CN105787946A - 一种非负盲分离胎心音分析方法及装置 - Google Patents

Abstract

本发明是一种非负盲分离胎心音分析方法及装置，包括如下步骤：1）采集胎儿心音信号；2）对采集到的胎儿心音信号进行预处理，预处理过程采用既能有效去除噪声又能保持信号的局部奇异性的小波变换；3）把预处理后的信号变换到时频域，取得非负频谱，采用的方法为：对预处理后的信号求wigner‑ville分布并求模得到其幅度谱；4）利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量；5）绘制包络曲线；6）对包络进行分析，设定双阈值实现包络分段，并计算瞬时心率。本发明灵活性好，能够较准确的对胎心音信号分段，瞬时心率识别准确率高。

Description

一种非负盲分离胎心音分析方法及装置

技术领域

本发明涉及一种非负盲分离胎心音分析方法及装置，属于医疗器械技术领域，特别是胎儿监护技术领域。

背景技术

大多数胎儿发育不良甚至胎儿窒息是由于在母体子宫内出现窘迫引起的，对围产阶段母体内的胎儿进行监护是保障胎儿和产妇安全，实现国家优生优育的重要手段。由于心音是心脏及大血管机械运动状况的反映，在一些心血管疾病尚未发展到足以产生病理形态学改变及临床症状以前，心音中出现的杂音和畸变已经预示着疾病的发生，通过对其进行分析可以实现疾病的早期诊断和干预。对胎儿心音信号的分析是胎心监护的一项重要手段。作为胎心音信号分析的基础，胎心音信号分段算法的研究具有重大的临床意义；另外，胎儿心率的变化是循环系统和中枢神经系统机能调节的表现，对胎儿进行实时心率检测可以了解胎儿在子宫的储备能力，以及乏氧的耐受力，研究胎儿瞬时心率提取方法对提高新生儿质量具有重要的现实意义。

目前针对胎儿心音信号的分段方法主要有：a.人工分段，由经验丰富的医生来完成，其优点是分段准确，但严重依赖医生的经验；b.参考心电图的分段算法，心电的R波、T波与心音的S1、S2在时间上存在匹配关系，但引入心电信号增加了仪器的复杂性，而且面临准确识别R、T波的问题；c.简单基于信号能量的分段算法，该算法只根据心音自身特点进行分段，无需其他辅助，缺点是分段边界不准确。

针对胎儿瞬时心率的提取，由于采集的胎心音信号大都混杂有幅度大、分布广的噪声干扰，胎儿身体在母亲体内运动时的声音信号强弱变化幅度也比较大，在时域和频域上，这些干扰信号混叠在一起，对胎儿心音信号的瞬时心率计算造成很大的影响。目前针对胎儿瞬时心率提取的研究包括：a.基于心电模式的匹配滤波法，由于R波定位之前的匹配滤波对模版的要求比较高，混合信号与模版相减要求有较高的精度，因此在选取模版、相位上采取多种措施来保证分离信号的准确性，比较复杂。b.基于心音模式的自相关的方法计算胎心率。由于相关方法处理对象主要是确定性周期信号，而胎儿心音信号受到胎儿本身以及其周围环境的影响，不是确定性的周期信号，这种周期与波形的随机性变化造成自相关函数波形难以检测。

非负盲分离技术是近几年来随着对盲分离技术的研究发展起来的一种新的信号处理的方法。其中非负矩阵分解算法简单、速度快，具有较强的物理特性。由于现实中许多信号都具有非负特性，如谱信号、图像信号、信号的能量等。该方法作为一种新兴工具应用于盲信号分离问题中，逐渐成为信号处理领域的热点之一，并取得了很大的发展。

发明内容

本发明为克服上述现有技术所述的不足，提供一种非负盲分离胎心音分析方法。该方法抗干扰性强，能够准确、有效地对胎儿心音信号进行分段，并实现胎儿瞬时心率提取。

本发明还提供一种非负盲分离胎心音分析装置，本发明结构简单，性能可靠，可以显示信号波形并打印分析结果，使用方便。

为实现上述目的，本发明的技术方案为：

一种非负盲分离胎心音分析方法，包括如下步骤：

1)采集胎儿心音信号；

2)对采集到的胎儿心音信号进行预处理，预处理过程采用既能有效去除噪声又能保持信号的局部奇异性的小波变换；

3)把预处理后的信号变换到时频域，取得非负频谱，采用的方法为：对预处理后的信号求wigner-ville分布并求模得到其幅度谱；

4)利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量；

5)利用归一化平均高阶香农熵方法绘制包络曲线；

6)对取得包络进行分析，包括：设定双阈值实现包络分段，并基于差分法计算瞬时心率。

进一步的，所述步骤2)中，对采集到的胎儿心音信号进行预处理，具体是：采用时间局部性好、能量集中度高的db6小波对采集到的胎儿心音信号作5层小波分解，选取d3为100～200Hz、d4为50～100Hz和d5为25～50Hz重构信号。

所述步骤3)中，把预处理后的信号变换到时频域，取得非负频谱，具体实现方法是：对预处理后的信号求wigner-ville分布，其定义如下：

$W_z(t,f)={\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}z(t+\frac{\mathrm{\τ}}{2})z^{*}(t-\frac{\mathrm{\τ}}{2})e^{-j2\mathrm{\π}\mathrm{\τ}f}d\mathrm{\τ}$

其中z(t)是信号s(t)的解析信号，τ为信号自变量，t是时间变量，f为频率自变量，W_z(t,f)是一个二维的时频平面，表示在t时间段，频率分量f所占该时间段信号能量的大小。对W_z(t,f)求模得到其幅度谱。

进一步，所述步骤4)中，利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量。其中非负矩阵分解模型为：

V＝WH，V表示观测到的非负矩阵，W为混合矩阵，H表示恢复出的源信号矩阵。本发明采用交替迭代的方法更新W和H，即固定第n次迭代的结果W⁽ⁿ⁾来计算第(n+1)次的矩阵H⁽ⁿ⁺¹⁾，然后利用H⁽ⁿ⁺¹⁾计算下一步的W⁽ⁿ⁺¹⁾，迭代公式如下：

$W_{ik}\←W_{ik}g\frac{{\[{\mathrm{VH}}^T\]}_{ik}}{{\[{\mathrm{WHH}}^T\]}_{ik}}$

$H_{kj}\←H_{kj}g\frac{{\[W^{T}V\]}_{kj}}{{\[W^{T}WH\]}_{kj}}$

当迭代次数达到一定数量后，非负矩阵W与H均会达到稳定状态，此时算法停止迭代，所得H即为非负盲分离得到的胎儿心音信号的非负时频特征分量，该分量即为胎儿心音信号的特征信号。

所述步骤5)中，包络的提取采用归一化平均高阶香农熵方法，首先，对归一化后的信号分段，每32点为一段，重叠16点，计算各段的平均高阶香农熵，以归一化平均高阶香农熵作为胎儿心音信号非负时频分量的包络。

所述步骤6)中，对胎儿心音信号的分析包括对胎儿心音信号进行分段，采用双阈值法，在提取的信号包络中，寻找能量在一定幅度以上的心音段，并确定其边界。具体是：根据包络幅值设置两个软阈值，大阈值Th1和小阈值Th2，其中Th1用于抑制噪声和杂音对搜索边界的影响，Th2用于确定S1和S2的起止点。对幅值大于Th1的包络段，以Th1为基准向前搜索，直到幅值小于Th2，此时的点为S1或S2的起点。对幅值大于Th1的包络段，以Th1为基准向后搜索，直到幅值小于Th2，此时的点为S1或S2的终点。

所述步骤6)中，对胎儿心音信号的分析包括对胎儿瞬时心率的提取，根据分段信息，将起点到终点之间置1，终点到下一起点之间置0，构造S1和S2的时间门。依次进行前向差分计算所有时间门之间的间隔，计算瞬时胎儿心率，计算公式如下：

其中Δt为每两相邻时间门之间的间隔，v为瞬时心率。

一种非负盲分离胎心音分析装置，包括：

信号采集单元、预处理单元、盲分离单元、提取包络单元、信号分析单元、实时显示单元和打印单元。

进一步的，所述预处理单元，采用时间局部性好、能量集中度高的db6小波对采集到的胎儿心音信号作5层小波分解，选取d3为100～200Hz、d4为50～100Hz和d5为25～50Hz重构信号。

所述盲分离单元，包括：把预处理后的信号求wigner-ville分布，变换到时频域，对取得时频分量求模得到其幅度谱，对该幅度谱进行非负矩阵分解的盲分离运算，其中非负矩阵分解模型为：V＝WH，其中V表示观测到的非负矩阵，W为混合矩阵，H表示恢复出的源信号矩阵。采用交替迭代的方法更新W和H，得到胎儿心音信号的非负时频分量。

提取包络单元，采用归一化平均高阶香农熵方法，首先，对归一化后的信号分段，每32点为一段，重叠16点，计算各段的平均高阶香农熵，以归一化平均高阶香农熵作为胎儿心音信号非负时频分量的包络。

信号分析单元，采用双阈值法对胎儿心音信号进行分段，在提取的信号包络中，寻找能量在一定幅度以上的心音段，并确定其边界完成分段；基于分段信息，利用差分法计算所有时间门之间的间隔，并计算瞬时胎儿心率，计算公式为：

其中Δt为每两相邻时间门之间的间隔，v为瞬时心率。

显示单元，用于显示胎儿心音信号波形及提取的瞬时心率。

打印单元，用于打印胎儿心音信号分析的结果报告。

与现有技术相比，本发明技术方案的有效效果为：

a.本发明提出一种非负盲分离胎心音分析方法，能够准确的对胎儿心音信号进行分段，方便进一步对胎儿心音信号的分析研究。

b.本发明提出一种非负盲分离胎心音分析方法，能够快速的提取胎儿瞬时心率，且准确性较高，有较好的临床胎心监护效果。

c.本发明提出一种非负盲分离胎心音分析装置，结构简单，性能可靠，可以显示信号波形并打印分析结果，使用方便，有较好的实际应用意义。

附图说明

图1是本发明基于非负盲分离胎儿心音信号分析方法流程图。

图2是采集到的胎心音信号图。

图3是本发明中胎心音预处理图。

图4是本发明中胎儿心音信号wigner-ville分布频谱示意图。

图5是本发明中非负矩阵盲分离得到的胎儿心音信号的非负时频分量图谱。

图6是本发明中非负矩阵盲分离得到的胎儿心音信号的非负时频特征分量1。

图7是本发明中得到胎儿心音信号非负时频分量包络及分段信息。

图8是计算得到的胎心音信号的瞬时心率曲线。

图9是本发明基于非负盲分离胎儿心音信号分析装置结构图。

具体实施方式

下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。

如图1所示，一种非负盲分离胎心音分析方法，包括如下步骤：

1)采集胎儿心音信号；

2)对图2中采集到的胎儿心音信号进行预处理，预处理过程采用既能有效去除噪声又能保持信号的局部奇异性的小波变换；

3)把预处理后的信号变换到时频域，取得非负频谱，采用的方法为：对预处理后的信号求wigner-ville分布并求模得到其幅度谱如图4；

4)利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量如图5；

5)利用归一化平均高阶香农熵方法绘制包络曲线；

6)对取得包络进行分析，包括：设定双阈值实现包络分段，并基于差分法计算瞬时心率。

进一步的，所述步骤2)中，对采集到的胎儿心音信号进行预处理，具体是：采用时间局部性好、能量集中度高的db6小波对采集到的胎儿心音信号作5层小波分解，选取d3为100～200Hz、d4为50～100Hz和d5为25～50Hz重构信号，得到预处理后信号如图3所示。

所述步骤3)中，把预处理后的信号变换到时频域，取得非负频谱，具体实现方法是：对预处理后的信号求wigner-ville分布，其定义如下：

$W_z(t,f)={\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}z(t+\frac{\mathrm{\τ}}{2})z^{*}(t-\frac{\mathrm{\τ}}{2})e^{-j2\mathrm{\π}\mathrm{\τ}f}d\mathrm{\τ}$

其中z(t)是信号s(t)的解析信号，τ为信号自变量，t是时间变量，f为频率自变量，W_z(t,f)是一个二维的时频平面，表示在t时间段，频率分量f所占该时间段信号能量的大小。对W_z(t,f)求模得到其幅度谱，如图4。

进一步，所述步骤4)中，利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量。其中非负矩阵分解模型为：

V＝WH，V表示观测到的非负矩阵，W为混合矩阵，H表示恢复出的源信号矩阵。本发明采用交替迭代的方法更新W和H，即固定第n次迭代的结果W⁽ⁿ⁾来计算第(n+1)次的矩阵H⁽ⁿ⁺¹⁾，然后利用H⁽ⁿ⁺¹⁾计算下一步的W⁽ⁿ⁺¹⁾，迭代公式如下：

$W_{ik}\←W_{ik}g\frac{{\[{\mathrm{VH}}^T\]}_{ik}}{{\[{\mathrm{WHH}}^T\]}_{ik}}$

$H_{kj}\←H_{kj}g\frac{{\[W^{T}V\]}_{kj}}{{\[W^{T}WH\]}_{kj}}$

当迭代次数达到一定数量后，非负矩阵W与H均会达到稳定状态，此时算法停止迭代，所得H即为非负盲分离得到的胎儿心音信号的非负时频分量，如图5。

所述步骤5)中，包络的提取采用归一化平均高阶香农熵方法，首先，对归一化后的信号分段，每32点为一段，重叠16点，计算各段的平均高阶香农熵，以归一化平均高阶香农熵作为胎儿心音信号非负时频分量的包络。

所述步骤6)中，对胎儿心音信号的分析包括对胎儿心音信号进行分段，采用双阈值法，在提取的信号包络中，寻找能量在一定幅度以上的心音段，并确定其边界。具体是：根据包络幅值设置两个软阈值，大阈值Th1和小阈值Th2，其中Th1用于抑制噪声和杂音对搜索边界的影响，Th2用于确定S1和S2的起止点。对幅值大于Th1的包络段，以Th1为基准向前搜索，直到幅值小于Th2，此时的点为S1或S2的起点。对幅值大于Th1的包络段，以Th1为基准向后搜索，直到幅值小于Th2，此时的点为S1或S2的终点，分段信息如图7。

所述步骤6)中，对胎儿心音信号的分析包括对胎儿瞬时心率的提取，根据分段信息，将起点到终点之间置1，终点到下一起点之间置0，构造S1和S2的时间门。依次进行前向差分计算所有时间门之间的间隔，计算瞬时胎儿心率，计算公式如下：

其中Δt为每两相邻时间门之间的间隔，v为瞬时心率，得到心率图如图8。

一种非负盲分离胎心音分析装置，如图9所示，包括：

信号采集单元、预处理单元、盲分离单元、提取包络单元、信号分析单元、实时显示单元和打印单元。

进一步的，所述预处理单元，采用时间局部性好、能量集中度高的db6小波对采集到的胎儿心音信号作5层小波分解，选取d3为100～200Hz、d4为50～100Hz和d5为25～50Hz重构信号。

所述盲分离单元，包括：把预处理后的信号求wigner-ville分布，变换到时频域，对取得时频分量求模得到其幅度谱，对该幅度谱进行非负矩阵分解的盲分离运算，其中非负矩阵分解模型为：V＝WH，其中V表示观测到的非负矩阵，W为混合矩阵，H表示恢复出的源信号矩阵。采用交替迭代的方法更新W和H，得到胎儿心音信号的非负时频分量。

提取包络单元，采用归一化平均高阶香农熵方法，首先，对归一化后的信号分段，每32点为一段，重叠16点，计算各段的平均高阶香农熵，以归一化平均高阶香农熵作为胎儿心音信号非负时频分量的包络。

信号分析单元，采用双阈值法对胎儿心音信号进行分段，在提取的信号包络中，寻找能量在一定幅度以上的心音段，并确定其边界完成分段；基于分段信息，利用差分法计算所有时间门之间的间隔，并计算瞬时胎儿心率，计算公式为：

其中Δt为每两相邻时间门之间的间隔，v为瞬时心率。

显示单元，用于显示胎儿心音信号波形及提取的瞬时心率。

打印单元，用于打印胎儿心音信号分析的结果报告。

与现有技术相比，本发明技术方案的有效效果为：

a.本发明提出一种非负盲分离胎心音分析方法，能够准确的对胎儿心音信号进行分段，方便进一步对胎儿心音信号的分析研究。

b.本发明提出一种非负盲分离胎心音分析方法，能够快速的提取胎儿瞬时心率，且准确性较高，有较好的临床胎心监护效果。

c.本发明提出一种非负盲分离胎心音分析装置，结构简单，性能可靠，可以显示信号波形并打印分析结果，使用方便，有较好的实际应用意义。

以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明，而非对本发明的实施方式的限定。本领域技术人员应当理解，上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种非负盲分离胎心音分析方法，其特征在于，包括如下步骤：

1)采集胎儿心音信号；

2)对采集到的胎儿心音信号进行预处理，预处理过程采用既能有效去除噪声又能保持信号的局部奇异性的小波变换；

3)把预处理后的信号变换到时频域，取得非负频谱，采用的方法为：对预处理后的信号求wigner-ville分布并求模得到其幅度谱；

4)利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量；

5)利用归一化平均高阶香农熵方法绘制包络曲线；

6)对取得包络进行分析，包括：设定双阈值实现包络分段，并基于差分法计算瞬时心率。

2.根据权利要求1所述的非负盲分离胎心音分析方法，其特征在于，所述步骤3)中，把预处理后的信号变换到时频域，取得非负频谱，具体实现方法是：对预处理后的信号求wigner-ville分布再求模。

3.根据权利要求2所述的非负盲分离胎心音分析方法，其特征在于，所述步骤4)中，利用非负矩阵分解对胎儿心音信号幅度谱进行非负盲分离，得到胎儿心音信号的非负时频特征频谱信号，并提取非负时频特征分量作为胎儿心音信号的特征信号。

4.根据权利要求4所述的非负盲分离胎心音分析方法，其特征在于，所述步骤6)中，对胎儿心音信号的分析包括：对胎儿心音信号进行分段，以及瞬时胎心率的提取。

5.根据权利要求1所述的非负盲分离胎心音分析方法，其特征在于，所述步骤2)中，对采集到的胎儿心音信号进行预处理，具体是：采用时间局部性好、能量集中度高的db6小波对采集到的胎儿心音信号作5层小波分解，选取d3为100～200Hz、d4为50～100Hz和d5为25～50Hz重构信号。

6.根据权利要求1所述的非负盲分离胎心音分析方法，其特征在于，所述步骤3)中，把预处理后的信号变换到时频域，取得非负频谱，具体实现方法是：对预处理后的信号求wigner-ville分布，其定义如下：

$W_z(t,f)={\∫}_{-\mathrm{\∞}}^{+\mathrm{\∞}}z(t+\frac{\mathrm{\τ}}{2})z^{*}(t-\frac{\mathrm{\τ}}{2})e^{-j2\mathrm{\π}\mathrm{\τ}f}d\mathrm{\τ}$

其中z(t)是信号s(t)的解析信号，τ为信号自变量，t是时间变量，f为频率自变量，W_z(t,f)是一个二维的时频平面，表示在t时间段，频率分量f所占该时间段信号能量的大小，对W_z(t,f)求模得到其幅度谱。

7.根据权利要求1所述的非负盲分离胎心音分析方法，其特征在于，所述步骤4)中，利用非负矩阵分解进行盲分离，对胎儿心音信号幅度谱进行处理，取得胎儿心音信号的非负时频分量，其中非负矩阵分解模型为：

V＝WH，V表示观测到的非负矩阵，W为混合矩阵，H表示恢复出的源信号矩阵，采用交替迭代的方法更新W和H，即固定第n次迭代的结果W⁽ⁿ⁾来计算第(n+1)次的矩阵H⁽ⁿ⁺¹⁾，然后利用H⁽ⁿ⁺¹⁾计算下一步的W⁽ⁿ⁺¹⁾，迭代公式如下：

$W_{ik}\←W_{ik}g\frac{{\[{\mathrm{VH}}^T\]}_{ik}}{{\[{\mathrm{WHH}}^T\]}_{ik}}$

$H_{kj}\←H_{kj}g\frac{{\[W^{T}V\]}_{kj}}{{\[W^{T}WH\]}_{kj}}$

当迭代次数达到一定数量后，非负矩阵W与H均会达到稳定状态，此时算法停止迭代，所得H即为非负盲分离得到的胎儿心音信号的非负时频特征分量，该分量即为胎儿心音信号的特征信号。

8.根据权利要求1所述的非负盲分离胎心音分析方法，其特征在于，所述步骤5)中，包络的提取采用归一化平均高阶香农熵方法，首先，对归一化后的信号分段，每32点为一段，重叠16点，计算各段的平均高阶香农熵，以归一化平均高阶香农熵作为胎儿心音信号非负时频分量的包络。

9.根据权利要求1所述的非负盲分离胎心音分析方法，其特征在于，所述步骤6)中，对胎儿心音信号的分析包括对胎儿心音信号进行分段，采用双阈值法，在提取的信号包络中，寻找能量在一定幅度以上的心音段，并确定其边界，具体是：根据包络幅值设置两个软阈值，大阈值Th1和小阈值Th2，其中Th1用于抑制噪声和杂音对搜索边界的影响，Th2用于确定S1和S2的起止点，对幅值大于Th1的包络段，以Th1为基准向前搜索，直到幅值小于Th2，此时的点为S1或S2的起点，对幅值大于Th1的包络段，以Th1为基准向后搜索，直到幅值小于Th2，此时的点为S1或S2的终点；

所述步骤6)中，对胎儿心音信号的分析包括对胎儿瞬时心率的提取，根据分段信息，将起点到终点之间置1，终点到下一起点之间置0，构造S1和S2的时间门，依次进行前向差分计算所有时间门之间的间隔，计算瞬时胎儿心率，计算公式如下：

其中Δt为每两相邻时间门之间的间隔，v为瞬时心率。

10.一种非负盲分离胎心音分析装置，包括：

信号采集单元、预处理单元、盲分离单元、提取包络单元、信号分析单元、实时显示单元和打印单元，所述预处理单元，采用时间局部性好、能量集中度高的db6小波对采集到的胎儿心音信号作5层小波分解，选取d3为100～200Hz、d4为50～100Hz和d5为25～50Hz重构信号；

所述盲分离单元，包括：把预处理后的信号求wigner-ville分布，变换到时频域，对取得时频分量求模得到其幅度谱，对该幅度谱进行非负矩阵分解的盲分离运算，其中非负矩阵分解模型为：V＝WH，其中V表示观测到的非负矩阵，W为混合矩阵，H表示恢复出的源信号矩阵，采用交替迭代的方法更新W和H，得到胎儿心音信号的非负时频分量；

提取包络单元，采用归一化平均高阶香农熵方法，首先，对归一化后的信号分段，每32点为一段，重叠16点，计算各段的平均高阶香农熵，以归一化平均高阶香农熵作为胎儿心音信号非负时频分量的包络；

信号分析单元，采用双阈值法对胎儿心音信号进行分段，在提取的信号包络中，寻找能量在一定幅度以上的心音段，并确定其边界完成分段；基于分段信息，利用差分法计算所有时间门之间的间隔，并计算瞬时胎儿心率，计算公式为：

其中Δt为每两相邻时间门之间的间隔，v为瞬时心率；

显示单元，用于显示胎儿心音信号波形及提取的瞬时心率。