基于香农熵的心音信号检测方法研究

田文雪

（西安建筑科技大学，陕西 西安 710055）

基于香农熵的心音信号检测方法研究

田文雪

（西安建筑科技大学，陕西 西安 710055）

对于诊断心血管疾病的多种模态的医疗数据中，作为音频的心音信号一般在疾病发生病变之前就能表现出异常。文章主要对心音信号进行分析与处理，利用dbN对心音进行频段划分，去除心音噪声，利用香农熵提取心音包络并利用时间门限检测心音信号的特征点。

心音信号；dbN；香农熵；检测；心血管疾病

1 基于dbN小波的心音去噪

本文心音的音频信息利用普通音乐软件将其转换为WAV格式，之后利用MATLAB软件对心音信号分析与处理。心音信号主要包括两种噪声：一种是由环境、设备以及病人呼吸或移动所引起的噪声；另一种是指心脏收缩或者舒张过程中产生的杂音。文章采用小波算法对心音进行去噪，保留心音信号的主要成分：第一心音以及第二心音。

1.1 利用小波进行心音频带划分

由于心音的特征信号与不同噪声分布在不同的频带，本文选用紧支集正交小波对心音进行频带的划分，dbN小波可以对不同频率的信号进行分层分解。本文采用紧支集正交小波在阶数为6时对心音信号进行分解，根据不同的频率，对心音信号进行4层分解，每一层的频率分别为551～1 102 Hz，275～551 Hz，138～275 Hz以及0～138 Hz，这样心音信号的高频成分通过该4层分解会被消除掉。经过小波对心音信号按照不同频带的划分，心音的特征信号主要集中在0～138 Hz的频段内，而噪声部分主要分布在其他频段内。在经过db小波对频带进行划分后利用香农熵即可表示心音信号各个波段的特征值。

2 基于香农熵的心音信号特征检测

2.1 心音信号提取包络

在去噪后的基础上对心音进行分段定位，目前研究表明，对心音进行分段定位需要利用包络提取的方法，该方法能够清楚地得到心音波形的形状特征，从而能够得到心音的不同分段。本文利用香农熵法对心音信号进行包络提取。

香农熵提取心音包络步骤如下：

首先对经过预处理后的心音信号进行归一化。

归一化后对心音信号进行分段，计算平均香农熵。

其中N表示在特定步长T的信号长度，最后将分段获得的香农熵再进行归一化处理。

其中meanEs(t)是归一化的香农熵均值，S(Es(t))是其标准差。

在对心音进行包络提取的过程中一般需要考虑包络是否平滑以及包络的边缘是否出现波动这两个因素。利用香农熵对心音信号进行包络提取后，提取波形的峰值点，然后对包络进行归一化，以时间门的形式来体现心音的能量分布，一般而言，时间门的起点与终点基本可以作为第一心音与第二心音起止点的参考点。以时间门的形式体现心音包络的能量分布，并对第一心音与第二心音的起止点进行确定。

2.2 检测结果分析与比较

本文心音音频数据来源于网上有诊断结果的音频数据，其中包括二尖瓣膜狭窄、第一第二心音间隔异常、第二心音肥厚，心音分裂等疾病的原始音频数据以及诊断结果。本文对于心音的检测中包括第一心音、第二心音的峰值点的幅值以及第一心音与第二心音的起止点位置。

以心音分裂及狭窄为例对以上处理过程进行分析与验证。对去噪后的心音信号利用小波进行频段划分，其结果如图1所示，最后经过小波的分解与重构，心音去噪后的结果如图2所示。

图1 心音频段划分结果

利用香农熵进行心音包络提取以及利用时间门确定第一心音对于第二心音的起点与终点位置。其处理结果如图3—4所示。

根据以上对心音信号的分析结果，对第一心音、第二心音的起止点以及峰值点位置进行确定。起止点的特征信息中包括时间信息，第一心音与第二心音的时长以及波峰位置，并将其作为后面疾病预测模型的样本数据参数进行输入。

3 结语

本文针对心音信号自身所具有的特点，利用小波算法对心音去噪，并利用db 6小波对心音信号进行频段划分，采用香农熵提取心音包络，并用时间门的方式表示心音的起止点位置，从而完成心音特征的检测。

图2 去噪后心音信号

图3 香农能量分布

图4 S1，S2时间门

[1]任方琴.基于频域的心音身份识别算法[D].杭州：杭州电子科技大学，2013.

[2]李战明，韩阳，韦哲，等.基于S变换的心音信号特征提取[J].振动与冲击，2012（21）：179-183.

[3]陈冠兰.基于多生理信息融合的心血管疾病检测技术研究[D].重庆：重庆理工大学，2013.

[4]陈国强.心音信号的提取和处理研究[D].西安：西安电子科技大学，2009.

Research on heart sound signal detection method based on Shannon entropy

Tian Wenxue
（Xi’an University of Architecture and Technology, Xi’an 710055, China）

For medical data that diagnoses a variety of modalities of cardiovascular disease, the heart sound signal as an audio is generally able to exhibit an abnormality before the disease occurring . In this paper, we mainly analyze and deal with the heart sound signal, using the dbN to segment the heart sound and to remove the heart sound noise, extracting the heart sound envelope with Shannon entropy and using the time threshold to detect the characteristic points of the heart sound signal.

heart sound signal; dbN; Shannon entropy; detection; cardiovascular disease

田文雪（1990— ），女，山东日照。