心音信号采集及自动识别系统

艾炜华 汤建明 巫昌霖 肖森源 黄 彬 曾庆宁

（桂林电子科技大学，广西 桂林 541004）

0 引言

随着我国经济的掘起，我们的生活方式同时也发生了翻天覆地的变化。首先是生活水平不断的攀升，导致人们高脂高糖的饮食恶习；其次生活节奏的加快，生活压力的增大等等增加了人们的紧张感和疲劳感，从而导致心血管疾病的发病率和死亡率呈上升趋势。据不完全统计，每年死于心脏病或心血管疾病的人数占总死亡人数中24.7%，且该数字仍在逐年增长。心音信号是某些心脏疾病的直观反映，对心音信号进行分析研究可以帮助人们及时的发现心血管疾病。传统的获取心音信息是通过心脏听诊来完成的，心脏听诊是无创检测的非常重要的一种方法，是心电图无法取代的。但是心脏听诊主要由经验丰富的医生完成，诊断的过程中难免会有医生的主观判断，当然医生的听力更加限制了医生的判断，所以仅仅以听觉判断心脏是否病变使得心音信号不能被充分利用。为了能有效的利用心音信号，本文从数字信号的角度深刻剖析了心音信号，从理论到实际对心音信号进行了一系列的研究，并且开发完成了一套心音信号采集及自动识别系统。该系统可以完成心音信号的采集、波形显示、存储数据、数据处理、自动诊断等功能，具体做的工作和研究内容如下。

1 心音信号采集系统

1.1 心音信号

心音是一种非平稳的时变生物医学信号，它受我们人体的内部器官以及外界的影响非常的明显。心音信号是一种特别微弱的信号，它的幅值只有几毫伏甚至更低，正常心脏在舒缩活动中产生的心音频率为1～800Hz。如图1 所示：从S1 开始到S2 开始这段时间是心缩期，持续时间较短；从S2 开始到下次S1 开始这段时间是心舒期，持续时间较长。

图1

我们要对心音信号进行分析研究，首先就是需要采集心音信号，最有效的就是利用生物医学传感器对微弱的心音信号进行采集。由于信号的微弱性，为了便于后期的处理我们需要对采集到的信号要进行放大、去噪等一系列的处理。

1.2 采集系统

心音信号采集系统主要由心音采集电路、USB 通信模块以及上位机显示界面等构成。主要包括采集电路的设计，A/D 转换，USB 通信和上位机软件的编写。首先将自制的心音传感器按照心脏听诊的要求放在合适的位置，然后对采集到的微弱心音信号进行前级放大，滤波处理，中间级的放大，并且利用耳机输出(便于进行听诊处理)，再对信号进行后级放大，经过A/D 转换将模拟信号转换为数字信号，单片机控制USB 将信号上传到PC 机，PC 机对采集到的信号实时显示以及保存得到的数据，完成信号的采集。

图2 心音采集系统总体框图

2 心音算法

使用了基于HHT 和PPA 的心音分段算法研究；首先利用希尔伯特-黄变换(HHT)进行心音包络的提取，HHT 方法是美籍华裔NordenE.Huang 教授在1998 提出的，这是一种全新的信号处理方法，对非线性信号尤其有效。EMD 方法和对应的希尔伯特谱称为Hilbert-Huang 变换，与传统的信号、数据处理方法相比，HHT 具有如下特点：

1）HHT 能分析非线性非平稳信号；

2）HHT 具有完全自适应性；

3）HHT 适合突变信号；

4）HHT 的瞬时频率是采用求导得到的；

HHT 方法分为两部执行：第一，用EMD 方法把信号分解成一些本征模态函数(IMF)，第二，对IMF 分量进行希尔伯特变换，得出Hilbert 谱[i]。

然后利用中值滤波对包络进行平滑处理，最后通过峰逐层算法(PPA)来消除多余的低幅度峰值。峰逐层算法是为了去除不需要的峰，保留需要的峰。算法的主要步骤如下：

（1）初始化：针对输入信号x 选择合适的评判标准a 和判决阈值θ，峰的分解层数L=0，循环条件STC=1；

（2）记输入信号的标准差为△；

（3）返回处理后的信号[ii]：

算法流程图如图3 所示：

图3 PPA 算法流程图

心音信号极易受周围环境的影响，在采集的过程中引入噪声是无可避免的。尽管本文设计了硬件滤波电路对信号进行滤波，但是这并不能达到我们想要的效果，这对后期的信号处理具有很大的影响。为此本文在后期处理前首先对信号进行预处理即去噪处理，然后对去噪后的信号进行心音分段处理。心音分段是心音分析的一个非常重要的环节，有效的提取出心音信号的S1 和S2，根据S1、S2 的持续时间，间隔时间等时域特征对心音进行分析，可以判断心脏是否病变。本文研究了一些常用的心音分段方法，使用了一种基于HHT 和PPA 的心音分段算法，包括首先利用希尔伯特-黄变换(HHT)进行心音包络的提取，然后利用中值滤波对包络进行平滑处理，最后通过峰逐层算法(PPA)来消除多余的低幅度峰值。经过大量实验证明本文使用的方法可以有效的提取心音信号的S1，S2，为后期的识别研究奠定了良好的基础。

本文利用小波变换实现心音信号的降噪处理：利用经典的MALLAT快速算法对心音信号进行分解重构，然后选择合适的软阈值函数得到去噪后的心音信号。其次使用了NASE 心音分段方法，并且使用了基于HHT 和PPA 的心音分段算法研究。实验结果表明本文提出的分段方法更能有效准确的对原始心音进行分段处理得到S1、S2；并且可以计算出S1，S2 的持续时间以及S1，S2 的间隔时间。为此我们可以判断心律不齐，为以后心音自动识别的研究奠定基础，并且本算法不需要额外信号作参考，简单快速。

3 心音信号的识别与分类

心音信号的识别与分类，是根据心音采集硬件系统采集到的不同人的心音信号进行分析和处理，找到不同心音信号与心脏疾病之间本质的内在联系，以实现心音信号的分类。由于心音信号对心血管疾病的诊断具有直观的反映，加之心音信号的复杂性使之在心音的分类中存在许多的困难，所以这么多年来心音信号的识别分类依旧是生物医学领域的研究热点。

使用了一种新的心音分类方法，利用支持向量机(SVM)对心音信号进行识别分类。图3 所示为在二维空间中不能够进行线性划分，通过一个变换映射到三维空间中，从而可以实现线性划分。假设有二维空间样本点(x1，x2)经过映射φ 得到三维空间的点虽然在二维空间中这两类样本点线性不可分，但是三维空间中存在一个平面可以把原来线性不可分的点进行线性划分。

图3 升维实现线性可分

表4 HMM 与SVM 的分类结果比较

4 软件部分

最后设计了一套基于Java 和Matlab 的GUI。该软件可以完成心音信号的采集、数据预处理、分段处理、识别分类等功能。可以对心音实现实时的采集并且观察采集到的信号，将采集到的信号进行处理，继而进行自动诊断，实验表明诊断结果真实可靠，为早日应用于临床诊断奠定了雄厚的基础。

［1］黄诚惕.希尔伯特-黄变换及其应用研究[D].西南交通大学，2006.

［2］L.J.Hadjileontiadis，I.T.Rekanos.Detection of explosive lung and bowel sounds by means of fractal dimension[J].IEEE Signal Process Letters，2003，10(10)：311-314.