CN103393435A - 一种胎心音信号包络的取得方法及装置 - Google Patents

Abstract

本发明涉及一种胎心音信号包络的取得方法，包括如下步骤：采集胎心音信号并对其进行预处理；取得模板信号，使用该模板信号对所述预处理后的胎心音信号进行匹配滤波，以取得其最大信噪比波形；对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化进行非线性峰值增强，进而得到所述匹配滤波后的胎心音信号的包络。本发明还涉及一种实现上述方法的装置。实施本发明的一种胎心音信号包络的取得方法及装置，具有以下有益效果：其不仅具有抗干扰能力较强的特点，而且可以使信号的周期特性更加明显，方便后续胎心率的计算。

Description

一种胎心音信号包络的取得方法及装置

技术领域

本发明涉及医疗设备领域，更具体地说，涉及一种胎心音信号包络的取得方法及装置。

背景技术

胎心率是临床判断胎儿健康状况的一项重要指标，由于时域运算具有较好的实时性，目前临床一般从时域进行胎心率计算。胎心音信号是一种快速变化的非平稳信号，其信号波动复杂多变，而胎心包络信号较胎心音信号更加简洁，变化相对缓慢，且同样蕴含着丰富的生理信息。在临床实践中常常利用对采集得到的胎心包络信号进行一系列的处理后计算获得胎心率值，因此，该包络信号的好坏直接关系到胎心率计算的准确性。目前，胎心音信号的包络提取一般采用硬件通过整流电路和积分器的方式获取原始信号包络。但是，这种方式得到的信号对原始胎心音信号的取得要求较高，抗干扰能力较差，效果也不是太理想。也有一些研究采用软件包络提取方法，在现有技术中，通常采用香农能量包络和希尔伯特包络提取方法。虽然软件包络提取方法具有许多优点，但是，香农能量包络方法有益于凸显原始信号中的中等强度幅值部分和抑制高强度和低强度成分，但对于中等强度的干扰信号同样会被增强，不利于胎心率计算。而希尔伯特包络方法将信号细节包络和主成分包络同时提取处理，有利于分析信号的瞬时频率，但抗干扰能力降低。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述抗干扰能力较低、信号周期特性易被掩盖的缺陷，提供一种抗干扰能力较强、且能够凸显信号周期特性的一种胎心音信号包络的取得方法及装置。

本发明解决其技术问题所采用的技术方案是：构造一种胎心音信号包络的取得方法，包括如下步骤：

A）采集胎心音信号并对其进行预处理；

B）由所述预处理后的胎心音信号中取得模板信号，使用该模板信号对所述预处理后的胎心音信号进行取得其最大信噪比波形的匹配滤波；

C）对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化进行非线性峰值增强，得到通过上述处理后的胎心音信号包络。

更进一步地，所述步骤C）中，按照E(n)＝x²(n)-x(n+1)*x(n-1)方式非线性增强所述匹配滤波后的胎心音信号中第n点的强度；其中，x(n)是所述匹配滤波后的胎心音信号中第n点的信号强度，x(n+1)是所述匹配滤波后的胎心音信号中第n+1点的信号强度，x(n-1)是所述匹配滤波后的胎心音信号中第n-1点的信号强度。

更进一步地，所述步骤B）中进一步包括：

B1）对预处理后的胎心音信号进行处理，得到其AR功率谱；

B2）以最大频率为中心进行前后搜索，确定所述胎心音信号的主频率边界；

B3）选择所述主频率边界内的信号频率边界谱进行快速傅里叶逆变换，得到胎心模板信号；

B4）采用所述胎心模板信号计算匹配滤波器的脉冲响应，得到匹配滤波系数；以所述得到的匹配滤波系数为初始值，并按照最小二乘自适应法对所述匹配滤波系数进行自适应调节；

B5）使用经过自适应调节的匹配滤波系数对所述胎心音信号进行滤波。

更进一步地，在所述步骤B2）中进一步包括：

B21）对得到的AR功率谱进行最大峰值的检测和归一化处理，并在归一化功率大于第一设定值的范围内计算归一化AR功率谱密度（即NAR-PSD，Normalized AR Power Spectrum Density）的面积；

B22）将所述归一化AR功率谱密度曲线与阈值线交叉点之间的频带定义为ΔF，将阈值线以设定步长向信号强度为零方向移动，同时以该最大峰值频率为中心向前、后搜索，当ΔF内的面积为所述归一化AR功率谱密度面积的70%-95%时，提取该功率谱边界为主频率边界。

更进一步地，所述步骤B4）中进一步包括：

B41）所述匹配滤波系数的初始值进行前向和后向预测误差，按时间更新方式迭代并分别得到所述前向预测误差系数和后向预测误差系数；

B42）分别使用所述前向预测误差系数和后向预测误差系数按照阶次迭代得到前向预测反射系数和后向预测反射系数；

B43）根据所述前向预测反射系数和后向预测反射系数与滤波器系数估计间的推导关系更新滤波器系数。

更进一步地，所述步骤B1）中进一步包括：

B11）选择最新得到的一段胎心音信号作为已知参数，分别得到其前向预测误差值和后向预测误差值，使用所述前向、后向预测误差值估计反射系数和预测误差值，从而得到预测误差滤波器的系数；

B12）比较所述得到的预测误差滤波器的系数与已经存在的预测误差滤波器的系数是否大于设定值，如是，重复步骤B11）进行下一次迭代；否则，执行下一步骤；

B13）输出当前得到的预测误差滤波器的系数，并使用最大熵表达式得到AR功率谱。

更进一步地，所述步骤B11）进一步包括：

B111）初始化预测误差功率值p₀、前向预测误差值f₀(n)和后向预测误差值g₀(n)，令m=1，即：

f₀(n)＝g₀(n)＝x(n)，0≤n≤N-1;

其中，p₀是第0阶预测误差功率值；f₀(n)是第0阶前向预测误差值；g₀(n)是第0阶后向预测误差值；x(n)是输入信号第n点的信号强度；N是信号长度；m是当前迭代阶数；

B112）根据计算得到m-1阶前向预测误差值f_m-1(n)和后向预测误差值g_m-1(n)计算m阶反射系数K_m：

$K_m=\frac{2\underset{n=m+1}{\overset{N}{\mathrm{\Σ}}}{f}_{m-1}\left(n\right)g_{m-1}^{*}(n-1)}{\underset{n=m+1}{\overset{N}{\mathrm{\Σ}}}[{\left|f_{m-1}\left(n\right)\right|}^2+{\left|g_{m-1}\left(n\right)\right|}^2]},$ m≤n≤N-1；

其中，

是g_m-1(n-1)的复共轭；

B113）根据m-1阶前向预测误差值f_m-1(n)和后向预测误差值g_m-1(n)和m阶反射系数K_m分别计算m阶前向预测误差值f_m(n)、后向预测误差值g_m(n)：

$\left[\begin{array}{c}{f}_m\left(n\right)\\ g_m\left(n\right)\end{array}\right]=\left[\begin{array}{cc}1& K_M\\ K_m& 1\end{array}\right]\left[\begin{array}{c}{f}_{m-1}\left(n\right)\\ g_{m-1}\left(n\right)\end{array}\right],$ m≤n≤N-1

B114）根据m阶反射系数K_m和m-1阶预测误差功率p_m-1计算m阶预测误差功率p_m：

p_m＝(1-|K_m|²)p_m-1；

B115）利用Levinson-Durbin递推算法计算高一阶预测滤波参数，并计算m阶AR参数A_m(z)，如下：

$\left\{\begin{array}{c}{a}_{m-1}\left(0\right)=1\\ a_m\left(i\right)=a_{m-1}\left(i\right)+K_m{a}_{m-1}^{*}(m-i)\\ a_m\left(m\right)=K_m\end{array}\right.,$ i＝1,...,m-1

$A_m\left(z\right)=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{a}_m\left(i\right)z^{-i};$

其中，a是所述滤波参数的子集，z是复变量，

是a_m-1(m-i)的复共轭。

本发明还涉及一种实现上述方法的装置，包括：

采集及预处理模块：用于采集胎心音信号并对其进行预处理；

匹配滤波模块：用于由所述预处理后的胎心音信号中取得模板信号，使用该模板信号对所述预处理后的胎心音信号进行取得其最大信噪比波形的匹配滤波；

包络取得模块：用于对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化进行非线性峰值增强，得到通过上述处理后的胎心音信号包络。

更进一步地，所述包络取得模块按照E(n)＝x²(n)-x(n+1)*x(n-1)方式非线性增强所述匹配滤波后的胎心音信号中第n点的强度；其中，x(n)是所述匹配滤波后的胎心音信号中第n点的信号强度，x(n+1)是所述匹配滤波后的胎心音信号中第n+1点的信号强度，x(n-1)是所述匹配滤波后的胎心音信号中第n-1点的信号强度。

更进一步地，所述匹配滤波模块进一步包括：

功率谱取得单元：用于对预处理后的胎心音信号进行处理，得到其AR功率谱；

主频率边界确定单元：用于以最大频率为中心进行前后搜索，确定所述胎心音信号的主频率边界；

模板信号单元：用于选择所述主频率边界内的信号频率边界谱进行快速傅里叶逆变换，得到胎心模板信号；

匹配滤波系数取得单元：用于采用所述胎心模板信号计算匹配滤波器的脉冲响应，得到匹配滤波系数；以所述得到的匹配滤波系数为初始值，并按照最小二乘自适应法对所述匹配滤波系数进行自适应调节；

滤波单元：用于使用经过自适应调节的匹配滤波系数对所述胎心音信号进行滤波。

实施本发明的一种胎心音信号包络的取得方法及装置，具有以下有益效果：由于从要处理的胎心音信号中取得模板信号，并该模板信号对胎心音信号进行取得其最大信噪比波形的匹配滤波；同时，对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化选取、确定其峰值点，进而得到所述匹配滤波后的胎心音信号的包络。这种方法在提高信号信噪比后进一步增强胎心节拍成分和抑制非节拍成分，凸显信号的周期性，提取更适用于胎心率计算的能量包络。因此，其不易被干扰信号干扰、抗干扰能力较强、效果较为理想。更进一步地，由于在匹配滤波时采用主频率范围内的信号频率边界谱构造匹配滤波模板，并根据信号特征自适应调整模板，更适合于对胎心音信号这类随机信号进行自适应滤波处理。

附图说明

图1是本发明一种胎心音信号包络的取得方法及装置实施例中的方法流程图；

图2是所述实施例中匹配滤波的流程图；

图3是所述实施例中确定边界频率的示意图；

图4是所述实施例中匹配滤波前后的信号比较示意图；

图5是所述实施例中胎心音信号包络获取效果示意图；

图6是所述实施例中实现上述方法的装置结构示意图。

具体实施方式

下面将结合附图对本发明实施例作进一步说明。

如图1所示，在本发明一种胎心音信号包络的取得方法及装置实施例中，该胎心音包络取得方法包括如下步骤：

步骤S11采集胎心音信号并进行预处理：在本步骤中，采集胎心音信号并对其进行预处理，即采用传感器在孕妇腹部拾取胎儿的胎心音信号，然后将该得到的胎心音信号经过硬件滤波、放大等处理后输入到采集设备进行数据采集；然后，对采集得到的胎心音信号进行预处理，如带通滤波等。

步骤S12由该胎心音信号中取得模板信号，使用该模板信号对该胎心音信号进行匹配滤波：在本步骤中，对上述步骤中经过预处理的胎心音信号进行匹配滤波，得到最大信噪比的滤波输出，以得到较强的抗干扰能力；其中，在匹配滤波中使用的模板信号，是在上述经过预处理的胎心音信号中得到并根据该预处理后的胎心音信号进行自适应调节而得到的，具体的操作步骤稍后详述。在对一个信号进行匹配滤波时，假设输入信号由信号与白噪声叠加组成，即x(n)＝s(n)+t(n)，则信号s(n)的频谱函数（或频域表达式）为该信号匹配率时的匹配滤波器传输特性

需满足：

其中，K为常数，

为信号频谱

的复共轭。

由于在匹配滤波过程中，模板滤波器的选择直接关系到滤波效果。而胎心音信号是一种典型的随机信号，无法确定其波形的具体形态，因此，模板的获取成为上述匹配滤波的关键。对于随机信号，从时域的角度无法准确的获得模板；但是，由于胎心音信号具有一定的近似周期性，可以作为一种平稳随机信号处理，因此可以在频域中获得一个相对理想的周期模板信号进行匹配滤波。同时，由于胎心音信号存在较大的个体差异（不同胎儿的胎心音信号的形态可能不同），且其频率与胎儿位置和采集位置等因素有关，因此可以通过自适应阈值确定最新一段（即当前采集的）胎心音信号主要频率所占频带范围，进而得到较适合的模板。请参见图4，在图4中，示出了原始信号和经过匹配滤波后得到的信号，其中，由图4中至上而下分别为波形A、B，A是原始波形，B是匹配滤波后的波形。可以看出，经过匹配滤波后的信号更为清晰，这是由于从原始信号中滤除了干扰信号而得到的。

步骤S13确定匹配滤波后胎心音信号的峰值点，得到胎心音信号的包络：在本步骤中，对上述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化选取、确定其峰值点，进而得到匹配滤波后的胎心音信号的包络。虽然匹配滤波可以获取比较高信噪比的信号，但是，对于时强时弱变化的信号，由于该信号的峰值特性不够明显，仅仅依靠一个具有较高的信噪比的信号，还不足以得到一个较为理想的包络。在本实施例中，若直接采用普通的包络提取方法，可能出现某些信号强度弱的信号段信号峰值被掩盖，出现类似“漏峰”现象，导致后期的胎心率计算准确率受到影响。为此，在本实施例中，根据相邻两个时刻内信号斜率的变化非线性增加信号强度，以凸显信号峰值，抑制干扰。具体按照下面的公式得到一个点的信号幅度或能量，该公式为：

E(n)＝x²(n)-x(n+1)*x(n-1)

其中，E(n)表示在n时刻的能量大小；x(n)是所述匹配滤波后的胎心音信号中第n点的信号强度，x(n+1)是所述匹配滤波后的胎心音信号中第n+1点的信号强度，x(n-1)是所述匹配滤波后的胎心音信号中第n-1点的信号强度。即由于胎心音信号在不同信号周期峰值强度存在差异，因此本实施例中采用上述方法对匹配滤波后的信号进行非线性峰值增强包络提取，使信号的周期特性更加明显，方便后续胎心率的计算。图5所示为一例胎心音信号经过峰值判断后的效果，其中，由图4中至上而下分别为波形A、B和C，A是原始信号，B是由原始信号得到的信号包络，C是经过本步骤处理后增强周期特性后的信号包络。由图5可以发现，在矩形框所示类似位置，相对于常规的包络提取方法，本实施例中的方法实现了对节拍间的干扰进行较好的抑制，有益于提高信号的周期特性。

在本实施例中，请参见图2，上述步骤S12进一步包括如下步骤：

步骤S21对预处理后的胎心音信号进行处理，得到其功率谱：在本步骤中，首先，需要将最新取得的、经过预处理后的一段胎心音信号进行变换，转换到频域，然后再计算其功率谱。具体而言，在本实施例中，按照极大熵原理对自相关函数进行外推，借助格形滤波器求出前向、后向预测误差的平均功率，然后使用前向、后向预测误差的平均功率准确估计反射系数来直接预测误差滤波器的系数，并将滤波器系数代入最大熵谱表达式间接估计AR模型参数并计算输入数据的功率。AR功率谱估计具体实施步骤为：

将最新获取的一段N点的胎心音信号x(n)作为已知参数，初始化预测误差功率值p₀、前向f₀(n)预测误差值和后向预测误差值g₀(n)，并令m=1：

f₀(n)＝g₀(n)＝x(n),0≤n≤N-1

其中，p₀是第0阶预测误差功率值；f₀(n)是第0阶前向预测误差值；g₀(n)是第0阶后向预测误差值；x(n)是输入信号第n点的信号强度；N是信号长度；m是当前迭代阶数；此处的信号是指前面所述的作为已知参数的胎心音信号。

根据计算得到的m-1阶前向预测误差值f_m-1(n)和后向预测误差值g_m-1(n)计算m阶反射系数K_m

$K_m=\frac{2\underset{n=m+1}{\overset{N}{\mathrm{\Σ}}}{f}_{m-1}\left(n\right)g_{m-1}^{*}(n-1)}{\underset{n=m+1}{\overset{N}{\mathrm{\Σ}}}[{\left|f_{m-1}\left(n\right)\right|}^2+{\left|g_{m-1}\left(n\right)\right|}^2]},$ m≤n≤N-1

根据m-1阶前向预测误差值f_m-1(n)、后向预测误差值g_m-1(n)和m阶反射系数K_m分别计算m阶前向预测误差值f_m(n)、后向预测误差值g_m(n)：

$\left[\begin{array}{c}{f}_m\left(n\right)\\ g_m\left(n\right)\end{array}\right]=\left[\begin{array}{cc}1& K_m\\ K_m& 1\end{array}\right]\left[\begin{array}{c}{f}_{m-1}\left(n\right)\\ g_{m-1}\left(n\right)\end{array}\right],$ m≤n≤N-1

根据m阶反射系数K_m和m-1阶预测误差功率P_m-1计算m阶预测误差功率P_m：

P_m＝(1-|K_m|²)P_m-1

由Levinson-Durbin递推算法计算高一阶预测滤波器参数，并计算m阶AR模型参数A_m(z)；

$\left\{\begin{array}{c}{a}_{m-1}\left(0\right)=1\\ a_m\left(i\right)=a_{m-1}\left(i\right)+K_m{a}_{m-1}^{*}(m-i)\\ a_m\left(m\right)=K_m\end{array}\right.,$ i＝1,...,m-1

$A_m\left(z\right)=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{a}_m\left(i\right)z^{-i}$

重复上述步骤中除初始化预测误差（即开始的一步）之外的其他步骤，进行下一次迭代，在每次迭代之前，都进行一次判断，判断本次迭代得到的测误差功率与前次的相比是否明显减小，如果不再明显减小（即两次迭代得到的预测误差功率的差值小于设定的一个值），输出预测滤波器系数和m阶AR模型参数，并代入Burg最大熵表达式，由Fejer-Riesz定理可知，此时的最大熵功率谱等价于信号AR功率谱。

其中，σ²为信号方差，A(z)为AR模型参数，

最大熵功率谱。

步骤S22以最大频率为中心前后搜索，得到主频率边界：在本步骤中，由于对于不同个体和不同胎位，胎心音信号的频率分布范围不同，为此，采用以最大频率为中心进行前后搜索的方式获取主频率边界，具体实施方案为：

首先，对计算得到的AR_PSD进行最大峰值(F_max)检测和归一化处理，并在归一化功率大于0.05的范围内计算NAR_PSD的面积；然后，将NAR_PSD曲线与阈值线(Thr)交叉点之间的频带范围定义为ΔF，将阈值线自0.4的位置以一定步长向0移动，同时以F_max为中心向前、后搜索，当ΔF内NAR_PSD面积最接近70%-95%时提取该功率谱边界作为主频率边界F_main。在本实施例中，优选地，当ΔF内NAR_PSD面积最接近85%时提取该功率谱边界作为主频率边界F_main。主频率边界获取示意图如图3所示，其中，图3a选取信号的时域示意图，图3b是该选取信号的PSD曲线示意图。

步骤S23对频率边界内的信号进行变换，得到胎心模板信号：本步骤中，在计算得到胎心音信号主频率边界后，选择信号主频率F_main范围内的信号频率边界谱做IFFT变换（快速傅里叶逆变换），将其转换到时域，从而构造一个比较理想的胎心模板信号。

步骤S24得到匹配滤波系数，并对其进行自适应调节：在本步骤中，采用上述得到的胎心模板信号计算匹配滤波器脉冲响应，获得匹配滤波器的传递函数，即匹配滤波系数。由于胎心音信号是一种典型的随机信号，需要根据最新获取的原始信号不断更新匹配滤波模板，在测试的过程中随着数据的不断更新，单独的依赖某一段信号计算获得匹配滤波模板可能出现滤波效果不佳的现象。所以，需要对匹配滤波系数进行不断调整，以保持匹配滤波的最佳状态，在本实施例中，采用最小二乘自适应算法调节匹配滤波系数。即：首先，在初始化前向、后向预测误差后，按时间更新方式迭代计算获得前向、后向预测误差相关系数，然后按照阶次迭代计算前向、后向预测反射系数，最后根据预测误差发射系数与滤波器系数估计间的关系更新滤波器系数。

步骤S25使用调节后的匹配滤波系数进行匹配滤波：采用自适应调节后的最新匹配滤波系数对胎心音信号进行滤波处理，N阶匹配滤波器可以表示为：

$y\left(n\right)=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}h\left(k\right)x(n-k)$

其中，h(k)为匹配滤波器系数，x(n)为输入信号，y(n)为滤波器输出信号。

此外，在本实施例中，还涉及一种实现上述方法的装置。如图6所示，该装置包括采集及预处理模块1、匹配滤波模块2和包络取得模块3。其中，采集及预处理模块1用于采集胎心音信号并对其进行预处理；匹配滤波模块2用于由所述预处理后的胎心音信号中取得模板信号，使用该模板信号对所述预处理后的胎心音信号进行取得其最大信噪比波形的匹配滤波；包络取得模块3用于对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化选取、确定其峰值点，进而得到所述匹配滤波后的胎心音信号的包络。在本实施例中，上述包络取得模块3按照E(n)＝x²(n)-x(n+1)*x(n-1)方式非线性增强所述匹配滤波后的胎心音信号中第n点的强度；其中，x(n)是匹配滤波后的胎心音信号中第n点的信号强度，x(n+1)是匹配滤波后的胎心音信号中第n+1点的信号强度，x(n-1)是匹配滤波后的胎心音信号中第n-1点的信号强度。

匹配滤波模块2进一步包括：功率谱取得单元21、主频率边界确定单元22、模板信号单元23、匹配滤波系数取得单元24和滤波单元25。其中，功率谱取得单元21用于对预处理后的胎心音信号进行处理，得到其AR功率谱；主频率边界确定单元22用于以最大频率为中心进行前后搜索，确定所述胎心音信号的主频率边界；模板信号单元23用于选择所述主频率边界内的信号频率边界谱进行快速傅里叶逆变换，得到胎心模板信号；匹配滤波系数取得单元24用于采用所述胎心模板信号计算匹配滤波器的脉冲响应，得到匹配滤波系数，并按照最小二乘自适应法对所述匹配滤波系数进行自适应调节；滤波单元25用于使用经过自适应调节的匹配滤波系数对所述胎心音信号进行滤波。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种胎心音信号包络的取得方法，其特征在于，包括如下步骤：

A）采集胎心音信号并对其进行预处理；

B）由所述预处理后的胎心音信号中取得模板信号，使用该模板信号对所述预处理后的胎心音信号进行取得其最大信噪比波形的匹配滤波；

C）对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化进行非线性峰值增强，得到通过上述处理后的胎心音信号包络。

2.根据权利要求1所述的胎心音信号包络的取得方法，其特征在于，所述步骤C）中，按照E(n)＝x²(n)-x(n+1)*x(n-1)方式非线性增强所述匹配滤波后的胎心音信号中第n点的强度；其中，x(n)是所述匹配滤波后的胎心音信号中第n点的信号强度，x(n+1)是所述匹配滤波后的胎心音信号中第n+1点的信号强度，x(n-1)是所述匹配滤波后的胎心音信号中第n-1点的信号强度。

3.根据权利要求2所述的胎心音信号包络的取得方法，其特征在于，所述步骤B）中进一步包括：

B1）对预处理后的胎心音信号进行处理，得到其AR功率谱；

B2）以最大频率为中心进行前后搜索，确定所述胎心音信号的主频率边界；

B3）选择所述主频率边界内的信号频率边界谱进行快速傅里叶逆变换，得到胎心模板信号；

B4）采用所述胎心模板信号计算匹配滤波器的脉冲响应，得到匹配滤波系数；以所述得到的匹配滤波系数为初始值，按照最小二乘自适应法对所述匹配滤波系数进行自适应调节；

B5）使用经过自适应调节的匹配滤波系数对所述胎心音信号进行滤波。

4.根据权利要求3所述的胎心音信号包络的取得方法，其特征在于，在所述步骤B2）中进一步包括：

B21）对得到的AR功率谱进行最大峰值的检测和归一化处理，并在归一化功率大于第一设定值的范围内计算归一化AR功率谱密度曲线的面积；

B22）将所述归一化AR功率谱密度曲线与阈值线交叉点之间的频带定义为ΔF，将阈值线以设定步长向信号强度为零方向移动，同时以该最大峰值频率为中心向前、后搜索，当ΔF内的面积为所述归一化AR功率谱密度面积的70%-95%时，提取该功率谱边界为主频率边界。

5.根据权利要求4所述的胎心音信号包络的取得方法，其特征在于，所述步骤B4）中进一步包括：

B41）对所述匹配滤波系数的初始值进行前向和后向预测误差，按时间更新方式迭代并分别得到所述前向预测误差系数和后向预测误差系数；

B42）分别使用所述前向预测误差系数和后向预测误差系数按照阶次迭代得到前向预测反射系数和后向预测反射系数；

B43）根据所述前向预测反射系数和后向预测反射系数与滤波器系数估计间的推导关系更新滤波器系数。

6.根据权利要求5所述的胎心音信号包络的取得方法，其特征在于，所述步骤B1）中进一步包括：

B11）选择最新得到的一段胎心音信号作为已知参数，分别得到其前向预测误差值和后向预测误差值，使用所述前向、后向预测误差值估计反射系数和预测误差值，从而得到预测误差滤波器的系数；

B12）比较所述得到的预测误差滤波器的系数与已经存在的预测误差滤波器的系数是否大于设定值，如是，重复步骤B11）进行下一次迭代；否则，执行下一步骤；

B13）输出当前得到的预测误差滤波器的系数，并使用最大熵表达式得到AR功率谱。

7.根据权利要求6所述的胎心音信号包络的取得方法，其特征在于，所述步骤B11）进一步包括：

B111）初始化预测误差功率值p₀、前向预测误差值f₀(n)和后向预测误差值g₀(n)，令m=1，即：

f₀(n)＝g₀(n)＝x(n)，0≤n≤N-1;

其中，p₀是第0阶预测误差功率值；f₀(n)是第0阶前向预测误差值；g₀(n)是第0阶后向预测误差值；x(n)是输入信号第n点的信号强度；N是信号长度；m是当前迭代阶数；

B112）根据计算得到m-1阶前向预测误差值f_m-1(n)和后向预测误差值g_m-1(n)计算m阶反射系数K_m：

$K_m=\frac{2\underset{n=m+1}{\overset{N}{\mathrm{\Σ}}}{f}_{m-1}\left(n\right)g_{m-1}^{*}(n-1)}{\underset{n=m+1}{\overset{N}{\mathrm{\Σ}}}[{\left|f_{m-1}\left(n\right)\right|}^2+{\left|g_{m-1}\left(n\right)\right|}^2]},$ m≤n≤N-1；

其中，是g_m-1(n-1)的复共轭；

B113）根据m-1阶前向预测误差值f_m-1(n)、后向预测误差值g_m-1(n)和m阶反射系数K_m分别计算m阶前向预测误差值f_m(n)、后向预测误差值g_m(n)：

$\left[\begin{array}{c}{f}_m\left(n\right)\\ g_m\left(n\right)\end{array}\right]=\left[\begin{array}{cc}1& K_M\\ K_m& 1\end{array}\right]\left[\begin{array}{c}{f}_{m-1}\left(n\right)\\ g_{m-1}\left(n\right)\end{array}\right],$ m≤n≤N-1

B114）根据m阶反射系数K_m和m-1阶预测误差功率p_m-1计算m阶预测误差功率p_m：

p_m＝(1-|K_m|²)p_m-1；

B115）利用Levinson-Durbin递推算法计算高一阶预测滤波参数，并计算m阶AR参数A_m(z)，如下：

$\left\{\begin{array}{c}{a}_{m-1}\left(0\right)=1\\ a_m\left(i\right)=a_{m-1}\left(i\right)+K_m{a}_{m-1}^{*}(m-i)\\ a_m\left(m\right)=K_m\end{array}\right.,$ i＝1，...，,m-1

$A_m\left(z\right)=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{a}_m\left(i\right)z^{-i};$

其中，a是所述滤波参数的子集，z是复变量，是a_m-1(m-i)的复共轭。

8.一种实现胎心音信号包络取得方法的装置，其特征在于，包括：

采集及预处理模块：用于采集胎心音信号并对其进行预处理；

匹配滤波模块：用于由所述预处理后的胎心音信号中取得模板信号，使用该模板信号对所述预处理后的胎心音信号进行取得其最大信噪比波形的匹配滤波；

包络取得模块：用于对所述匹配滤波后的胎心音信号中按照相邻两个时刻内该信号的斜率变化进行非线性峰值增强，得到通过上述处理后的胎心音信号包络。

9.根据权利要求8所述的装置，其特征在于，所述包络取得模块按照E(n)＝x²(n)-x(n+1)*x(n-1)方式非线性增强所述匹配滤波后的胎心音信号中第n点的强度；其中，x(n)是所述匹配滤波后的胎心音信号中第n点的信号强度，x(n+1)是所述匹配滤波后的胎心音信号中第n+1点的信号强度，x(n-1)是所述匹配滤波后的胎心音信号中第n-1点的信号强度。

10.根据权利要求9所述的装置，其特征在于，所述匹配滤波模块进一步包括：

功率谱取得单元：用于对预处理后的胎心音信号进行处理，得到其AR功率谱；

主频率边界确定单元：用于以最大频率为中心进行前后搜索，确定所述胎心音信号的主频率边界；

模板信号单元：用于选择所述主频率边界内的信号频率边界谱进行快速傅里叶逆变换，得到胎心模板信号；

匹配滤波系数取得单元：用于采用所述胎心模板信号计算匹配滤波器的脉冲响应，得到匹配滤波系数；以所述得到的匹配滤波系数为初始值，并按照最小二乘自适应法对所述匹配滤波系数进行自适应调节；

滤波单元：用于使用经过自适应调节的匹配滤波系数对所述胎心音信号进行滤波。

Images