CN110368020B - 一种心音信号预处理方法及装置 - Google Patents
一种心音信号预处理方法及装置 Download PDFInfo
- Publication number
- CN110368020B CN110368020B CN201910596297.5A CN201910596297A CN110368020B CN 110368020 B CN110368020 B CN 110368020B CN 201910596297 A CN201910596297 A CN 201910596297A CN 110368020 B CN110368020 B CN 110368020B
- Authority
- CN
- China
- Prior art keywords
- heart sound
- sound signal
- noise
- subsequence
- data points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种心音信号预处理方法及装置,通过设置了噪声处理子模块利用阈值筛选的方法对心音信号中的噪声进行去除,设置了削顶失真处理子模块利用对称三角形重塑的方法对心音信号中的削顶失真信号进行塑形,获得了准确的心音信号,从而提高了心音特征提取的准确性,从而提高了心音检测的准确率。
Description
技术领域
本发明涉及信号预处理方法及装置,具体涉及一种心音信号预处理方法及装置。
背景技术
随着现代社会物质生活水平的改善,心血管疾病在我国呈上升趋势,统计资料表明,心血管疾病死亡者占总死亡人数的比例是最大的,心脏检测和分析是了解心脏和血管状态的一种不可缺少的手段,心电图检查是心脏变时性和变传导性的最佳监测方法,但不能用来监测心脏的变力性,心音检查有无创性、重复性好的优点,具有心电图、超声心动图不可取代的诊断优势,随着心音的发生机理、心胸传播特性等方面研究工作的深入开展以及现代数字信号处理技术的广泛应用,越来越多的研究结果表明心音信号的测量及处理在实际应用中具有重要意义,心音检测方法已经从以前模拟心音图上进行的时域分析、频域分析、功率谱分析发展为现在数字心音图上的时频分析。
由于在心音信号的分析中,所要面对的一个问题就是噪声干扰,它们直接影响着心音检测的准确性,在实际环境对被采样人进行心音的采集过程中,由于传感器和被采样人皮肤的摩擦声(偶发)/被采样人身体内出现的异常肺部呼吸噪声/采样环境突发的大的电器噪声/人的咳嗽声等(身体内及环境的偶发噪声),以及由于被采样人的特殊身体情况(如身体瘦弱/心脏跳动特别有力/采样时紧张,胸口起伏很大等等),都可能导致心音信号有大噪声信号混入或者心音信号产生部分或周期性的削顶失真,如果在预处理时,不对心音信号中的大噪声以及削顶噪声进行处理,则会导致后期心音检测不准确。
发明内容
本发明的目的在于提供一种心音信号预处理方法及装置,用以解决现有技术中心音预处理方法及装置中没有对心音信号大噪声信号混入或者心音信号产生部分或周期性的削顶失真进行预处理,从而造成不能准确的对心音信号准确检测的问题。
为了实现上述任务,本发明采用以下技术方案:
一种心音信号预处理方法,用于对初始心音信号序列中的大噪声以及削顶噪声进行处理,所述的方法按照以下步骤执行:
步骤1、获得初始心音信号序列;
步骤2、对所述的初始心音信号序列进行去噪,获得去噪后的心音信号序列;
步骤3、对所述的去噪后的心音信号序列中的削顶失真进行处理,获得预处理后的心音信号序列,按照以下步骤执行:
步骤3.1、检测所述的去噪后的心音信号序列中每个数据点的幅值,若存在相邻多个数据点的幅值相同,则将幅值相同的相邻多个数据点组成失真信号集合,执行步骤3.2;将除失真信号集合以外的所有数据点作为正常信号集合,执行步骤3.3;
否则直接将去噪后的心音信号序列作为正常信号集合,执行步骤3.3;
步骤3.2、对失真信号集合进行对称三角塑形,获得塑形后的信号集合,具体包括:
获得失真信号集合中的两个端点数据点,将两个端点数据点的幅值置0;
连接所述的两个端点数据点与中点数据点,形成一个对称三角形,所述的失真信号集合中除两个端点数据点以及中点数据点以外的所有数据点的幅值均在所述的对称三角形的两条斜边上,获得塑形后的信号集合;
步骤3.3、整合正常信号集合以及塑形后的信号集合,获得预处理后的心音信号。
进一步地,所述的步骤2具体包括:
步骤2.1、根据心跳周期数对初始心音信号序列进行周期分段,获得多个心音信号子序列;
步骤2.2、获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
步骤2.3、判断每个心音信号子序列中幅值绝对值的最大值是否大于门限阈值,将大于门限阈值的心音信号子序列作为正常心音信号子序列,执行步骤2.5;将小于等于门限阈值的心音信号子序列作为噪声心音信号子序列,执行步骤2.4;
步骤2.4、对噪声心音子序列进行去噪,获得去噪后的心音信号子序列,具体包括:
在噪声心音信号子序列中寻找一段包含幅值绝对值的最大值的数据点Xn的连续数据点的噪声集合,噪声集合中每一个数据点的幅值的符号均与数据点Xn相同;
若噪声集合处于噪声心音信号子序列的序列首端或者尾端,则将噪声集合中每一个数据点的幅值置0,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
否则提取噪声集合所在的噪声心音信号子序列相邻两侧的噪声心音信号子序列中与噪声集合位置相同的两个数据点集合,求取这两个数据点集合中所有数据点幅值的平均值,获得修正幅值,将噪声集合中每一个数据点的幅值均设置为修正幅值,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
步骤2.5、将去噪后的心音信号子序列以及正常心音信号子序列进行整合,获得整合后的心音信号序列;
步骤2.6、将整合后的心音信号序列作为初始心音信号序列返回步骤2.1,直至所述的初始心音信号序列中不存在大于门限阈值的心音信号子序列后,获得去噪后的心音信号序列。
进一步地,所述步骤2.2中获得的门限阈值为平均值的整数倍。
一种心音信号预处理装置,用于实现心音信号预处理方法,所述的装置包括信号获取模块、噪声处理模块以及削顶失真处理模块;
所述的信号获取模块用于获得初始心音信号序列;
所述的噪声处理模块用于对所述的初始心音信号序列进行去噪,获得去噪后的心音信号序列;
所述的削顶失真处理模块用于对所述的去噪后的心音信号序列中的削顶失真进行处理,获得预处理后的心音信号序列;
所述的削顶失真处理模块包括判断子模块、塑形子模块以及整合子模块;
所述的判断子模块用于检测所述的去噪后的心音信号序列中每个数据点的幅值,若存在相邻多个数据点的幅值相同,则将幅值相同的相邻多个数据点组成失真信号集合输入至塑形子模块;将除失真信号集合以外的所有数据点作为正常信号集合,输入整合子模块;
否则直接将去噪后的心音信号序列作为正常信号集合,输入整合子模块;
所述的塑形子模块用于对失真信号集合进行对称三角塑形,获得塑形后的信号集合,具体包括:
获得失真信号集合中的两个端点数据点,将两个端点数据点的幅值置0;
连接所述的两个端点数据点与中点数据点,形成一个对称三角形,所述的失真信号集合中除两个端点数据点以及中点数据点以外的所有数据点的幅值均在所述的对称三角形的两条斜边上,获得塑形后的信号集合;
所述的整合子模块用于整合正常信号集合以及塑形后的信号集合,获得预处理后的心音信号。
进一步地,所述的噪声处理模块包括周期分段子模块、阈值获得子模块、判断子模块、去噪子模块以及信号整合子模块;
所述的周期分段子模块用于根据所述的心跳周期数对所述的初始心音信号序列进行周期分段,获得多个心音信号子序列;
所述的阈值获得子模块用于获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
所述的判断子模块用于判断每个心音信号子序列中幅值绝对值的最大值是否大于门限阈值,将大于门限阈值的心音信号子序列作为正常心音信号子序列输入至去噪单元;将小于等于门限阈值的心音信号子序列作为噪声心音信号子序列输入至信号整合单元中;
所述的去噪子模块用于对噪声心音子序列进行去噪,获得去噪后的心音信号子序列,具体包括:
在噪声心音信号子序列中寻找一段包含幅值绝对值的最大值的数据点Xn的连续数据点的噪声集合,噪声集合中每一个数据点的幅值的符号均与数据点Xn相同;
若噪声集合处于噪声心音信号子序列的序列首端或者尾端,则将噪声集合中每一个数据点的幅值置0,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
否则提取噪声集合所在的噪声心音信号子序列相邻两侧的噪声心音信号子序列中与噪声集合位置相同的两个数据点集合,求取这两个数据点集合中所有数据点幅值的平均值,获得修正幅值,将噪声集合中每一个数据点的幅值均设置为修正幅值,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
所述的信号整合子模块用于将去噪后的心音信号子序列以及正常心音信号子序列进行整合,获得整合后的心音信号序列;
所述的信号输出子模块用于将整合后的心音信号序列作为初始心音信号序列后输入至周期分段子模块,直至所述的初始心音信号序列中不存在大于门限阈值的心音信号子序列后,获得去噪后的心音信号序列。
进一步地,所述阈值获得子模块中获得的门限阈值为所述平均值的整数倍。
本发明与现有技术相比具有以下技术效果:
1、本发明提供的心音信号预处理方法及装置通过设置了削顶失真处理子模块利用对称三角形重塑的方法对心音信号中的削顶失真信号进行塑形,获得了准确的心音信号;
2、本发明提供的心音信号预处理方法及装置通过设置了噪声处理子模块利用阈值筛选的方法对心音信号中的噪声进行去除,并对利用相邻的心音信号子序列的幅值对大噪声信号的幅值进行重新赋值,保证了心音信号的准确性。
附图说明
图1为本发明的一个实施例中提供的心音信号示意图;
图2为本发明的一个实施例中提供的大噪声心音信号示意图;
图3为本发明的一个实施例中提供的削顶噪声心音信号示意图;
图4为本发明的一个实施例中提供的重塑后的心音信号示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。以便本领域的技术人员更好的理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
以下对本发明涉及的定义或概念内涵做以说明:
如图1所示,一般心音信号的横轴为时间轴,纵轴为幅值,心脏储备指标(在心音上的表现为心音信号特征,即S1/S2,D/S,其中,S1为第一心音特征值,S2为第二心音特征值,D/S为时限比,diastole/systole的缩写)。当心脏正常时,心音信号的时域特征是心脏的舒张期大于收缩期,在心音上则反映为第二心音开始到下一周期第一心音信号开始的持续时间大于第一心音开始到第二心音开始时的持续时间,则D/S等于第二心音开始到下一周期第一心音信号开始的持续时间,与第一心音开始到第二心音开始的持续时间的比值。
心跳周期数:在一段时长采样的心音信号中,包含完整的心跳周期数据段的个数。
削顶失真:由于传感器的采样幅度限制或者个体心音过强导或外部噪声等因素导致采样数据值在某持续时间段没有变化,这段数据为位削顶失真数据。
第一心音与第二心音幅值比:在一段完整的心跳周期的数据中,第一心音数据包络的最大值(S1max)和第二心音数据包络的最大值(S2max)的比。
心舒期与心缩期时长比:在一段完整的心跳周期的数据中,第一S1max到S2max时间间隔和S2max到S1max(下一个)时间间隔的比;
HRV变化值:在一段心音信号的采样数据包含的多个完整心跳周期计算得到的心跳数(Heart Rate Value)HRVi和HRVi的均值Mhrv的比。
BMI值:身体质量指数(Body Mass Index),体重值(单位:公斤)和身高(单位:米)平方的比值。
实施例一
在本实施例中,在实际环境对被采样人进行心音的采集过程中,由于传感器和被采样人皮肤的摩擦声(偶发)/被采样人身体内出现的异常肺部呼吸噪声/采样环境突发的大的电器噪声/人的咳嗽声等(身体内及环境的偶发噪声),以及由于被采样人的特殊身体情况(如身体瘦弱/心脏跳动特别有力/采样时紧张,胸口起伏很大等等),都可能导致心音信号有大噪声信号混入或者心音信号产生部分或周期性的削顶失真,从信号波形看,如果心音信号有削顶失真出现,则会有水平线段的数据波形出现,因此在提取心音信号特征之前,往往需要对心音信号先进行预处理,以保证信号的准确性。
在本实施例中公开了一种心音信号预处理方法,用于对初始心音信号序列中的大噪声以及削顶噪声进行处理,所述的方法按照以下步骤执行:
步骤1、获得初始心音信号序列;
在本步骤中,获得初始心音信号序列的方法一般是利用传感器采集心音信号,采集的信号长度一般为1min。
步骤2、根据心跳周期数对所述的初始心音信号序列进行分段后,利用阈值筛选的方法对获得的心音信号子序列进行去噪,获得去噪后的心音信号序列;
如图2所示,是一个包含大噪声的心音信号,从图中可以看出大噪声信号的幅值相比于两侧的正常心音信号的幅值大很多,因此可以通过阈值筛选的方法将大噪声删除。
步骤2具体包括:
步骤2.1、根据心跳周期数对初始心音信号序列进行周期分段,获得多个心音信号子序列;
根据信号幅值对于初始心音信号序列进行分析,获得心跳周期数;
在本实施例中,如图1所示,出现幅度值最大的数据点(S1max)附近数据段是第一心音(S1)数据包络,在相邻两个的S1max间,出现的波峰(S2max)是第二心音(S2)数据包络。心音的基础分析利用了心音时域上的统计分析特性,即一个完整的心跳周期的基本数据波形中会明显包含第一心音(S1)和第二心音(S2)数据包络,第一心音(S1)或者第二心音(S2)的数据峰值最大,通过判断采集信号的数据最大值个数大致估计心跳周期数,为后续的分析提供基础。
在本实施例中,获得心跳周期数,具体包括:
首先采集固定时长的心音信号,固定时长可以是1min,30s等时间,在本发明中不做限制,在本实施例中选择1min的心音信号;
其次,将固定时长的心音信号进行分段,按1.5秒-2.5秒对心音信号进行连续分段。在本实施例中,按2秒时长将1min的心音信号分成30段;
接着,提取每一段心音信号幅值的最大值并计算所有最大值的均值,在本实施例中,获取30段心音信号中每一段心音信号幅值的最大值,获得最大值序列{举例:489.709.1342.801.600.643.714.1433.643.760.766.1214.814.566.712.621.725.777.910.1520.651.777.916.548.1578.691.666.632.1326.1070.},并计算最大值序列的平均值T=853.8;
接着,按初始门限值V逐个扫描1min的心音信号中每一个数据点的幅值,将低于门限值的数据点的幅值置零,统计大于等于门限值的数据点的个数(HRN:Heart RateNumber);
接着,实时判断HRN的个数,若HRN的个数大于120时,调整门限值V=V+Δ11为初始门限值,返回上一步,其中Δ1的取值范围为0.1T-0.5T;
当HRN的个数小于30时,调整当前门限值V=V-Δ2,返回继续扫描每一个数据点的幅值,其中Δ2的取值范围为0.01T-0.05T。
直至HRN值落在30---120间时,此HRN值作为预估的心跳周期数。
阈值获得单元用于获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
优选地,阈值获得单元中获得的门限阈值为平均值的整数倍。
在本实施例中取3倍。
步骤2.2、获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
步骤2.3、判断每个心音信号子序列中幅值绝对值的最大值是否大于门限阈值,将大于门限阈值的心音信号子序列作为正常心音信号子序列,执行步骤2.5;将小于等于门限阈值的心音信号子序列作为噪声心音信号子序列,执行步骤2.4;
步骤2.4、对噪声心音子序列进行去噪,获得去噪后的心音信号子序列,具体包括:
在噪声心音信号子序列中寻找一段包含幅值绝对值的最大值的数据点Xn的连续数据点的噪声集合,噪声集合中每一个数据点的幅值的符号均与数据点Xn相同;
若噪声集合处于噪声心音信号子序列的序列首端或者尾端,则将噪声集合中每一个数据点的幅值置0,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
否则提取噪声集合所在的噪声心音信号子序列相邻两侧的噪声心音信号子序列中与噪声集合位置相同的两个数据点集合,求取这两个数据点集合中所有数据点幅值的平均值,获得修正幅值,将噪声集合中每一个数据点的幅值均设置为修正幅值,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
步骤2.5、将去噪后的心音信号子序列以及正常心音信号子序列进行整合,获得整合后的心音信号序列;
步骤2.6、将整合后的心音信号序列作为初始心音信号序列返回步骤2.1,直至所述的初始心音信号序列中不存在大于门限阈值的心音信号子序列后,获得去噪后的心音信号序列。
在本实施例中,对大于门限阈值的周期的心音信号进行扫描,在大噪声位置NC(Noise Center)分别向前及向后对原始数据进行扫描,直至数据点越过0值并记录位置(由正值变为负值,或相反)N0,N1,将大噪声位置至越过0值点进行清零操作,例如噪声心音信号子序列的幅值为{497,781,562,514,335,-206,-305,-601,-908,-506,-421,-120,356,421},其中幅值绝对值最大值为908的数据点(位置为Nc),那么先搜索这个数据点前的所有数据点,发现该数据点前3个值均与这个数据点的符号相同,为负值,在这个数据点的前第四个数据点为335,为正值,那么先将该数据点前3个值加入至噪声集合中{-206,-305,-601,-908},再次搜索这个数据点后面所有数据点发现直至第四个数据点以前的前三个数据点的幅值的符号与该数据点的幅值符号相同,那么将该数据点以后的3个数据点加入噪声集合中,至此噪声集合中共有7个数据点。判断Nc处于第HRc处的心跳周期内,则提取相邻的第HRc-1和HRc+1的心跳周期内对应位置的7个数据进行平均处理将Nc位置的7个数据点置为对应的平均值后,如果Nc处于心音信号的头或尾心跳周期,则7个数据直接置0,获得去噪后的心音信号子序列。
步骤3、对所述的去噪后的心音信号序列中的削顶失真进行处理,获得预处理后的心音信号序列,按照以下步骤执行:
步骤3.1、检测所述的去噪后的心音信号序列中每个数据点的幅值,若存在相邻多个数据点的幅值相同,则将幅值相同的相邻多个数据点组成失真信号集合,执行步骤3.2;将除失真信号集合以外的所有数据点作为正常信号集合,执行步骤3.3;
否则直接将去噪后的心音信号序列作为正常信号集合,执行步骤3.3;
步骤3.2、对失真信号集合进行对称三角塑形,获得塑形后的信号集合,具体包括:
获得失真信号集合中的两个端点数据点,将两个端点数据点的幅值置0;
连接所述的两个端点数据点与中点数据点,形成一个对称三角形,所述的失真信号集合中除两个端点数据点以及中点数据点以外的所有数据点的幅值均在所述的对称三角形的两条斜边上,获得塑形后的信号集合;
步骤3.3、整合正常信号集合以及塑形后的信号集合,获得预处理后的心音信号。
在本实施例中,对去噪后的心音信号序列进行重塑时,一般通过修改信号幅值,使之从平直的信号变成凹凸不平的信号。
在本实施例中对去噪后的心音信号序列进行检测,寻找是否存在连续的一段直的信号,如图3所示,如果出现了一段平直的信号,则认为该段信号是削顶失真信号,则需要对该段信号进行重塑。
在本实施例中,对削顶失真的信号进行重塑时,采用了对称三角形重塑的方法,目的是将一段平直线重新整形成对称三角形,如图4所示,具体方法是将失真信号集的两端数据点的幅值置0,将这两个点作为等腰三角形的两个底点,将失真信号集的中间数据点的幅值设置成最高值将中间数据点作为三角形的顶点,此时连接三角形的两个底点和顶点,形成了一个对称的等腰三角形,将失真信号集合中的其他数据幅值进行修改,修改的方法是以数据点向垂直方向做直线,这条直线与等腰三角形侧边的交叉点的幅值即为数据点修改后的幅值,将失真信号集合中所有的数据点都进行幅值修改后,获得塑形后的信号集合,如图4所示。
实施例二
一种心音信号预处理装置,用于实施例一中的心音信号预处理方法,装置包括信号获取模块、噪声处理模块以及削顶失真处理模块;
信号获取模块用于获得初始心音信号序列;
噪声处理模块用于根据心跳周期数对初始心音信号序列进行分段后,利用阈值筛选的方法对获得的心音信号子序列进行去噪,获得去噪后的心音信号序列;
削顶失真处理模块用于对去噪后的心音信号序列中的削顶失真进行处理,获得预处理后的心音信号序列;
削顶失真处理模块包括判断子模块、塑形子模块以及整合子模块;
判断子模块用于检测去噪后的心音信号序列中每个数据点的幅值,若存在相邻多个数据点的幅值相同,则将幅值相同的相邻多个数据点组成失真信号集合输入至塑形子模块;将除失真信号集合以外的所有数据点作为正常信号集合,输入整合子模块;
否则直接将去噪后的心音信号序列作为正常信号集合,输入整合子模块;
塑形子模块用于对失真信号集合进行对称三角塑形,获得塑形后的信号集合,具体包括:
获得失真信号集合中的两个端点数据点,将两个端点数据点的幅值置0;
连接两个端点数据点与中点数据点,形成一个对称三角形,失真信号集合中除两个端点数据点以及中点数据点以外的所有数据点的幅值均在对称三角形的两条斜边上,获得塑形后的信号集合;
整合子模块用于整合正常信号集合以及塑形后的信号集合,获得预处理后的心音信号。
可选地,噪声处理模块包括周期分段子模块、阈值获得子模块、判断子模块、去噪子模块以及信号整合子模块;
周期分段子模块用于根据心跳周期数对初始心音信号序列进行周期分段,获得多个心音信号子序列;
阈值获得子模块用于获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
判断子模块用于判断每个心音信号子序列中幅值绝对值的最大值是否大于门限阈值,将大于门限阈值的心音信号子序列作为正常心音信号子序列输入至去噪单元;将小于等于门限阈值的心音信号子序列作为噪声心音信号子序列输入至信号整合单元中;
去噪子模块用于对噪声心音子序列进行去噪,获得去噪后的心音信号子序列,具体包括:
在噪声心音信号子序列中寻找一段包含幅值绝对值的最大值的数据点Xn的连续数据点的噪声集合,噪声集合中每一个数据点的幅值的符号均与数据点Xn相同;
若噪声集合处于噪声心音信号子序列的序列首端或者尾端,则将噪声集合中每一个数据点的幅值置0,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
否则提取噪声集合所在的噪声心音信号子序列相邻两侧的噪声心音信号子序列中与噪声集合位置相同的两个数据点集合,求取这两个数据点集合中所有数据点幅值的平均值,获得修正幅值,将噪声集合中每一个数据点的幅值均设置为修正幅值,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
信号整合子模块用于将去噪后的心音信号子序列以及正常心音信号子序列进行整合,获得整合后的心音信号序列;
信号输出子模块用于将整合后的心音信号序列作为初始心音信号序列后输入至周期分段子模块,直至初始心音信号序列中不存在大于门限阈值的心音信号子序列后,获得去噪后的心音信号序列。
可选地,阈值获得子模块中获得的门限阈值为平均值的整数倍。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘,硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
Claims (5)
1.一种心音信号预处理方法,其特征在于,所述的方法按照以下步骤执行:
步骤1、获得初始心音信号序列;
步骤2、对所述的初始心音信号序列进行去噪,获得去噪后的心音信号序列;
步骤2.1、根据心跳周期数对初始心音信号序列进行周期分段,获得多个心音信号子序列;
步骤2.2、获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
步骤2.3、判断每个心音信号子序列中幅值绝对值的最大值是否大于门限阈值,将大于门限阈值的心音信号子序列作为噪声心音信号子序列,执行步骤2.4;将小于等于门限阈值的心音信号子序列作为正常心音信号子序列,执行步骤2.5;
步骤2.4、对噪声心音子序列进行去噪,获得去噪后的心音信号子序列,具体包括:
在噪声心音信号子序列中寻找一段包含幅值绝对值的最大值的数据点Xn的连续数据点的噪声集合,噪声集合中每一个数据点的幅值的符号均与数据点Xn相同;
若噪声集合处于噪声心音信号子序列的序列首端或者尾端,则将噪声集合中每一个数据点的幅值置0,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
否则提取噪声集合所在的心音信号子序列相邻两侧的心音信号子序列中与噪声集合位置相同的两个数据点集合,求取这两个数据点集合中所有数据点幅值的平均值,获得修正幅值,将噪声集合中每一个数据点的幅值均设置为修正幅值,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
步骤2.5、将去噪后的心音信号子序列以及正常心音信号子序列进行整合,获得整合后的心音信号序列;
步骤2.6、将整合后的心音信号序列作为初始心音信号序列返回步骤2.1,直至所述的初始心音信号序列中不存在大于门限阈值的心音信号子序列后,获得去噪后的心音信号序列;
步骤3、对所述的去噪后的心音信号序列中的削顶失真进行处理,获得预处理后的心音信号序列,按照以下步骤执行:
步骤3.1、检测所述的去噪后的心音信号序列中每个数据点的幅值,若存在相邻多个数据点的幅值相同,则将幅值相同的相邻多个数据点组成失真信号集合,执行步骤3.2;将除失真信号集合以外的所有数据点作为正常信号集合,执行步骤3.3;
否则直接将去噪后的心音信号序列作为正常信号集合,执行步骤3.3;
步骤3.2、对失真信号集合进行对称三角塑形,获得塑形后的信号集合,具体包括:
获得失真信号集合中的两个端点数据点,将两个端点数据点的幅值置0;
连接所述的两个端点数据点与中点数据点,形成一个对称三角形,所述的失真信号集合中除两个端点数据点以及中点数据点以外的所有数据点的幅值均在所述的对称三角形的两条斜边上,获得塑形后的信号集合;
步骤3.3、整合正常信号集合以及塑形后的信号集合,获得预处理后的心音信号。
2.如权利要求1所述的心音信号预处理方法,其特征在于,所述步骤2.2中获得的门限阈值为平均值的整数倍。
3.一种心音信号预处理装置,其特征在于,用于实现权利要求1-2任一项所述的心音信号预处理方法,所述的装置包括信号获取模块、噪声处理模块以及削顶失真处理模块;
所述的信号获取模块用于获得初始心音信号序列;
所述的噪声处理模块用于对所述的初始心音信号序列进行去噪,获得去噪后的心音信号序列;
所述的削顶失真处理模块用于对所述的去噪后的心音信号序列中的削顶失真进行处理,获得预处理后的心音信号序列;
所述的削顶失真处理模块包括判断子模块、塑形子模块以及整合子模块;
所述的判断子模块用于检测所述的去噪后的心音信号序列中每个数据点的幅值,若存在相邻多个数据点的幅值相同,则将幅值相同的相邻多个数据点组成失真信号集合输入至塑形子模块;将除失真信号集合以外的所有数据点作为正常信号集合,输入整合子模块;
否则直接将去噪后的心音信号序列作为正常信号集合,输入整合子模块;
所述的塑形子模块用于对失真信号集合进行对称三角塑形,获得塑形后的信号集合,具体包括:
获得失真信号集合中的两个端点数据点,将两个端点数据点的幅值置0;
连接所述的两个端点数据点与中点数据点,形成一个对称三角形,所述的失真信号集合中除两个端点数据点以及中点数据点以外的所有数据点的幅值均在所述的对称三角形的两条斜边上,获得塑形后的信号集合;
所述的整合子模块用于整合正常信号集合以及塑形后的信号集合,获得预处理后的心音信号。
4.如权利要求3所述的心音信号预处理装置,其特征在于,所述的噪声处理模块包括周期分段子模块、阈值获得子模块、判断子模块、去噪子模块、信号整合子模块以及信号输出子模块;
所述的周期分段子模块用于根据心跳周期数对所述的初始心音信号序列进行周期分段,获得多个心音信号子序列;
所述的阈值获得子模块用于获取每个心音信号子序列中所有数据点的幅值绝对值,获得每个心音信号子序列中所有幅值绝对值的最大值后,求取平均值,获得门限阈值;
所述的判断子模块用于判断每个心音信号子序列中幅值绝对值的最大值是否大于门限阈值,将大于门限阈值的心音信号子序列作为噪声心音信号子序列输入至去噪子模块中;将小于等于门限阈值的心音信号子序列作为正常心音信号子序列输入至信号整合子模块;
所述的去噪子模块用于对噪声心音子序列进行去噪,获得去噪后的心音信号子序列,具体包括:
在噪声心音信号子序列中寻找一段包含幅值绝对值的最大值的数据点Xn的连续数据点的噪声集合,噪声集合中每一个数据点的幅值的符号均与数据点Xn相同;
若噪声集合处于噪声心音信号子序列的序列首端或者尾端,则将噪声集合中每一个数据点的幅值置0,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
否则提取噪声集合所在的心音信号子序列相邻两侧的心音信号子序列中与噪声集合位置相同的两个数据点集合,求取这两个数据点集合中所有数据点幅值的平均值,获得修正幅值,将噪声集合中每一个数据点的幅值均设置为修正幅值,保持噪声心音信号子序列中除噪声集合以外的所有数据点的幅值不变后,获得去噪后的心音信号子序列;
所述的信号整合子模块用于将去噪后的心音信号子序列以及正常心音信号子序列进行整合,获得整合后的心音信号序列;
所述的信号输出子模块用于将整合后的心音信号序列作为初始心音信号序列后输入至周期分段子模块,直至所述的初始心音信号序列中不存在大于门限阈值的心音信号子序列后,获得去噪后的心音信号序列。
5.如权利要求4所述的心音信号预处理装置,其特征在于,所述阈值获得子模块中获得的门限阈值为所述平均值的整数倍。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596297.5A CN110368020B (zh) | 2019-07-03 | 2019-07-03 | 一种心音信号预处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596297.5A CN110368020B (zh) | 2019-07-03 | 2019-07-03 | 一种心音信号预处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110368020A CN110368020A (zh) | 2019-10-25 |
CN110368020B true CN110368020B (zh) | 2022-03-08 |
Family
ID=68251840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910596297.5A Active CN110368020B (zh) | 2019-07-03 | 2019-07-03 | 一种心音信号预处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110368020B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112614503A (zh) * | 2020-12-14 | 2021-04-06 | 北京远鉴信息技术有限公司 | 心音信号的处理方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4094308A (en) * | 1976-08-19 | 1978-06-13 | Cormier Cardiac Systems, Inc. | Method and system for rapid non-invasive determination of the systolic time intervals |
CN101605111A (zh) * | 2009-06-25 | 2009-12-16 | 华为技术有限公司 | 一种削波控制的方法和装置 |
CN104688213A (zh) * | 2015-02-15 | 2015-06-10 | 四川长虹电器股份有限公司 | 一种心音信号分段方法 |
CN108389590A (zh) * | 2018-02-06 | 2018-08-10 | 广东电网有限责任公司惠州供电局 | 一种时频联合的语音削顶检测方法 |
CN109350098A (zh) * | 2018-08-27 | 2019-02-19 | 苏州瑞派宁科技有限公司 | 信号的拟合方式的确定方法、重建方法和装置 |
CN109893163A (zh) * | 2019-01-23 | 2019-06-18 | 苏州美糯爱医疗科技有限公司 | 一种自动定位并修复电子听诊器削波失真波形的方法 |
-
2019
- 2019-07-03 CN CN201910596297.5A patent/CN110368020B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4094308A (en) * | 1976-08-19 | 1978-06-13 | Cormier Cardiac Systems, Inc. | Method and system for rapid non-invasive determination of the systolic time intervals |
CN101605111A (zh) * | 2009-06-25 | 2009-12-16 | 华为技术有限公司 | 一种削波控制的方法和装置 |
CN104688213A (zh) * | 2015-02-15 | 2015-06-10 | 四川长虹电器股份有限公司 | 一种心音信号分段方法 |
CN108389590A (zh) * | 2018-02-06 | 2018-08-10 | 广东电网有限责任公司惠州供电局 | 一种时频联合的语音削顶检测方法 |
CN109350098A (zh) * | 2018-08-27 | 2019-02-19 | 苏州瑞派宁科技有限公司 | 信号的拟合方式的确定方法、重建方法和装置 |
CN109893163A (zh) * | 2019-01-23 | 2019-06-18 | 苏州美糯爱医疗科技有限公司 | 一种自动定位并修复电子听诊器削波失真波形的方法 |
Non-Patent Citations (1)
Title |
---|
北斗导航信号欺骗干扰检测方法研究;徐萌;《中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》;20180615;第31-32页、图3.6 * |
Also Published As
Publication number | Publication date |
---|---|
CN110368020A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Papadaniil et al. | Efficient heart sound segmentation and extraction using ensemble empirical mode decomposition and kurtosis features | |
Jin et al. | Adventitious sounds identification and extraction using temporal–spectral dominance-based features | |
Castro et al. | Heart sound segmentation of pediatric auscultations using wavelet analysis | |
CN108388912A (zh) | 基于多传感器特征优化算法的睡眠分期方法 | |
CN110141218B (zh) | 一种心电信号分类方法、装置及程序产品、存储介质 | |
CN114469124B (zh) | 一种运动过程中异常心电信号的识别方法 | |
CN110141196B (zh) | 基于双三角血流模型的外周动脉血管弹性评价系统 | |
Sun et al. | An improved morphological approach to background normalization of ECG signals | |
CN112971839B (zh) | 一种基于前馈卷积神经网络的心音分类方法 | |
WO2023226223A1 (zh) | Ppg信号质量评估方法及装置以及ppg信号处理方法及系统 | |
CN102469978A (zh) | 呼气吸气信号的降噪 | |
CN112971795B (zh) | 心电信号质量评估方法 | |
US20230301581A1 (en) | Fusion signal processing for maternal uterine activity detection | |
CN110368020B (zh) | 一种心音信号预处理方法及装置 | |
CN114027853A (zh) | 基于特征模板匹配的qrs波群检测方法、装置、介质及设备 | |
Li et al. | Detection and classification of abnormities of first heart sound using empirical wavelet transform | |
CN108814642B (zh) | 一种电子听诊器的心音定位及心率计算方法 | |
Boucheham et al. | Piecewise linear correction of ECG baseline wander: a curve simplification approach | |
CN103315767B (zh) | 心音信号的判别方法及心音信号的判别系统 | |
Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
Gavrovska et al. | Identification of S1 and S2 heart sound patterns based on fractal theory and shape context | |
CN113558584A (zh) | 一种基于信号质量评估的脉搏波预处理方法 | |
JP4122003B2 (ja) | 心拍や呼吸等の生体信号の抽出法及び装置 | |
KR101744691B1 (ko) | 심탄도 신호를 이용한 심박 검출 방법 및 그 장치 | |
CN111134634A (zh) | 一种基于聚类分析的光电容积脉搏波分析处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |