CN102302373A - 基于复用多分辨率小波变换的心音信号特征点检测方法 - Google Patents

Abstract

本发明提供一种基于复用多分辨率小波变换的心音信号特征点检测方法，该方法先通过多分辨率小波变换分解心音信号得到其细节信号，选择频带范围与第一心音和第二心音所在音频范围存在交集的细节信号对心音信号进行重构，然后再复用多分辨率小波变换对重构信号进行分解以求得第一心音和第二心音的包络特征，进而准确地检测到第一心音和第二心音的心音起始特征点和心音终止特征点。本发明方法通过复用多分辨率小波变换，准确提取到第一心音和第二心音的包络特征，不仅实现了心音信号特征点的计算机检测，还具有较高的检测准确度，为计算机设备自动计算、获取心音临床信息以及心功能自动无创检测分析设备的研发提供了技术基础。

Description

基于复用多分辨率小波变换的心音信号特征点检测方法

技术领域

本发明涉及医学诊断技术和信息处理技术领域，特别涉及一种基于复用多分辨率小波变换的心音信号特征点检测方法。

背景技术

作为一种人体生理信号之一，心音可用来评估心血管系统功能状态，是心脏及大血管机械运动状况的反映。特别是在一些心血管疾病还没有引起病理形态学改变及临床症状前，心音中出现的杂音和畸变提供了重要的临床诊断信息，因而可通过分析心音特征来提前预防某些疾病，因此，心音信号分析和特征提取具有重要意义。正常情况下，心音信号中第一心音S1的音频在20～150Hz之间，持续时间为0.10～0.16s，第二心音S2的音频在50～200Hz之间，持续时间为0.06～0.12s；因此第一心音和第二心音所在的音频范围为20～200Hz。其中，第一心音S1表示心室收缩期的开始，第二心音S2表示心室舒张期的开始，第一心音S1起始点与第二音信S2起始点的间期时长记为T_S(即收缩期持续时长)，第二音信S2起始点与第一心音S1起始点的间期时长记为T_D(即舒张期持续时长)，临床上常用比值T_D/T_S来判断心脏供血时间是否充足；同时，第一心音峰值h_S1的大小与心肌收缩能力的强弱有密切关系，临床上常用第一心音峰值h_S1和第二心音峰值h_S2之比h_S1/h_S2作为人体心功能的量化指标；此外，第一心音S1和第二心音S2的持续时间对于确定心音类型很重要，在临床上可用于判断心脏的生理和病理特性。上述这些心音临床信息，都需要依靠心音信号中第一心音S1和第二心音S2的心音起始特征点和心音终止特征点加以确定。因此，准确提取心音信号中第一心音S1和第二心音S2的心音起始特征点和心音终止特征点，是对心音信号进行正确分析、正确进行心功能评价的基础和关键。

心音信号通常采用心音监测仪进行采集，在心音信号采集过程中很可能会引入两类噪声：一类是由病人呼吸、移动、心尖搏动或其他环境因素引起的噪声；另一类噪声是在舒张期和收缩期由于病理情况的存在而引起的心杂音。这些噪声严重影响了心音信号中心音起始特征点和心音终止特征点的可识别性，增加了计算机识别的困难程度，因此绝大部分的临床诊断都依靠临床医师识别心音信号中第一心音和第二心音的持续时间，这不仅大大增加了临床医师的工作量，而且不同临床医师的专业知识水平和识别判定标准参差不齐，其检测识别难免出现误差，影响了心音临床信息诊断的准确性。

为了克服这一缺陷，领域内开始对心音信号中第一心音和第二心音的计算机分离、识别技术加以研究，力求通过计算机处理提取到心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点，以用于计算机设备进一步自动计算第一心音和第二心音的所在位置、持续时间，或用于进一步求取心音峰值、收缩期和舒张期的持续时长等心音临床信息。这些计算机自动获取心音临床信息的技术可以应用到心功能自动无创检测分析设备中，为分析参数的获取提供技术基础。现有技术中尝试过利用希尔伯特-黄变换(HHT)、平均Shannon能量变换、短时傅立叶变换等处理方法对心音信号中第一心音和第二心音进行计算机处理和分离；HHT在提取窄带载波信号的包络时效果很好，但对于心音信号，HHT将信号的高次谐波也提取了出来，去噪效果降低，从而影响了第一心音和第二心音包络的确定；平均Shannon能量变换由于突出了中等强度的信号，降低了低幅度信号和高幅度信号的影响，可以较早发现中高幅度的信号，因此提取的心音包络比较光滑，但对心杂音敏感，效果不佳；短时傅立叶变换原理简单，计算速度也比较快，但结果依赖于窗函数的选择，对于不同的心音信号，可能需要不同的窗函数才能得到比较好的心音包络线，在实际应用中比较困难。

发明内容

针对现有技术存在的上述不足，本发明为了解决计算机提取心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点比较困难的问题，而提出一种基于复用多分辨率小波变换的心音信号特征点检测方法，以助于计算机设备自动计算、获取心音临床信息，为心功能自动无创检测分析设备提供技术基础。

为实现上述目的，本发明采用了如下的技术手段：

基于复用多分辨率小波变换的心音信号特征点检测方法，将采集的心音信号输入计算机，通过计算机处理获得心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点；所述计算机处理的具体包括以下步骤：

1)对采集的心音信号进行下采样处理，得到下采样后的心音信号Xs(n)：

Xs(n)＝{xs(n)|n＝1，2，...，N}；

xs(n)表示心音信号Xs(n)中第n个采样点的幅值，N表示采样点数；

2)对心音信号Xs(n)采用多分辨率小波变换进行K级分解，得到心音信号Xs(n)的逼近信号

和K个细节信号

且有：

$\mathrm{Xs}\left(n\right)=X_K^a\left(n\right)+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_k^d\left(n\right);$

3)从所述K个细节信号中选择频带范围与第一心音和第二心音所在音频范围存在交集的细节信号进行叠加，得到心音信号Xs(n)的重构信号Xw(n)：

$\mathrm{Xw}\left(n\right)=\underset{k=i}{\overset{i+L}{\mathrm{\Σ}}}{X}_k^d\left(n\right);$

其中，

表示频带范围与第一心音和第二心音所在音频范围存在交集的细节信号，且K≥(i+L)≥i≥1；

4)根据预先设定的阈值Th₁，通过下式计算得到重构信号Xw(n)对应的初始时间门信号Ew(n)：

Xw(n)＝{xw(n)|n＝1，2，...，N}，Ew(n)＝{ew(n)|n＝1，2，...，N}；

其中，xw(n)表示重构信号Xw(n)中第n个采样点的幅值，ew(n)表示初始时间门信号Ew(n)中第n个采样点的幅值；

5)对初始时间门信号Ew(n)复用多分辨率小波变换进行M级分解，得到初始时间门信号Ew(n)的逼近信号

和M个细节信号

且有：

$\mathrm{Ew}\left(n\right)=E_M^a\left(n\right)+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{E}_m^d\left(n\right);$

6)根据预先设定的阈值Th₂，通过下式计算得到重构信号Xw(n)对应的时间门信号E(n)：

$E_M^a\left(n\right)=\left\{e_M^a\left(n\right)\right|n=\mathrm{1,2},...,N\},$ E(n)＝{e(n)|n＝1，2，...，N}；

其中，

表示初始时间门信号Ew(n)的逼近信号中第n个采样点的幅值，e(n)表示时间门信号E(n)中第n个采样点的幅值；

7)取j＝1，2，...，N，若n＝j时，在时间门信号E(n)中有e(n)＝1且e(n-1)＝0，则判定心音信号Xs(n)中第j个采样点为一个心音起始特征点；若n＝j时，在时间门信号E(n)中有e(n)＝1且e(n+1)＝0，则判定心音信号Xs(n)中第j个采样点为一个心音终止特征点；由此求得心音信号Xs(n)中所有第一心音和第二心音的心音起始特征点和心音终止特征点。

进一步，所述下采样处理的采样频率范围为500～8000Hz。

进一步，所述K的取值范围为4～8。

进一步，所述M的取值范围为4～8。

进一步，所述阈值Th₁的取值范围为0.05～0.2，阈值Th₂的取值范围为0.1～0.3。

相比现有技术，本发明具有如下有益效果：

1、本发明方法中，首先对采集到的心音信号采用多分辨率小波变换进行多级分解，根据心音信号中第一心音和第二心音所在的音频范围，取频带范围与之存在交集的细节信号重构心音信号，这样不仅去除了心音信号中的大部分低频、高频噪音，同时还保留了第一心音和第二心音的频率特征，大幅削弱了噪声对特征点检测的负面影响。

2、在得到重构信号后，求取其对应的初始时间门信号，再复用多分辨率小波变换进行多级分解，通过分解得到的逼近信号准确提取到第一心音和第二心音的包络特征，根据此包络特征求得心音信号中所有第一心音和第二心音的心音起始特征点和心音终止特征点，提高了心音信号特征点检测的准确度。

3、本发明方法实现了计算机对心音信号中特征点的检测，不仅降低了临床医师的工作量，克服了人工手动检测的误差，还可应用于计算机设备自动计算、获取心音临床信息，为心功能自动无创检测分析设备提供技术基础。

4、本发明基于复用多分辨率小波变换的心音信号特征点检测方法，同时具备较高的心音信号特征点检测准确性和鲁棒性。

附图说明

图1为本发明方法的流程框图；

图2为实施例中心音监测仪采集的原始心音信号波形图；

图3为实施例中按2000Hz采样频率进行下采样处理后的心音信号Xs(n)的波形图；

图4为图3所示心音信号Xs(n)经多分辨率小波变换进行6级分解所得的逼近信号和细节信号的波形图；

图5为实施例中重构信号Xw(n)的波形图；

图6为图5所示重构信号Xw(n)对应的初始时间门信号Ew(n)的波形图；

图7为图6所示初始时间门信号Ew(n)复用多分辨率小波变换进行6级分解所得的逼近信号和细节信号的波形图；

图8为图5所示重构信号Xw(n)对应的时间门信号E(n)的波形图；

图9为图3所示心音信号Xs(n)的特征点检测结果图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步说明：

本发明提出了一种基于复用多分辨率小波变换的心音信号特征点检测方法，其中所谓的心音信号特征点，是指心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点。如前文所述，若能够获知心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点，便能够简便地求取得到第一心音和第二心音的所在位置和持续时间、心音峰值、心脏收缩期和舒张期的持续时长等心音临床信息，用于判断心脏供血能力、心脏生理和病理特性等等；因此，计算机处理获取心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点的技术，是心功能自动无创检测分析设备研发前沿领域的技术基础，具有广阔的医疗技术产业应用前景。本发明正是针对这一目的，解决现有技术中计算机提取心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点比较困难的问题，而提出这一心音信号特征点检测方法的。下面通过实施例对本发明的实际应用和效果做进一步说明。

实施例：

图2是由心音监测仪采集的一段时长4.5秒的心音信号，采样频率是11025Hz，从心音信号中可以看到，心脏收缩期间紧随第一心音之后，跟随有明显的心杂音信号，如果直接根据所采集心音信号的包络特征检测特征点的话，心杂音信号就会导致特征点检测出现较大的偏差。

本实施例采用本发明的基于复用多分辨率小波变换的心音信号特征点检测方法对图2所示的心音信号进行特征点检测，处理流程如图1所示，将该采集到的心音信号输入计算机，通过计算机处理获得该心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点；计算机处理的具体包括以下步骤：

1)对采集的心音信号进行下采样处理，得到下采样后的心音信号Xs(n)：

Xs(n)＝{xs(n)|n＝1，2，...，N}；

xs(n)表示心音信号Xs(n)中第n个采样点的幅值，N表示采样点数。

下采样处理的采样频率是根据第一心音和第二心音所在的频率范围和采样定理确定的；由于第一心音和第二心音所在的频率范围在20～200Hz，为了保持心音信号中第一心音和第二心音的特征完整性，下采样处理的采样频率应大于20～200Hz中最高频率的两倍；可是下采样处理的采样频率又直接影响后续处理过程中的计算机运算量，采样频率越高，后续处理过程中的计算机运算量越大。基于上述两方面考虑，兼顾采样定理与计算速度的要求，下采样处理的采样频率的适宜范围选择为500～8000Hz。

本实施例按2000Hz的采样频率对图1所示的心音信号进行下采用，采样周期为0.5毫秒，因此4.5秒的心音信号经2000Hz下采样后采样点数为9000个，即N为9000；下采样后所得的心音信号Xs(n)如图3所示。

2)对心音信号Xs(n)采用多分辨率小波变换进行K级分解，得到心音信号Xs(n)的逼近信号

和K个细节信号

且有：

$\mathrm{Xs}\left(n\right)=X_K^a\left(n\right)+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_k^d\left(n\right).$

采用多分辨率小波变换对数据进行多级分解的方法，在现有技术中运用较多，例如《基于多分辨小波变换的相位匹配》(周军等.《科学技术与工程》2002年第2卷第3期；48～50页)、《应用多分辨率小波变换提取脑电信号异常节律》(季忠等.《重庆大学学报》2002年7月底25卷第7期；144～151页)、《二维多分辨率小波变换在生物图像处理中的应用》(张莉等.《重庆医学》2007年12月第36卷第23期；2399～2304页)等文献中，对于采用多分辨率小波变换对数据进行多级分解的具体做法都有明确介绍，都主要是利用多分辨率小波变换对数据进行去噪处理；因此，本文不再对多分辨率小波变换的具体过程加以赘述。采用多分辨率小波变换对心音信号Xs(n)进行多级分解的级数K，则需要根据下采样处理的采样频率以及第一心音和第二心音所在频带范围来确定；根据多分辨率小波变换方法，分解所得的细节信号

和逼近信号

以下采样处理的采样频率的1/2到零赫兹频率范围之间的倍频点作为频带分界点，而为了保证各细节信号能够覆盖第一心音和第二心音所在频带范围，细节信号

与逼近信号

的频带分界频率值应该小于等于第一心音和第二心音所在频带范围的最小频率。由于下采样处理的采样频率的适宜范围为500～8000Hz，同时第一心音和第二心音所在频带范围为20～200Hz，因此基于上述考虑，分解级数K的适宜取值范围为4～8。

本实施例中采样频率为2000Hz，因此取K＝6，对图2所示的心音信号Xs(n)采用多分辨率小波变换进行6级分解，即有：

$\mathrm{Xs}\left(n\right)=X_6^a\left(n\right)+\underset{k=1}{\overset{6}{\mathrm{\Σ}}}{X}_k^d\left(n\right);$

分解所得逼近信号

的频带范围为0～15.875Hz，细节信号

的频带范围为15.875-31.75Hz，细节信号的频带范围为31.75-62.5Hz，细节信号

的频带范围为62.5-125Hz，细节信号

的频带范围为125-250Hz，细节信号

的频带范围为250～500Hz，细节信号

的频带范围为500～1000Hz。逼近信号

和6个细节信号

的信号波形如图4所示。

3)从所述K个细节信号中选择频带范围与第一心音和第二心音所在音频范围存在交集的细节信号进行叠加，得到心音信号Xs(n)的重构信号Xw(n)：

$\mathrm{Xw}\left(n\right)=\underset{k=i}{\overset{i+L}{\mathrm{\Σ}}}{X}_k^d\left(n\right);$

其中，

表示频带范围与第一心音和第二心音所在音频范围存在交集的细节信号，且K≥(i+L)≥i≥1；L即表示频带范围与第一心音和第二心音所在音频范围存在交集的细节信号的数量。

由于第一心音和第二心音所在的音频范围为20～200Hz，在本实施例中，频带范围为15.875-31.75Hz的细节信号

频带范围为31.75-62.5Hz的细节信号

频带为范围62.5-125Hz的细节信号

和频带范围为125-250Hz的细节信号

均与第一心音和第二心音所在音频范围存在交集，因此取细节信号

和

进行重构得到重构信号Xw(n)：

$\mathrm{Xw}\left(n\right)=X_6^d\left(n\right)+X_5^d\left(n\right)+X_4^d\left(n\right)+X_3^d\left(n\right);$

该重构信号Xw(n)的信号波形如图5所示；从图5中可以看到，相比于心音信号Xs(n)而言，重构信号Xw(n)因去除了心音信号中的大部分低频、高频噪音，并保留了第一心音和第二心音的频率特征，因此更加清晰的体现出了第一心音和第二心音的波形特征，所以针对重构信号Xw(n)进行第一心音和第二心音的心音起始特征点和心音终止特征点的检测，便能够大幅削弱噪声对特征点检测的负面影响，提高计算机对心音信号特征点的识别性能。接下来对重构信号Xw(n)进行处理。

4)根据预先设定的阈值Th₁，通过下式计算得到重构信号Xw(n)对应的初始时间门信号Ew(n)：

Xw(n)＝{xw(n)|n＝1，2，...，N}，Ew(n)＝{ew(n)|n＝1，2，...，N}；

其中，xw(n)表示重构信号Xw(n)中第n个采样点的幅值，ew(n)表示初始时间门信号Ew(n)中第n个采样点的幅值。

阈值Th₁是需要预先设定在计算机中的一个预置参数，用于作为判定重构信号Xw(n)中第一心音和第二心音起振时刻的幅值门限；由于重构信号Xw(n)中除第一心音和第二心音以外还可能存在细微波动信号，因此阈值Th₁还有屏蔽这些细微波动的作用。介于上述两方面原因，阈值Th₁的适宜取值范围为0.05～0.2。

本实施例中，取阈值Th₁的值为0.1，由此得到的重构信号Xw(n)对应的初始时间门信号Ew(n)如图6所示，可以看到经过该步骤的处理，使得第一心音和第二心音的波形特征得以放大和归一化，更有利于提取第一心音和第二心音的包络特征。而第一心音和第二心音包络特征的求取，本发明采用了复用多分辨率小波变换的方法，详见下一步骤。

5)对初始时间门信号Ew(n)复用多分辨率小波变换进行M级分解，得到初始时间门信号Ew(n)的逼近信号

和M个细节信号

且有：

$\mathrm{Ew}\left(n\right)=E_M^a\left(n\right)+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{E}_m^d\left(n\right).$

在该步骤中，复用多分辨率小波变换对初始时间门信号Ew(n)进行多级分解，不再是为了去噪处理，而是为了取分解所得的逼近信号

以得到第一心音和第二心音的清晰包络特征，以便于在接下来的处理步骤中能对第一心音和第二心音准确定位，提高心音信号特征点检测的精确度；此处基于采样频率以及包络特征的清晰程度，对初始时间门信号Ew(n)复用多分辨率小波变换进行多级分解的分解级数M的取值适宜范围为4～8。

本实施例取M＝6，对图6所示的初始时间门信号Ew(n)复用多分辨率小波变换进行6级分解，分解所得的逼近信号和6个细节信号

的信号波形如图7所示，可以看到逼近信号很好地体现出了第一心音和第二心音的包络特征。

6)根据预先设定的阈值Th₂，通过下式计算得到重构信号Xw(n)对应的时间门信号E(n)：

$E_M^a\left(n\right)=\left\{e_M^a\left(n\right)\right|n=\mathrm{1,2},...,N\},$ E(n)＝{e(n)|n＝1，2，...，N}；

其中，

表示初始时间门信号Ew(n)的逼近信号中第n个采样点的幅值，e(n)表示时间门信号E(n)中第n个采样点的幅值。

阈值Th₂也是需要预先设定在计算机中的一个预置参数，用于作为判定时间门信号E(n)中第一心音和第二心音的包络覆盖范围的幅值门限；由于初始时间门信号Ew(n)的逼近信号中除第一心音和第二心音包络以外还可能存在细微波动信号，因此阈值Th₂还可屏蔽这些细微波动的作用。介于上述两方面原因，且考虑到前期对第一心音和第二心音的波形特征的放大处理可能会带来细微波动随之放大的因素，阈值Th₂的取值应适当地大于阈值Th₁，因此阈值Th₂的适宜取值范围为0.1～0.3。

本实施例中，取阈值Th₂的值为0.2，由此得到的重构信号Xw(n)对应的时间门信号E(n)如图8所示，可以看到图中时间门信号E(n)(虚线所示)幅值为1的覆盖范围即为第一心音和第二心音的包络覆盖范围。

7)取j＝1，2，...，N，若n＝j时，在时间门信号E(n)中有e(n)＝1且e(n-1)＝0，则证明第j个采样点为一个第一心音或者一个第二心音包络覆盖范围的起始点，因此判定心音信号Xs(n)中第j个采样点为一个心音起始特征点；若n＝j时，在时间门信号E(n)中有e(n)＝1且e(n+1)＝0，则证明第j个采样点为一个第一心音或者一个第二心音包络覆盖范围的终止点，因此判定心音信号Xs(n)中第j个采样点为一个心音终止特征点；由此求得心音信号Xs(n)中所有第一心音和第二心音的心音起始特征点和心音终止特征点。

本实施例的心音信号特征点检测结果如图9所示。图9中时间门信号E(n)(虚线所示)的上升沿采样点即为第一心音和第二心音的心音起始特征点，下降沿采样点即为第一心音和第二心音的心音终止特征点。由图9可见，根据本发明方法所得特征点确定的第一心音和第二心音包络覆盖范围排除了原始采集的心音信号中心杂音信号部分，实现了对第一心音和第二心音的准确定位。在对本发明方法所得特征点的具体应用操作过程中，可通过计算机对求得的各个心音起始特征点和心音终止特征点作不同的标记以便识别，则心音信号中一个心音起始特征点与紧随其后的一个心音终止特征点之间的信号范围即可判定为第一心音S1或第二心音S2；至于第一心音S1与第二心音S2的区别方法，可以采用峰值比较、持续时间比较、结合心电图波形特征等方法实现。利用心音起始特征点和心音终止特征点求得心音信号中的第一心音S1与第二心音S2后，计算机可根据第一心音S1起始点到紧随其后的第二心音S2起始点找到心脏收缩期S、根据第二心音S2起始点到紧随其后的第一心音S1起始点找到心脏舒张期D，进一步根据采样点序号的差值以及采样周期(或者采样频率)求得第一心音持续时间T_S1、第二心音持续时间T_S2、收缩期持续时长T_S和舒张期持续时长T_D；还可以根据相邻两个第一心音S1(或相邻两个第二心音S2)的间隔时间求取平均心率HR；更进一步，还可以在第一心音S1持续时间内计算第一心音峰值h_S1，在第二心音S2持续时间内计算第二心音峰值h_S2，等等。

在本实施例中，根据图9所示的心音信号特征点检测结果而得到的心音临床信息参数如表1所示：

表1

由此可见，本发明方法通过计算机得到心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点，为计算机求取心音临床信息参数提供了技术基础，从而使得计算机设备自动计算、获取心音临床信息的实现成为可能，降低了临床医师的工作量，克服了人工手动检测的误差。本发明方法还同时具备较高的检测准确性和鲁棒性，确保了计算机执行效率，如果将本发明方法技术应用到心音研究前沿领域，可以为心功能自动无创检测分析设备的研发提供技术基础，可见其重要意义。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.基于复用多分辨率小波变换的心音信号特征点检测方法，其特征在于，将采集的心音信号输入计算机，通过计算机处理获得心音信号中第一心音和第二心音的心音起始特征点和心音终止特征点；所述计算机处理的具体包括以下步骤：

1)对采集的心音信号进行下采样处理，得到下采样后的心音信号Xs(n)：

Xs(n)＝{xs(n)|n＝1，2，...，N}；

xs(n)表示心音信号Xs(n)中第n个采样点的幅值，N表示采样点数；

2)对心音信号Xs(n)采用多分辨率小波变换进行K级分解，得到心音信号Xs(n)的逼近信号

和K个细节信号

且有：

$\mathrm{Xs}\left(n\right)=X_K^a\left(n\right)+\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{X}_k^d\left(n\right);$

3)从所述K个细节信号中选择频带范围与第一心音和第二心音所在音频范围存在交集的细节信号进行叠加，得到心音信号Xs(n)的重构信号Xw(n)：

$\mathrm{Xw}\left(n\right)=\underset{k=i}{\overset{i+L}{\mathrm{\Σ}}}{X}_k^d\left(n\right);$

其中，表示频带范围与第一心音和第二心音所在音频范围存在交集的细节信号，且K≥(i+L)≥i≥1；

4)根据预先设定的阈值Th₁，通过下式计算得到重构信号Xw(n)对应的初始时间门信号Ew(n)：

Xw(n)＝{xw(n)|n＝1，2，...，N}，Ew(n)＝{ew(n)|n＝1，2，...，N}；

其中，xw(n)表示重构信号Xw(n)中第n个采样点的幅值，ew(n)表示初始时间门信号Ew(n)中第n个采样点的幅值；

5)对初始时间门信号Ew(n)复用多分辨率小波变换进行M级分解，得到初始时间门信号Ew(n)的逼近信号

和M个细节信号

且有：

$\mathrm{Ew}\left(n\right)=E_M^a\left(n\right)+\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{E}_m^d\left(n\right);$

6)根据预先设定的阈值Th₂，通过下式计算得到重构信号Xw(n)对应的时间门信号E(n)：

$E_M^a\left(n\right)=\left\{e_M^a\left(n\right)\right|n=\mathrm{1,2},...,N\},$ E(n)＝{e(n)|n＝1，2，...，N}；

其中，

表示初始时间门信号Ew(n)的逼近信号

中第n个采样点的幅值，e(n)表示时间门信号E(n)中第n个采样点的幅值；

7)取j＝1，2，...，N，若n＝j时，在时间门信号E(n)中有e(n)＝1且e(n-1)＝0，则判定心音信号Xs(n)中第j个采样点为一个心音起始特征点；若n＝j时，在时间门信号E(n)中有e(n)＝1且e(n+1)＝0，则判定心音信号Xs(n)中第j个采样点为一个心音终止特征点；由此求得心音信号Xs(n)中所有第一心音和第二心音的心音起始特征点和心音终止特征点。

2.根据权利要求1所述的基于复用多分辨率小波变换的心音信号特征点检测方法，其特征在于，所述下采样处理的采样频率范围为500～8000Hz。

3.根据权利要求1所述的基于复用多分辨率小波变换的心音信号特征点检测方法，其特征在于，所述K的取值范围为4～8。

4.根据权利要求1所述的基于复用多分辨率小波变换的心音信号特征点检测方法，其特征在于，所述M的取值范围为4～8。

5.根据权利要求1所述的基于多分辨率小波变换的心音信号特征点检测方法，其特征在于，所述阈值Th₁的取值范围为0.05～0.2，阈值Th₂的取值范围为0.1～0.3。

Images