d i c i n e k e yw o r d s ：a u s c u l t a t i o n ；l u n gs o u n d s ；h e a r ts o u n d s ；s e p a r a t i o n ；a d a p t i v ef i l t e r i n g ； w a v e l e tt r a n s f o r m ；d s p i i 華南師范大學(xué)學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú) 立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論 文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對(duì)本文 的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確的方式標(biāo)明。 本人完全意識(shí)到此聲明的法律結(jié)果由本人承擔(dān)。 論文作者簽名：倦、當(dāng)勃 日期：矽弋年p s 月習(xí)日 學(xué)位論文使用授權(quán)聲明 本人完全了解華南師范大學(xué)有關(guān)收集、保留和使用學(xué)位論文的規(guī) 定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬華南師 范大學(xué)。學(xué)校有權(quán)保留并向國(guó)家主管部門或其指定機(jī)構(gòu)送交論文的電 子版和紙質(zhì)版，允許學(xué)位論文被檢索、查閱和借閱。學(xué)校可以公布學(xué) 位論文的全部或部分內(nèi)容，可以允許采用影印、縮印、數(shù)字化或其他 復(fù)制手段保存、匯編學(xué)位論文。( 保密的論文在解密后遵守此規(guī)定) 保密論：丈注釋：本學(xué)位論文屬于保密范圍，在年后解密適用 本授權(quán)書。非保密論文注釋：本學(xué)位論文不屬于保密范圍，適用本授權(quán) 書。 論文作者簽名：硒南勃 日期：鄧年甜刁日仟產(chǎn) 強(qiáng)臚黧 c ： 擴(kuò) 名 7 簽 孔一lp甘艿 峨 鞋i芒1 基于d s p 的心音肺音分離系統(tǒng) 1 1 課題背景及意義 1 緒論 人體的心、肺、肝、腎、腸、眼球、大腦等器官不停地運(yùn)動(dòng)著，并不斷地發(fā) 出各種各樣的聲音信號(hào)，我們稱這些生理聲信號(hào)為主動(dòng)生理聲信號(hào)。此外，當(dāng)外 界施加于人體某種作用，或當(dāng)人體的某一部分施加于另一部分某種作用時(shí)，會(huì)產(chǎn) 生被動(dòng)的生理聲信號(hào)，如超聲多普勒信號(hào)、肌音、關(guān)節(jié)音、傳導(dǎo)語(yǔ)音、叩診音、 吞水音、耳聲發(fā)射音等。研究運(yùn)用新的理論和方法，提取和識(shí)別人體各器官的聲 學(xué)信息并找出規(guī)律，為臨床提供了新的無(wú)創(chuàng)傷性診斷方法，這類研究具有重要的 理論意義及應(yīng)用價(jià)值【l 】。 心音和肺音是人體最重要的兩個(gè)生理聲信號(hào)：心音是心臟及心血管系統(tǒng)機(jī)械 運(yùn)動(dòng)中所產(chǎn)生聲音的總稱，包含著心臟各個(gè)部分本身及相互之間作用的生理和病 理信息；肺音是呼吸系統(tǒng)在換氣運(yùn)動(dòng)中所產(chǎn)生聲音的總稱，包含著肺部生理和病 理信息。這兩種生理聲信號(hào)分別是反映心臟和肺部生理和病理特性的重要指標(biāo)。 自1 8 1 6 年l a 6 n n e c 發(fā)明聽診器以來(lái)，聽診是臨床上診斷心腦血管疾病和呼吸系 統(tǒng)疾病的主要手段之一。傳統(tǒng)的聽診器由共振片，聲音共振腔，和傳導(dǎo)聲音的導(dǎo) 管組成，是廣大醫(yī)師最常用的診斷工具。然而它有一些不可彌補(bǔ)的缺點(diǎn)【2 】：難 以捕捉到人體內(nèi)臟發(fā)出的一些微弱卻非常重要的生理聲音，準(zhǔn)確性差：聽診結(jié) 果容易受人耳聽力敏感局限和聽診者主觀經(jīng)驗(yàn)的影響；胸壁聽診時(shí)通常為心音 肺音混合信號(hào)，需要聽診者根據(jù)主觀經(jīng)驗(yàn)區(qū)分心音和肺音。這些缺點(diǎn)最終導(dǎo)致醫(yī) 生無(wú)法及時(shí)做出正確的診斷，尤其是無(wú)法有效地分離心音和肺音信號(hào)，極易造成 誤診，錯(cuò)過了最佳治療機(jī)會(huì)。 隨著電子技術(shù)和信號(hào)處理技術(shù)的不斷發(fā)展，結(jié)合了現(xiàn)代電子技術(shù)與生物醫(yī)學(xué) 技術(shù)的電子聽診器研發(fā)成功。電子聽診器可以將采集后的信號(hào)進(jìn)行放大等一系列 模擬或數(shù)字信號(hào)處理，在一定程度上改良了傳統(tǒng)的聽診器，但從胸壁檢測(cè)到的生 理聲信號(hào)混合了頻譜上互相重疊的心音信號(hào)和肺音信號(hào)，如何將心音肺音混合信 號(hào)分離出心音信號(hào)和肺音信號(hào)是電子聽診器需要解決的重要問題【3 j 。另一方面， 在遠(yuǎn)程醫(yī)療和家庭監(jiān)護(hù)系統(tǒng)中，為了幫助醫(yī)生得到更好的聽診結(jié)果，數(shù)字化的電 基于d s p 的心音肺音分離系統(tǒng) 子聽診和計(jì)算機(jī)輔助分析已經(jīng)是一個(gè)不可避免的趨勢(shì)【4 】。所以，為了降低人為因 素( 病人誤放聽診器的位置或誤操作電子聽診器) 以及人為因素對(duì)相關(guān)分析造成 的影響，有必要將從采集的信號(hào)分離成心音和肺音再傳送給醫(yī)院的監(jiān)護(hù)中心。因 此臨床迫切需要一種準(zhǔn)確性高、簡(jiǎn)單易用、成本低、體積小的心音肺音分離裝置， 以便醫(yī)生對(duì)病人的病變做出更加準(zhǔn)確的判斷，促進(jìn)心血管疾病和呼吸系統(tǒng)疾病的 研究和診治。 1 2 國(guó)內(nèi)外研究現(xiàn)狀 近年來(lái)，心音和肺音的分析受到了國(guó)際醫(yī)學(xué)界的廣泛重視，研究表明，采用 計(jì)算機(jī)等新的科技手段來(lái)分析心音肺音信號(hào)，與x 射線診斷、肺功能、血?dú)夥?析等技術(shù)相比，更能早期診斷出心臟系統(tǒng)疾病和呼吸系統(tǒng)疾病【5 】。但由于心音信 號(hào)和肺音信號(hào)在頻域重疊，使得肺音信號(hào)無(wú)法通過簡(jiǎn)單的方法予以識(shí)別，然而這 部分信號(hào)對(duì)于早期檢測(cè)出呼吸系統(tǒng)疾病具有極為重要的意義。目前，心音肺音信 號(hào)分離的研究已經(jīng)成為肺音學(xué)研究的一個(gè)重要問題。在國(guó)外，研究心音肺音的分 離已經(jīng)發(fā)展2 0 多年，主要是采用不同的信號(hào)處理算法將心音肺音混合信號(hào)中的 心音濾除。在此過程中，需要解決下列問題： ( 1 ) 心音肺音信號(hào)檢測(cè) 心音肺音信號(hào)傳感器通常要求具有高靈敏度、小型輕量、高精度、高穩(wěn)定性、 易于使用的特點(diǎn)，特別是要求易與人體皮膚表面接觸，受人體表面振動(dòng)、環(huán)境噪 聲影響較小。在心音肺音的研究中，人們嘗試過各種傳感器，常用的有p v d f 壓電傳感器、電容傳聲器和加空氣耦合腔電容傳聲器。g a v r i d y 等人采用 h e w l e t t p a c k a r dm o d e l2 1 0 5 0a ( b ) 型加速度計(jì)與新型的p v d f 傳感器，他們的實(shí) 驗(yàn)結(jié)果表明：氣管音的功率譜類似于窄帶白噪聲的譜1 6 1 。d r u z g a l s k 等人對(duì)多種 傳感器進(jìn)行了比較研究，他們認(rèn)為：檢測(cè)肺音最好采用空氣耦合腔電容傳聲裂7 1 。 針對(duì)三種傳感器的優(yōu)缺點(diǎn)，采用何種傳感器能更好的檢測(cè)心音肺音信號(hào)是實(shí)際應(yīng) 用中要解決的問題之一。 ( 2 ) 心音肺音信號(hào)分離 最早研究心音肺音信號(hào)分離的方法是將心音肺音信號(hào)通過一個(gè)線性的高通 濾波器來(lái)去除心音信號(hào)，高通濾波器的截止頻率一般選為5 0 h z - 1 5 0 h z 的任意 2 基于d s p 的心音肺音分離系統(tǒng) 值【6 8 】。然而，由于肺音信號(hào)的頻率主要在2 5 h z - - 一2 0 0 0 h z ，心音信號(hào)的頻率主要 在2 0 h z - 3 0 0 h z 。這樣采用高通濾波器的方法雖然可以去除心音，但也必然會(huì)將 一部分低頻段肺音信號(hào)也濾除，而這部分肺音信號(hào)可能包含一些呼吸系統(tǒng)疾病的 重要信息。 1 9 8 6 年，v k i y e r 等人最先采用自適應(yīng)濾波的方法去除心音信號(hào)。從此以后 的2 0 多年里，一共有十幾種方法應(yīng)用于心音肺音的分離【9 】，主要可以分為線性 的自適應(yīng)濾波【i o 1 3 1 和時(shí)頻域?yàn)V波【1 4 舶1 兩大類，其中，基于線性的自適應(yīng)濾波有 1 0 種方法，包括l m s ( l e a s tm e a ns q u a r e s ) 濾波、r l s ( r e c u r s i v el e a s ts q u a r e s ) 濾波、r o k ( r e d u c e do r d e rk a l m a n ) 濾波，還有利用線性預(yù)測(cè)的a r ( a u t o r e g r e s s i v e ) 模型和m a ( m o v i n ga v e r a g e ) 模型等方法?；跁r(shí)頻域?yàn)V波 方法的有s t f t ( s h o r t - t i m ef o u r i e rt r a n s f o r m ) 和w t ( w a v e l e tt r a n s f o r m ) 等。 最近也有一些嘗試用i c a ( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ) 等技術(shù)來(lái)解決心音 肺音分離的問題，已取得一些進(jìn)展【4 , 1 7 】。以上各種算法在不同程度上分離了心音 和肺音，但目前并沒有找到最佳的分離算法。 在國(guó)內(nèi)，心音肺音分離的研究才剛剛開始，只有浙江大學(xué)和太原理工大學(xué)的 一些學(xué)者嘗試采用盲源分離的方法研究【1 8 1 9 1 ，已取得一些成績(jī)，但也只是停留在 理論階段，在這方面還需要投入大量的精力與時(shí)間去探索。 1 3 本課題主要內(nèi)容 本課題主要研究了基于自適應(yīng)濾波和小波變換的心音肺音分離算法，并將兩 種算法應(yīng)用于實(shí)際，設(shè)計(jì)出一種準(zhǔn)確性高、能同時(shí)聽診心音和肺音、簡(jiǎn)單易用、 成本低、體積小的心音肺音分離系統(tǒng)，讓臨床醫(yī)生在心臟或肺部聽診時(shí)能聽診到 較為純凈的心音信號(hào)或肺音信號(hào)，以便對(duì)病人的病變做出更加準(zhǔn)確的判斷。該系 統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)涉及的研究?jī)?nèi)容主要包含以下幾個(gè)方面： ( 1 ) 心音肺音信號(hào)分離算法 本課題主要研究了基于自適應(yīng)濾波和小波變換的心音肺音分離算法，并對(duì)兩 種算法進(jìn)行比較，在硬件平臺(tái)上分別實(shí)現(xiàn)。 基于自適應(yīng)濾波的心音肺音分離算法主要包含有l(wèi) m s 、r l s 、卡爾曼等多 種自適應(yīng)濾波算法。它們的共同特點(diǎn)是都采用自適應(yīng)對(duì)消器結(jié)構(gòu)，理想情況下， 基于d s p 的心音肺音分離系統(tǒng) 當(dāng)自適應(yīng)對(duì)消器的原始信號(hào)輸入端為心音肺音混合信號(hào)，參考輸入端為心音信號(hào) 時(shí)，輸出為肺音信號(hào)。但如果參考輸入端混入雜音時(shí)，會(huì)對(duì)輸出結(jié)果產(chǎn)生較大影 響，所以心音信號(hào)的定位是算法的關(guān)鍵。本文采用自適應(yīng)對(duì)消器結(jié)構(gòu)r l s 自適 應(yīng)濾波算法，分別用于定位心音信號(hào)和肺音信號(hào)，并且提出了i l l s a n c 自適應(yīng) 濾波定位心音的一種改進(jìn)算法，與原算法相比，改進(jìn)后的算法使心音的定位更加 準(zhǔn)確。 小波變換是一種優(yōu)于傅立葉變換、短時(shí)傅立葉變換的時(shí)頻算法，在時(shí)頻分析、 信噪分離、提取弱信號(hào)等方面具有廣泛的應(yīng)用。在對(duì)一個(gè)時(shí)域信號(hào)進(jìn)行小波變換 的過程中，非平穩(wěn)信號(hào)會(huì)產(chǎn)生數(shù)值比較大的小波系數(shù)，而平穩(wěn)信號(hào)的小波系數(shù)則 很小，可以利用小波變換的這種性質(zhì)來(lái)分離平穩(wěn)和非平穩(wěn)信號(hào)。心音肺音混合信 號(hào)中肺音信號(hào)可以看作是平穩(wěn)信號(hào)，而心音信號(hào)則是非平穩(wěn)信號(hào)，根據(jù)心音肺音 信號(hào)的這種性質(zhì)，采用基于小波變換的分離算法對(duì)心音肺音信號(hào)進(jìn)行分離。算法 首先對(duì)心音肺音信號(hào)進(jìn)行小波分解，采用閾值處理將小波域的心音信號(hào)和肺音信 號(hào)的小波變換系數(shù)進(jìn)行分離，最后對(duì)分離出的系數(shù)分別進(jìn)行重構(gòu)，從而分離出心 音信號(hào)和肺音信號(hào)。 ( 2 ) 系統(tǒng)硬件平臺(tái) 心音肺音分離系統(tǒng)采用具有高速運(yùn)算能力的專用數(shù)字信號(hào)處理芯片d s p 作 為核心運(yùn)算部件，主要由信號(hào)采集部分、d s p 處理器和存儲(chǔ)部分構(gòu)成。信號(hào)采集 部分主要對(duì)心音肺音信號(hào)進(jìn)行前期處理，并將采集到的模擬信號(hào)轉(zhuǎn)化為數(shù)字信 號(hào)。d s p 處理器應(yīng)用心音肺音分離算法對(duì)心音肺音信號(hào)進(jìn)行分離、濾波等處理。 存儲(chǔ)部分主要是擴(kuò)展的程序存儲(chǔ)和數(shù)據(jù)存儲(chǔ)，由f p g a 、f l a s h 和s d r a m 組 成。另外，d s p 還可通過u s b 接口和p c 進(jìn)行通信，也可直接和s d c a r d 進(jìn)行 通信。 4 基于d s p 的心音肺音分離系統(tǒng) 2 心音肺音分離算法分析 本章首先介紹了心音肺音的產(chǎn)生機(jī)理和組成，依據(jù)心音肺音的性質(zhì)分別研究 了基于自適應(yīng)濾波和小波變換兩種理論的心音肺音分離算法，并在m a t l a b 上仿 真實(shí)驗(yàn)，分析了兩種算法的不同及優(yōu)缺點(diǎn)。 2 1 心音肺音的產(chǎn)生機(jī)理和組成 2 1 1 心音的產(chǎn)生機(jī)理和組成 心音主要是由心臟的瓣膜和大血管在血流沖擊下形成的振動(dòng)、心臟內(nèi)血流的 加速與渦流對(duì)心臟瓣膜、心房、室壁作用產(chǎn)生的振動(dòng)和心肌在周期性的心電活動(dòng) 作用下其剛性的迅速增加和減小形成的振動(dòng)，經(jīng)過心胸傳導(dǎo)系統(tǒng)到達(dá)體表形成。 但是在體表檢測(cè)心音時(shí)，檢測(cè)信號(hào)不但包含有心音信號(hào)，同時(shí)還常包含心內(nèi)噪音、 呼吸噪音、體表噪音和心胸系統(tǒng)傳播過程中產(chǎn)生的噪音【2 0 ，2 1 1 。 心臟的一次收縮和舒張，稱為一個(gè)心動(dòng)周期。心音發(fā)生在心動(dòng)周期的某些特 定時(shí)期，其音調(diào)和持續(xù)時(shí)間也有一定的規(guī)律。正常心臟有四個(gè)心音：即第一、第 二、第三和第四心音，通常稱為s 1 、s 2 、s 3 、s 4 。多數(shù)情況下只能聽到第一心 音和第二心音，第一心音音調(diào)低沉，持續(xù)時(shí)間較長(zhǎng)( 約0 1 5 秒) ，第二心音頻率 較高，持續(xù)時(shí)間較短( 約o 0 8 秒) 。第三心音一般發(fā)生在第- - , l , 音后0 1 o 2 秒， 頻率低，在某些健康兒童和青年人中也可聽到第三心音，四十歲以上的健康人也 可能出現(xiàn)第四心音。 第一心音( s 1 ) 發(fā)生在心室收縮期，這時(shí)心室開始收縮，心室內(nèi)壓迅速升高。 當(dāng)心室內(nèi)壓超過心房?jī)?nèi)壓時(shí)，血液有從心室流向心房的傾向，正好推動(dòng)房室瓣( 二 尖瓣、三尖瓣) 關(guān)閉。此后隨著心室肌的強(qiáng)烈收縮導(dǎo)致心室內(nèi)壓急劇升高，并超 過主動(dòng)脈內(nèi)血壓，動(dòng)脈瓣打開，心室將血液射入主動(dòng)脈。從房室瓣關(guān)閉開始到動(dòng) 脈瓣開啟稍后的一段時(shí)間，在房室瓣突然關(guān)閉引起的振動(dòng)，心室射血引起的大血 管擴(kuò)張而發(fā)生的渦流引起的低頻振動(dòng)，心肌收縮房室瓣關(guān)閉、大血管擴(kuò)張產(chǎn)生的 振動(dòng)的共同作用形成了第一心音，即s l 。 5 基于d s p 的心音肺音分離系統(tǒng) 在心室收縮末期，心室內(nèi)的血液大部分已射入動(dòng)脈血管，心室內(nèi)壓開始下降。 當(dāng)心室內(nèi)壓低于主動(dòng)脈和肺動(dòng)脈內(nèi)的壓力時(shí)，主動(dòng)脈和肺動(dòng)脈內(nèi)的血液突然減 速，動(dòng)脈瓣關(guān)閉，心室進(jìn)入舒張期。隨著心室肌的舒張，心室內(nèi)壓以極大的速度 下降低于心房?jī)?nèi)壓，房室瓣打開。血液順著房一室內(nèi)壓梯度方向進(jìn)入了心室，稱 為快速充盈狀態(tài)。從動(dòng)脈瓣關(guān)閉到房室瓣開啟這一段時(shí)間，由動(dòng)脈瓣關(guān)閉引起的 振動(dòng)，形成了第二心音，即s 2 。 心室收縮時(shí)，房室瓣纖維環(huán)移向心尖。而在心室快速充盈期間，心室長(zhǎng)度明 顯延長(zhǎng)，心基底線突然上升，和心尖距離增大，但房室瓣和鍵索不能跟著延長(zhǎng)， 于是鍵索和乳頭振動(dòng)，形成第三心音，即s 3 。 當(dāng)心房收縮時(shí)，血液沖入心室，在房室瓣下面形成渦流，將瓣膜上推。由于 心房收縮也增加了心室容量，引起鍵索和乳頭張緊，將房室瓣拉向或維持在與渦 流作用相反的方向，于是鍵索和乳頭振動(dòng)產(chǎn)生了第四心音，即s 4 。 心音的各個(gè)不同成份具有不同的頻率范圍，因此，心音的頻率分析可以為其 識(shí)別提供一些重要的信息。通常心音的頻率范圍主要在2 0 h z - - 3 0 0 h z 之間。第 一心音音調(diào)低，持續(xù)時(shí)間長(zhǎng)，主要集中在2 0 h z - 1 0 0 h z 。第二心音持續(xù)時(shí)間較短， 頻率較高，主要集中在2 5 h z 一 1 5 0 h z 。對(duì)于同一個(gè)受試者，在同一測(cè)試部位，其 第一心音音調(diào)較低，而第二心音的音調(diào)較高，較清脆，即第一心音頻率小于第二 心音頻率。但是不同的心音樣本其能量在不同頻帶的分布是不固定的。此外不同 噪聲的頻帶和強(qiáng)度也是不同的，這就加大了心音噪聲濾除的復(fù)雜性。 2 1 2 肺音的產(chǎn)生機(jī)理和組成 肺音也稱呼吸音。人在呼氣和吸氣過程中，空氣流經(jīng)上呼吸道、支氣管到肺， 在這一過程中，氣壓的快速變化及器官固體組織的振動(dòng)將會(huì)產(chǎn)生聲能，這種聲能 通過各種組織傳輸?shù)叫乇?，形成呼吸音。通常所說(shuō)的呼吸音信號(hào)是肺音音源通過 肺胸系統(tǒng)后以固體振動(dòng)形式傳播至體表檢測(cè)到的聲音信號(hào)【2 2 1 。 正常呼吸音可以分為肺泡呼吸音、支氣管呼吸音和氣管音。 肺泡呼吸音是由于空氣在細(xì)支氣管和肺泡內(nèi)進(jìn)出移動(dòng)的結(jié)果。吸氣時(shí)氣流經(jīng) 支氣管進(jìn)入肺泡，沖擊肺泡壁，使肺泡由松弛變?yōu)榫o張，呼氣時(shí)肺泡由緊張變?yōu)?松弛，這種肺泡彈性的變化和氣流的振動(dòng)是肺泡呼吸音形成的主要因素。嘆息樣 6 基于d s p 的心音肺音分離系統(tǒng) 或柔和吹風(fēng)樣的“如如”聲，在大部分肺野內(nèi)均可聽及。音調(diào)相對(duì)較低。吸氣時(shí)音 響較強(qiáng)，音調(diào)較高，時(shí)相較長(zhǎng)；呼氣時(shí)音響較弱，音調(diào)較低，時(shí)相較短。乳房下 部和肩胛下部最強(qiáng)，腋窩下部次之，肺尖與近肺下緣區(qū)域較弱。正常人肺泡呼吸 音強(qiáng)弱與性別、年齡、肺組織彈性、胸壁厚薄及呼吸深淺有關(guān)。男性較女性強(qiáng)， 兒童較老年人強(qiáng)，矮胖者較瘦長(zhǎng)體型者為弱。 支氣管呼吸音，為吸入的空氣在聲門，氣管或主支氣管形成湍流所產(chǎn)生的聲 音，頗似抬舌后經(jīng)口腔呼氣時(shí)所發(fā)出“h a 的聲響，該呼吸音強(qiáng)而高調(diào)。吸氣較呼 氣相短。且呼氣音較吸氣音強(qiáng)而高調(diào)，吸氣末與呼氣始之間有極短暫的間隙。正 常人于喉部，胸骨上窩，背部第6 至7 頸椎及第l 至2 胸椎附近均可聽到支氣管 呼吸音，且越靠近氣管區(qū)，其聲響越強(qiáng)，音調(diào)亦降低。 當(dāng)肺部機(jī)能發(fā)生異常時(shí)，如肺氣腫、氣胸、肺部纖維化和肺部胸膜積液等機(jī) 能異常時(shí)，肺胸系統(tǒng)的聲傳遞特征發(fā)生顯著變化。異常呼吸音主要分為哮鳴音、 喘鳴音、羅音和嘎音等。肺音源通常由三種噪聲序列組成，其中正常呼吸音源是 肺內(nèi)氣流與肺組織相互作用產(chǎn)生的非高斯白噪聲，而間歇性脈沖是產(chǎn)生羅音的肺 音源，為一系列爆裂音，持續(xù)時(shí)間小于5 m s 。最后一種是周期性脈沖，被認(rèn)為是 由于氣流和氣管壁的周期性振動(dòng)產(chǎn)生的，它是產(chǎn)生哮鳴音的肺音源。這三種音源 中的一種、兩種甚至三種的疊加，通過由肺組織和胸壁構(gòu)成的聲傳輸濾波器，形 成了胸部表面可測(cè)到的肺音信號(hào)，并且還在不同的環(huán)節(jié)疊加著心音、肌肉與皮膚 噪聲等干擾信號(hào)。其中，心音信號(hào)在低頻段和肺音信號(hào)混疊，目前，如何能完整 的將心音肺音信號(hào)分離開來(lái)是肺音學(xué)研究的一個(gè)重要問題。 2 2 自適應(yīng)濾波理論基礎(chǔ) 自適應(yīng)濾波吲是近3 0 年以來(lái)在維納濾波，k a l m a n 濾波等線性濾波基礎(chǔ)上發(fā) 展起來(lái)的一種最佳濾波方法。在工程實(shí)際中，由于它具有更強(qiáng)的適應(yīng)性和更優(yōu)的 濾波性能，應(yīng)用非常普遍，尤其在信息處理技術(shù)中得到更為廣泛的應(yīng)用。 自適應(yīng)濾波的研究對(duì)象是具有不確定的系統(tǒng)或信息過程?！安淮_定”是指所研 究的處理信息過程及其環(huán)境的數(shù)學(xué)模型不是完全確定的，同時(shí)，其中包含一些未 知因數(shù)和隨機(jī)因數(shù)。 任何一個(gè)實(shí)際的信息過程都具有不同程度的不確定性，這些不確定性有時(shí)表 基于d s p 的心音肺音分離系統(tǒng) 現(xiàn)在過程內(nèi)部，有時(shí)表現(xiàn)在過程外部。從過程內(nèi)部來(lái)講，描述研究對(duì)象即信息動(dòng) 態(tài)過程的數(shù)學(xué)模型的結(jié)構(gòu)和參數(shù)是事先不知道的。作為外部環(huán)境對(duì)信息過程的影 響，可以等效地用擾動(dòng)來(lái)表示，這些擾動(dòng)通常是不可測(cè)的。此外一些測(cè)量噪音也 是以不同的途徑影響信息過程。這些擾動(dòng)和噪聲的統(tǒng)計(jì)特性常常是未知的。面對(duì) 這些客觀存在的各種不確定性，如何綜合處理信息過程，并使某一些指定的性能 指標(biāo)達(dá)到最優(yōu)或近似最優(yōu)，這就是自適應(yīng)濾波所要解決的問題。 2 2 1 自適應(yīng)濾波的基本原理 所謂的自適應(yīng)濾波，就是利用前一時(shí)刻已獲得的濾波器參數(shù)的結(jié)果，自動(dòng)的 調(diào)節(jié)當(dāng)前時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知的或隨時(shí)間變化的統(tǒng)計(jì)特 性，從而實(shí)現(xiàn)最優(yōu)濾波。自適應(yīng)濾波器實(shí)質(zhì)上就是一種能調(diào)節(jié)其自身傳輸特性以 達(dá)到最優(yōu)的維納濾波器。自適應(yīng)濾波器不需要關(guān)于輸入信號(hào)的先驗(yàn)知識(shí)，計(jì)算量 小，特別適用于實(shí)時(shí)處理。 自適應(yīng)濾波器的特性變化是由自適應(yīng)算法通過調(diào)整濾波器系數(shù)來(lái)實(shí)現(xiàn)的。自 適應(yīng)濾波器由兩部分組成，一是濾波器結(jié)構(gòu)，二是調(diào)整濾波器系數(shù)的自適應(yīng)算法。 圖2 1 是自適應(yīng)濾波器的一般結(jié)構(gòu)。其中，x 為輸入信號(hào)，y 為輸出信號(hào)，d 為參 考信號(hào)或期望信號(hào)，e 則是期望信號(hào)d 與自適應(yīng)系統(tǒng)真實(shí)輸出信號(hào)y 的差。自適 應(yīng)系統(tǒng)采用誤差信號(hào)，使閉合性能反饋環(huán)按照某種使誤差測(cè)度最小化的自適應(yīng)算 法來(lái)調(diào)整自適應(yīng)系統(tǒng)的結(jié)構(gòu)，從而改變其響應(yīng)特性。 d ( 期待響應(yīng)) 圖2 - 1自適應(yīng)濾波原理圖 其中濾波器的結(jié)構(gòu)采用f i r 或i i r 結(jié)構(gòu)均可，由于i i r 濾波器存在穩(wěn)定性問 題，因此一般采用f i r 濾波器作為自適應(yīng)濾波器的結(jié)構(gòu)。根據(jù)輸入方式的不同， f i r 有兩種基本結(jié)構(gòu)形式，即并聯(lián)多輸入或者串聯(lián)單輸入，分別如圖2 - 2 和2 3 所示。 8 基于d s p 的心音肺音分離系統(tǒng) 圖2 2 多輸入自適應(yīng)濾波器形式 圖2 - 3 單輸入自適應(yīng)濾波器形式 多輸入和單輸入的輸入向量形式可以如下標(biāo)注： 多輸入：鼉= t 五t 】r ( 2 一1 ) 單輸入：五= k & 一。& 一工r ( 2 2 ) 在多輸入情況所有元素取自于第k 個(gè)抽樣時(shí)刻，而在單輸入情況，各元素是 按時(shí)間順序取自于時(shí)刻k ，k - i ，。 單輸入情況下，如圖2 3 所示，自適應(yīng)處理器可以用自適應(yīng)線性組合器與單 位延遲單元來(lái)實(shí)現(xiàn)，這種結(jié)構(gòu)稱為自適應(yīng)橫向?yàn)V波器。自適應(yīng)橫向?yàn)V波器是非遞 歸自適應(yīng)濾波器的時(shí)間形式，在自適應(yīng)模擬和自適應(yīng)信號(hào)處理領(lǐng)域有廣泛的應(yīng) 用。 由式( 2 1 ) 與式( 2 2 ) 有關(guān)輸入信號(hào)的表示符號(hào)，可得圖2 2 和圖2 3 輸 入輸出關(guān)系如下： 多輸入：y k = ( 2 3 ) l = o 單輸入：以= 壇& 一， i = 0 9 ( 2 4 ) 基于d s p 的心音肺音分離系統(tǒng) 可定義權(quán)向量為： 哌= i i w l l 】r ( 2 5 ) 用此定義，可將式( 2 3 ) 與式( 2 4 ) 用向量表示符號(hào)表示成單個(gè)的關(guān)系式 y k = x ：吼= 哦x 。 具有時(shí)間角標(biāo)k 的誤差信號(hào)為 s = d t y k 將式( 2 6 ) 代入式( 2 7 ) ，得 = d 一x ：礙，k = d 一w ：x t ( 2 6 ) ( 2 - 7 ) ( 2 - 8 ) 這里，暫時(shí)不對(duì)權(quán)加以調(diào)整。為方便起見，對(duì)權(quán)向量w 不加角標(biāo)。對(duì)式( 2 - 8 ) 進(jìn)行平方，可得瞬時(shí)平方誤差 = + 形7 五r。x 。r w ( 2 9 ) 假設(shè)& 、反和t 是統(tǒng)計(jì)平穩(wěn)的，對(duì)式( 2 9 ) 在k 時(shí)刻取期望，得 研】- e 【】+ 形r 研五 w - 2 e d k f 形 ( 2 1 0 ) 任何和的期望值等于期望值之，和，而僅當(dāng)隨機(jī)變量不相關(guān)時(shí)，積的期望值才 是期望值之積。一般來(lái)說(shuō)，信號(hào)t 與喀是相關(guān)的。 均方誤差可以更為方便的表示如下，將r 定義為方陣 r ：e 。t f ，：e l 毒。 而 而 x l l i 也恐i ( 2 1 1 ) 這個(gè)矩陣被指定為“輸入相關(guān)矩陣”。主對(duì)角線項(xiàng)是輸入分量的均方值，交叉項(xiàng)是 輸入分量之間的互相關(guān)值。類似地，令p 為列向量 p = e 畋研】_ e d k x o t 噍五i 畋屯i 】r ( 2 1 2 ) 此向量為期待響應(yīng)與輸入分量之間的一組互相關(guān)值。當(dāng)鼉和敏是平穩(wěn)時(shí)，r 和 p 的元素全是固定的二階統(tǒng)計(jì)量。在式( 2 - 1 1 ) 和式( 2 1 2 ) 中用了五的多輸入 形式，鼉的在單輸情況下以上公式也成立。 l n 基于d s p 的心音肺音分離系統(tǒng) 設(shè)式( 2 一l o ) 表示的均方誤差為f ，可用式( 2 1 1 ) 與式( 2 1 2 ) 表示如下 m s e 全孝= e 【】= e + 形r r w - 2 p r w ( 2 - 1 3 ) 顯然，當(dāng)輸入分量與期待響應(yīng)輸入是平穩(wěn)隨機(jī)過程時(shí)，均方誤差f 是權(quán)向量 w 的分量的二次函數(shù)。即式( 2 1 3 ) 展開時(shí)，w 的元素僅以一次冪或二次冪出 現(xiàn)。它的圖形是一個(gè)上凹的拋物面或超拋物面的曲線，具有唯一的極小值點(diǎn)。所 以也將( 2 1 3 ) 式叫做二次型誤差函數(shù)或性能表面。可以用梯度法沿著該曲面調(diào) 節(jié)權(quán)系數(shù)矢量的各元素，得到二次誤差函數(shù)的最小值。 用v ( d 或更簡(jiǎn)單的就用v 表示均方誤差性能表面的梯度，它可由式( 2 - 1 3 ) 對(duì)w 求微商來(lái)得到，這個(gè)列向量為 v 全墮：i 墮墮墮( 2 - 1 4 ) o w 【- 饑o w , o w lj = 2 r w 一2 p( 2 1 5 ) 式中，r 與p 分別由式( 2 1 1 ) 與式( 2 1 2 ) 給出。這個(gè)表示式可由式( 2 1 3 ) 的展開式對(duì)權(quán)向量的每一分量求微商來(lái)得到。w 7 r w 的微商可以當(dāng)成求積 ( w r ) ( 尺) 的微商。 為了求得最小均方誤差，令v = 0 ，此時(shí)權(quán)向量等于其最佳值礦，即 v = 0 = 2 r w - 2 p( 2 1 6 ) 假設(shè)r 是非奇異的，則最佳權(quán)向量。也稱為維納權(quán)向量，可求得為 w = r _ 1 p( 2 1 7 ) 此方程是維納一霍普夫( w i e n e r - h o p f ) 方程的矩陣形式。將式( 2 1 3 ) 中的w 代 之以式( 2 1 7 ) 的形，則可得最小均方誤差： = 研 + 形町r w - 2 p r w + = e t a ； + 尺1 尸】7 r r - 1 p - 2 p r r - 1 p ( 2 - 1 8 ) 采用在性能表面討論中常用的三個(gè)規(guī)則來(lái)簡(jiǎn)化上述結(jié)果： ( 1 ) 方陣的恒等規(guī)則：a a = i 。 基于d s p 的心音肺音分離系統(tǒng) ( 2 ) 矩陣乘積的轉(zhuǎn)置：( a s ) r = b r a r 。 ( 3 ) 輸入相關(guān)矩陣的對(duì)稱性：r r = r ；( r 叫) r = r 。 根據(jù)這些規(guī)則，式( 2 1 8 ) 可改寫為 = e e d ； - e r r q e = e c d ； - e r w ( 2 1 9 ) 由上式可知，只要知道了輸入信號(hào)的自相關(guān)矩陣r 和期望響應(yīng)與輸入信號(hào) 的互相關(guān)向量p ，就可以直接得出最佳權(quán)向量礦+ ，但在實(shí)際中這種方法比較難 于實(shí)現(xiàn)。因?yàn)橐环矫嫱ǔｋy以獲得有關(guān)信號(hào)和噪聲的統(tǒng)計(jì)先驗(yàn)知識(shí)，另一方面， 當(dāng)r 的階數(shù)較高時(shí)，直接計(jì)算r 。1 時(shí)計(jì)算量大，有一定的困難。因此一般采用迭 代的方法一步一步的在性能表面上搜索，并最終達(dá)到最小均方值，找到最佳權(quán)向 量。各種不同的自適應(yīng)濾波算法關(guān)鍵在于怎樣能簡(jiǎn)便地尋找礦，即用什么樣的 算法來(lái)求得，例如牛頓法、共軛梯度法和最速下降法等常用的自適應(yīng)濾波算 法為基于梯度下降的迭代算法。根據(jù)優(yōu)化準(zhǔn)則的不同，自適應(yīng)濾波算法可以分為 兩類最基本的算法：最小均方誤差( l m s ) 算法和遞歸最小二乘( r l s ) 算法。 基于最小均方誤差準(zhǔn)則，l m s 算法使濾波器的輸出信號(hào)與期望輸出信號(hào)之間的 均方誤差研】最小?；谧钚《藴?zhǔn)則，r l s 算法決定自適應(yīng)濾波器的權(quán)系數(shù) 向量哌使估計(jì)誤差的加權(quán)平方和，( 后) ：圭名hl s ( f ) 1 2 最小。其中名為遺忘因子， 且0 1 ) ( 2 ) 取得q ，五 ( 3 ) 更新增益矢量 p k = x ：c k 0 g k 籌 ( 4 ) 更新濾波器參量 形= 形一。+ q 【皿一群吸一?！?( 5 ) 更新逆矩陣 c o = 2 - 1 【g 一。一q g 一?！?2 2 3 自適應(yīng)對(duì)消器 自適應(yīng)噪聲對(duì)消( a d a p t i v en o i s ec a n c e l l i n g ，a n c ) 方案由w i d r o w 等人提 出，并成功的將它應(yīng)用于許多場(chǎng)合，例如消除心電圖中的工頻干擾，消除母親心 1 7 基于d s p 的心音肺音分離系統(tǒng) 電圖對(duì)胎兒心電圖的干擾，消除聲音信號(hào)的干擾等等。自1 9 6 5 年美國(guó)斯坦福大 學(xué)建成第一個(gè)自適應(yīng)噪聲對(duì)消系統(tǒng)后，3 0 多年來(lái)其理論在不斷發(fā)展，應(yīng)用在不 斷擴(kuò)大，目前己成為自適應(yīng)信號(hào)處理的重要分支之。 基本的噪聲對(duì)消情況如圖2 4 。信號(hào)沿信道傳到接收到該信號(hào)的傳感器，除 收到信號(hào)外，傳感器還收到一個(gè)不相關(guān)的噪聲。組合信號(hào)和噪聲s + n o ，組成 對(duì)消器的“原始輸入。第二個(gè)傳感器用來(lái)接收與信號(hào)不相關(guān)的、但以某種未知 的方式與噪聲相關(guān)的噪聲，這個(gè)傳感器給對(duì)消器提供“參考輸入”。將噪聲啊 通過自適應(yīng)濾波調(diào)整后輸出，使其產(chǎn) n o 的最佳估計(jì)h o ，y = 五。將該輸出從原 始輸入s + 刀。中減去，就產(chǎn)生系統(tǒng)的輸出8 + n o y ，即為有用信號(hào)s 的估計(jì)；。 信號(hào)源 噪聲源 圖2 _ 4自適應(yīng)噪聲對(duì)消器( a n c ) 原理 在圖2 - 4 的系統(tǒng)中，采用一個(gè)自適應(yīng)濾波器來(lái)處理參考輸入信號(hào)。該信號(hào)濾 波器通過一種特別受與其輸出有關(guān)的誤差信號(hào)所控制的最小均方算法，比如r l s 算法，自動(dòng)地調(diào)節(jié)自身的沖擊響應(yīng)。所以，采用恰當(dāng)?shù)乃惴ǎ瑸V波器可以在傳輸 通道變化的條件下進(jìn)行工作，并可以不斷地調(diào)節(jié)自身，使誤差信號(hào)最小。 2 3 基于自適應(yīng)濾波理論的心音肺音分離算法 目前，基于自適應(yīng)濾波的心音肺音分離算法主要是采用自適應(yīng)對(duì)消結(jié)構(gòu)，應(yīng) 用各種不同的自適應(yīng)濾波算法濾除心音肺音混合信號(hào)中的心音信號(hào)，從而得到肺 音信號(hào)。常用的自適應(yīng)濾波算法包括l m s 、r l s 、卡爾曼等。 如圖2 - 4 所示，自適應(yīng)對(duì)消器需要兩個(gè)輸入信號(hào)，分別為原始輸入信號(hào)和參 考輸入信號(hào)。原始輸入信號(hào)是從人體胸壁采集的心音肺音混合信號(hào)，可表示為 x ( n ) = 6 ( ，1 ) + ，l ( ，1 ) ，其中，b ( n ) 為心音肺音中的肺音成份，m ( n ) 為心音成份。參 1 8 基于d s p 的心音肺音分離系統(tǒng) 考輸入信號(hào)為心音信號(hào)的估計(jì)，記為r ( n ) 。自適應(yīng)對(duì)消器的系統(tǒng)輸出即為肺音信 號(hào)的估計(jì)6 ( 以) 。 此方法的特點(diǎn)是參考輸入信號(hào)必須與原始輸入中的一種信號(hào)高度相關(guān)，而與 另一種信號(hào)基本不相關(guān)，即心音估計(jì)r ( n ) 要和原始輸入信號(hào)中的心音成份m ( n ) 高度相關(guān)，而與肺音成份b ( n ) 不相關(guān)，所以選擇合適的參考輸入信號(hào)非常關(guān)鍵。 v k i y e r 等人【1 0 1 采用處理后的e c g 信號(hào)為參考輸入信號(hào)，但e c g 信號(hào)為心電信 號(hào)，并不是聲音信號(hào)，所以這種方法并不適合。另有研究學(xué)者將原始心音肺音信 號(hào)經(jīng)過帶通濾波器得到參考輸入信號(hào)，但僅僅通過帶通濾波器的信號(hào)仍然包含很 多肺音成份，導(dǎo)致自適應(yīng)對(duì)消器無(wú)法得到理想的結(jié)果。 本文采用自適應(yīng)對(duì)消結(jié)構(gòu)應(yīng)用r l s 算法( r l s a n c ) 分別用于定位心音信 號(hào)和濾除心音得到肺音信號(hào)。r l s a n c 心音肺音分離算法【l l 】首先由加拿大 m a n i t o b a 大學(xué)的研究學(xué)者提出，但在實(shí)際使用中發(fā)現(xiàn)該算法在定位心音過程中存 在一定的不足，定位效果不佳，本文在此基礎(chǔ)上做了一些改進(jìn)，取得了較好的效 果。 2 3 1 算法原理 r l s a n c 心音肺音分離算法首先定位心音信號(hào)，然后在原始信號(hào)中濾除心 音得到肺音信號(hào)。算法采用如圖2 4 的自適應(yīng)對(duì)消結(jié)構(gòu)在心音肺音混合信號(hào)中定 位得到心音段，將信號(hào)通過2 0 h z 一- 3 0 0 h z 的帶通濾波器構(gòu)建出心音信號(hào)；再次 r l s a n c 算法，參考輸入信號(hào)為構(gòu)建的心音信號(hào)，原始輸入信號(hào)為心音肺音混 合信號(hào)，系統(tǒng)輸出即為肺音信號(hào)。原始信號(hào)由人體右胸第二肋骨和第三根肋骨中 的空隙采集得到，采樣率為1 0 2 4 0 h z ，記為z 仍) 。算法過程如下所示： ( 1 ) 定位心音：在心音肺音混合信號(hào)上定位心音段的起始點(diǎn)和結(jié)束點(diǎn)。原 始輸入信號(hào)x ( ，1 ) 為心音肺音混合信號(hào)，參考輸入信號(hào)由原始輸入信號(hào)延時(shí)l o o m s 得到，即，) = x ( n 一1 0 2 4 ) ，階數(shù)m = 2 ，遺忘因子2 = 1 。 ( 2 ) 構(gòu)建心音信號(hào)。心音肺音混合信號(hào)上位于心音段位置上的信號(hào)通過 2 0 h z , - 一3 0 0 h z 的帶通濾波器，將得出的信號(hào)作為心音信號(hào)，心音段之間采樣點(diǎn)置 1 9 基于d s p 的心音肺音分離系統(tǒng) 0 。 ( 3 ) 濾除心音信號(hào)。原始輸入信號(hào)x ( n ) 為心音肺音混合信號(hào)，參考輸入信 號(hào)r ( n ) 為構(gòu)建的心音信號(hào)，系統(tǒng)輸出p ( 以) 即為肺音信號(hào)。階數(shù)m = 2 ，遺忘因子 五= 1 。 r l s a n c 心音肺音分離算法流程如圖2 5 所示： 定位心音：r l s - a n c 原始輸入x ( n ) = 心肺音混信號(hào) 參考輸a r ( n ) = x ( n - 1 0 2 4 ) 構(gòu)建心音信號(hào)：心音段通過 2 0 h z 3 0 0 h z 的帶通濾波器 心音段之問采樣點(diǎn)置0 濾除心首：r l s a n c 原始輸入x ( n ) = 心肺音混信號(hào) 參考輸入r ( n ) _ 構(gòu)建心音信號(hào) 輸出e ( n ) 為肺音信號(hào) 圖2 - 5r l s - a n c 心音肺音分離算法流程圖 心音和肺音信號(hào)相比，肺音信號(hào)可以認(rèn)為是一個(gè)比較平坦的穩(wěn)定信號(hào)，而心 音信號(hào)則可以認(rèn)為是短時(shí)間內(nèi)的一個(gè)突變。r l s a n c 心音肺音分離算法采用濾 波器階數(shù)m = 2 ，遺忘因子名= 1 是為了能夠跟蹤所有輸入信號(hào)的統(tǒng)計(jì)變化量。當(dāng) 原始輸入信號(hào)發(fā)生突變時(shí)，自適應(yīng)濾波器的權(quán)向量也會(huì)發(fā)生突變，算法根據(jù)這一 原理檢測(cè)自適應(yīng)濾波器的權(quán)值變化量便能定位出突變的信號(hào)位置，l i p , b 音的位 置。選擇參考輸入信號(hào)為原始輸入信號(hào)的l o o m s 延遲，有幾點(diǎn)原因：第一，觀 測(cè)原始信號(hào)，心音的峰值可在l o o m s 內(nèi)發(fā)生；第二，第一心音和第二心音相隔 的時(shí)間遠(yuǎn)大于l o o m s ，所以原始輸入信號(hào)和參考輸入信號(hào)并不相關(guān)，采用 r l s a n c 濾波能夠理想的定位心音。 定位心音的過程主要分為兩步：第一，找出初始邊界點(diǎn)；第二，確定最終邊 界點(diǎn)。因?yàn)橹话贁?shù)采樣信號(hào)的心音段并不能提供有效信息，所以記1 0 2 4 個(gè) 采樣點(diǎn)為最小分段長(zhǎng)度l n 血，將相鄰兩個(gè)初始邊界點(diǎn)之間的距離與k 做比較， 確定最終的心音邊界點(diǎn)。定位心音的算法過程如下所示： ( 1 ) 初始化r l s 濾波器。原始輸入信號(hào)為z 伽) ，參考輸入信號(hào)由原始輸入 基于d s p 的心音肺音分離系統(tǒng) 信號(hào)延時(shí)l o o m s 得到，在1 0 2 4 0 h z 的采樣率下，即r ( n ) = x ( n - 1 0 2 4 ) 。自適應(yīng)濾 波器的階數(shù)m = 2 ；遺忘因子旯= l ；初始權(quán)向量w ( o ) 為m x l 階零向量。 ( 2 ) 計(jì)算相鄰兩個(gè)權(quán)向量之間的距離，s ( n ) = 0 w ( 療) 一w ( 刀一1 ) 1 2 。其中，w ( 以) 為n 時(shí)刻濾波器的權(quán)向量。 ( 3 ) 分段計(jì)算閾值。每隔2 5 0 0 個(gè)采樣點(diǎn)以s ( n ) 標(biāo)準(zhǔn)差的3 倍為閾值。 ( 4 ) 界定初始邊界點(diǎn)。將s ( 刀) 的各個(gè)元素和閾值相比較，若大于閾值，則 存儲(chǔ)n 值為初始邊界點(diǎn)。初始邊界點(diǎn)p s b = 口o ，口l 一，口?！?，口。= o 。 ( 5 ) 確定最終邊界點(diǎn)。將p s b 相鄰兩個(gè)向量之間的長(zhǎng)度和最小分段長(zhǎng)度 l 劬相比較：如果q - a i 一。k ，i = l ，2 ，p ，則存儲(chǔ)口f 為心音段的結(jié)束點(diǎn)，a i 一。為 心音段的起始點(diǎn)。如果q q 一。 t h ，a l = ， p s b = a o ，口l ，一，a p 】 確定最終邊界點(diǎn) i f 口，一口，一l l m i n i = 1 ，2 ，p 則保留a ，a 。 2 - 6 定位心音算法流程圖 心音肺音信號(hào)在人體右胸第二肋骨和第三根肋骨中的空隙處采集得到，采樣 2 l 基f d s p 的心音肺音分離系統(tǒng) 率為1 0 2 4 0 h z 。要求測(cè)試者均勻呼吸，測(cè)試環(huán)境安靜無(wú)聲。 r l $ - a n c 心音肺音分離算法在m a t l a b 上仿真實(shí)現(xiàn)的結(jié)果如圖2 7 所示，圖 ( a ) 為通過r l s a n c 后構(gòu)建的心音信號(hào)，圖( b ) 為通過r l s a n c 分離后的 肺音信號(hào)。 ( a ) 通過r l s a n c 算法構(gòu)建的心音信號(hào) ( b ) 通過i l l s a n c 算法濾波后的肺音信號(hào) 田2 7r l s - a n c 心音肺音分離算法在m a t l a b 上仿真結(jié)果 2 2 基于d s p 的心音肺音分離系統(tǒng) 目前，國(guó)際上并沒有標(biāo)準(zhǔn)的心音肺音定量分析方法。有研究【3 】得出在e c g 信號(hào)r r 峰之間最后3 0 時(shí)段內(nèi)對(duì)應(yīng)的原始信號(hào)中沒有心音成份，依據(jù)這個(gè)原 理，一種定量分析方法【l l 】為：在胸壁上采集信號(hào)的同時(shí)采集e c g 信號(hào)，以r r 峰之間最后3 0 時(shí)段內(nèi)對(duì)應(yīng)的原始信號(hào)功率譜密度( p s d ) 作為肺音信號(hào)的標(biāo)準(zhǔn) p s d ，將原始信號(hào)、經(jīng)算法分離出的肺音信號(hào)、心音信號(hào)的p s d 和標(biāo)準(zhǔn)的p s d 做對(duì)比，若經(jīng)算法分離后的肺音信號(hào)p s d 越接近標(biāo)準(zhǔn)p s d ，則分離越成功。但 由于心音和肺音都沒有標(biāo)準(zhǔn)信號(hào)，此方法的準(zhǔn)確性還有待研究。 由于目前實(shí)驗(yàn)室沒有專業(yè)檢測(cè)e c g 信號(hào)的設(shè)備，所以本論文沒有對(duì)算法的 效果進(jìn)行定量分析，只對(duì)算法進(jìn)行定性分析。通過觀測(cè)原始信號(hào)和分離后信號(hào)的 波形，聽取信號(hào)聲