基于听诊音频谱分析的数字听诊系统设计*

曹 杨，徐子轩，张佳斌，虞致国，顾晓峰

(轻工过程先进控制教育部重点实验室，江南大学电子工程系，江苏无锡214122)

听诊是医学诊疗中的一种重要检测方法，一般使用听诊器放大听诊音。但传统听诊过程中存在环境噪声的影响，且主观经验依赖度高，无法直观精确地给出定量化的听诊结果。随着现代医疗器械技术的发展，患者对传统听诊的效果逐渐失去信心，医患双方往往更倾向于借助各种大型精密医疗设备来辅助诊治［1］。

文中提出一种基于听诊音频谱分析的数字听诊系统，在结合声音传感器和电子技术的基础上，实现对听诊音频谱的精确定量分析，可为科学直观地听诊预判提供帮助［2］。与其他大型医疗诊断辅助工具相比，基于本听诊系统的数字听诊器具有体积小、价格低、可靠性高等优势，并可为实现远距在宅听诊、远距多方会诊、建立全民人体器官音频频谱库等智能医疗解决方案提供帮助。

1 系统整体结构

设计的数字听诊系统首先通过基于微机电系统(MEMS)技术制作的硅麦克风传感器接收来自人体器官的声音，然后对信号进行放大、滤波和模数转换(ADC)，将其转换为数字信号并进行处理，最后生成详细精确的音频谱分析报告［3］。其中，针对不同器官的听诊需配置合适的滤波参数，去除环境及其他器官音频的干扰。医生通过一个可插入耳机孔的数模转换器听取患者器官的声音，该转换器将声音模拟信号转换成可供软件处理的数字数据，传入计算机相应软件，完成听诊音的分析与诊断。

基于上述流程，数字听诊系统设计如下:首先进行听诊音信息采集，利用内置硅麦克风传感器的听诊头获取人体器官的音频信号［4］;其次，通过模拟滤波放大电路对采集的音频小信号进行放大及滤波处理，将滤波后的信号通过A/D转换输出数字信号，并传送至专用集成电路(ASIC)芯片进行处理;考虑到不同器官病变时音频频谱发生的变化，设计了一个可判断听诊音是否正常的算法，提取相应的特征频谱并保存于最后一级的随机存储单元(RAM)中;最后，输出或显示保存在RAM中的特征频谱数据供定量分析。

图1为设计的数字听诊系统结构图。音频信号采样模块采集音频小信号，将体积小、灵敏度高的硅麦克风传感器连接到后续模拟电路。模拟信号处理模块连接音频信号采样端，经运算放大和低通滤波电路处理后，将音频信号通过ADC模块转换为数字信号。数字信号处理(DSP)单元采用ASIC实现［5］，根据人体不同部位的听诊音频信号灵活配置滤波系数，辅以音频频谱分析技术，生成数据文件并通过终端设备输出。

图1 数字听诊系统结构

2 模拟信号处理模块设计

图2为数字听诊系统中模拟信号处理模块的电路图。其中，硅麦克风(Microphone)传感器的1脚和电容C1相连，用以去除传感器输出的直流偏置;运算放大器的负输入端接参考电压，可灵活配置运放的输出直流偏置电压;电阻Rf和R1构成运放闭环反馈电路，放大倍数为-Rf/R1;为实现ADC的抗混叠特性(根据奈奎斯特定律采样频率至少是原始数据最大频率的两倍)，R2、C2组成无源低通滤波电路，其截止频率f1=1/2π(R2C2);最后经R2将模拟信号送至德州仪器(TI)公司的8 bit半闪速结构ADC TLC5510，生成对应的8 bit数字信号［6］。TLC5510采用CMOS工艺制造，可提供最小20 Msample/s的采样率，参考电压为0.6 V～2.6 V，电源电压为5 V。

图2 模拟信号处理电路图

3 数字信号处理模块设计

数字信号处理模块采用ASIC实现，包括数字听诊系统的模式选择模块、频谱数据发送模块、系统主状态控制模块、快速傅里叶变换(FFT)核心运算模块、频谱筛选核心运算模块及Flash存储器等功能模块。

3.1 模式选择模块

人体器官(心、肺、肠等)发出的音频范围大部分均在人耳能分辨的中低频段，但不同器官的音频范围不同，如心音为0～600 Hz，肺音为100 Hz～1 500 Hz，肠音为20 Hz～1 500 Hz。模式选择模块可根据不同输入模式(MOD管脚)生成相应的数字滤波器带通/低通滤波系数。根据线性系统理论，在某种适度条件下输入到线性系统的某个冲击可完全表征系统，在有限离散数据的处理中，线性系统响应同样有限［7］。当线性系统只是一个空间滤波器时，通过观察它对冲击的响应，就可确定对应的有限冲击响应(Finite Impulse Response，FIR)滤波器［8］。本设计中的Fir_v模块可通过不同的模式选择模块配置相应的FIR滤波系数，灵活处理输入数据，提高抗干扰和精确分析的能力。

以肠音为例，在MATLAB中生成带通10阶FIR数字滤波器，带通截止频率fp=1 500 Hz，采样频率fs=5 000 Hz，采样点数N=10，截止频率Wn=fp/5 000 ×2，系数向量b=fir1(N，Wn)，离散系统频率响应特性由函数 freqz(b，1，256，fs)得到［9］。

模式选择模块的理想FIR幅频、相频响应如图3所示。可以看出，2 000 Hz处频率响应为-22 dB，生成的滤波系数如下:0.0000 1.6254 -3.1746-8.1648 35.3303 76.7674 35.3303 -8.1648 -3.1746 1.6254 0.0000。系统开机后，将滤波系数存于Flash模块中，根据模式选择调用不同的滤波系数。

3.2 FFT核心运算模块

FFT核心运算模块中的数据通过radix4_256点FFT单元，对由前级Fir_v模块滤波处理过的数字音频信号作傅里叶变换，进行频谱特性分析［10］。图4给出了FFT和频谱筛选核心运算模块的原理图。将CLK与ADC的采样时钟频率匹配，确保数据正确连接，实部输入引脚与Fir_v的输出相连，虚部输入引脚接地(因为采样的时序音频信号并无虚部)，其他控制端口同系统主状态控制模块相连。FFT虚部(Iout)、实部(Qout)和FFT输出使能信号(Outen)分别连到信号提取(Extract)模块进行求幅值运算:

图3 模式选择模块的理想FIR特性

得到时序信号对应频域中的频率幅值，其中，DOI、DOR分别表示FFT变换结果的虚部和实部。当Extract模块开始输出结果时，通过输出使能信号Dout_en控制频谱筛选核心运算模块的写入。

图4 FFT和频谱筛选核心运算模块原理图

3.3 频谱筛选核心运算模块

频谱筛选核心运算(Core Process)模块为系统的核心数据处理模块。数据输入端同Extract模块的数据输出端相连，写控制端口同样连至Extract模块的读有效端口。在该模块中，设置最大幅值(Qmax)、最大频率(F)、特征频段频谱功率(P)、特征频谱中四等分频谱区间(Q1～Q4)等参考变量，辅助频谱筛选程序决定是否将当前频谱保存至下一级存储单元中［11］。

在特征参数筛选算法中，由于FFT为256点算法，系统采样频率fs=5 000 Hz，频谱的步进M=5 000/256≈19.5，系统重点关心的100 Hz～1 500 Hz频率对应的十进制地址为5～77。当地址等于1时，将当前频谱中P、fx、max 3个参数清零而保留全局参数F;为避免噪声及无采样信号时对系统筛选的影响，设定频域数据最小有效阈值为16。该模块在Verilog中的实现如下:

4 测试结果

对ASIC进行时序仿真，结果如图5所示。nOE为低电平状态，此时时域数据从ADC送至ASIC，function_en跳变为低电平状态，系统处于process状态;当时间处于150 ms时，fft_outen跳变为高电平，此时FFT开始向core_process模块写频域数据，同时ampt_dout输出频谱摆幅;当时间至300 ms时，function_en跳变为高电平，系统处于发送状态，nOE跳变为高电平状态，ADC停止输出8 bit数字信号，read_en跳变为高电平，传感器发送数据，Qout开始密集发送串口数据，整个过程符合电路的设计要求。

图5 ASIC时序仿真

采用输入谐波为500 Hz和2 000 Hz的正弦波作测试信号进行功能验证。系统通过串口将数据发送至PC机，并通过MATLAB绘制数字听诊系统输出的频谱特性图。系统实时信号测得的频谱分析结果示于图6。可以看出，当f=500 Hz时，幅度(n)骤升至100 dB左右，当f=2 000 Hz时，n并未出现明显的跳变，表明系统正确识别了500 Hz的音频信号，同时滤除了2 000 Hz的信号(衰减-22 dB)，符合数字听诊系统的设计要求。

图6 数字听诊系统输出的频谱分析结果

文中设计的数字听诊器不仅操作简单，而且很好地保持了传统听诊器的外观和感觉，易于上手;价格上虽然比传统的听诊器略高，但相比使用其他大型精密器械进行诊断，大大降低了患者的医疗费用;同时很大程度地提高医生对听诊音的检测能力，并提供直观科学的数据，显示在外设显示器上，也可保留听诊数据及图表等供进一步的科学研究。数字听诊器的应用增强了听诊结果的准确性及科学性，同时打消了患者心中的疑虑。

5 结论

基于听诊音频谱分析设计并实现了一种精度高、噪声小的数字听诊系统。音频信号由硅麦克风接收，经过信号放大、滤波和模数转换后，由ASIC芯片进行处理并生成定量的音频谱分析报告。可针对人体不同部位的听诊音频信号进行了独立的数字滤波去噪，提高了听诊系统抗干扰的能力。和传统听诊主要依靠听觉和经验进行诊断的方式相比，基于数字听诊系统输出的听诊音频谱分析结果更直观精确，可为科学听诊预判提供帮助。

［1］曾昭耆.听诊的重要性［J］.中华全科医师杂志，2011，10(10):766-768.

［2］杜金榜，王跃科.仪器仪表技术的发展趋向［J］.仪器仪表学报，2002，23(z3):228-230，236.

［3］韦建敏，杨永明，郭巧惠，等.基于FPGA的实时心电信号处理系统设计［J］.电子器件，2005，28(3):581-583，588.

［4］Lee J，Je C H，Yang W S，et al.Thin MEMS Microphone Based on Package-Integrated Fabrication Process［J］.Electronics Letters，2012，48(14):866-867.

［5］Emmanuel B S.A Review of Signal Processing Techniques for Heart Sound Analysis in Clinical Diagnosis［J］.Journal of Medical Engineering and Technology，2012，36(5/6):303-307.

［6］丁英涛，李博，王竹萍，等.边界层分离点实时数据采集与处理系统的设计与实现［J］.北京理工大学学报，2011，31(11):1332-1336.

［7］杨拥民，黎湘.离散线性系统部分可观测性测试配置［J］.国防科技大学学报，2012，34(1):63-66

［8］谢海霞，孙志雄.可编程FIR滤波器的FPGA实现［J］.电子器件，2012，35(2):232-235.

［9］Tsao Y C，Choi K.Area-Efficient Parallel FIR Digital Filter Structures for Symmetric Convolutions Based on Fast FIR Algorithm［J］.IEEE Transactions on Very Large Scale Integration(VLSI)Systems，2012，20(2):366-371.

［10］陈智，王贵锋，柳莺，等.一种基于IP Core实现FFT变换的新方法［J］.自动化与仪器仪表，2012(2):163-164.

［11］马俊，陈学煌.基于DSP的多路数据采集系统设计［J］.电子技术应用，2007，33(12):79-81，85.