TWI769449B - 濾波系統及濾波方法 - Google Patents
濾波系統及濾波方法 Download PDFInfo
- Publication number
- TWI769449B TWI769449B TW109113262A TW109113262A TWI769449B TW I769449 B TWI769449 B TW I769449B TW 109113262 A TW109113262 A TW 109113262A TW 109113262 A TW109113262 A TW 109113262A TW I769449 B TWI769449 B TW I769449B
- Authority
- TW
- Taiwan
- Prior art keywords
- sound signal
- lung
- filtered
- filtering
- signal
- Prior art date
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005236 sound signal Effects 0.000 claims abstract description 124
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 90
- 230000003044 adaptive effect Effects 0.000 claims description 44
- 238000004458 analytical method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 19
- 238000010183 spectrum analysis Methods 0.000 description 13
- 206010002906 aortic stenosis Diseases 0.000 description 7
- 210000000591 tricuspid valve Anatomy 0.000 description 7
- 206010011376 Crepitations Diseases 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 206010041235 Snoring Diseases 0.000 description 4
- 206010047924 Wheezing Diseases 0.000 description 4
- 210000001765 aortic valve Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 208000005907 mitral valve insufficiency Diseases 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 206010027727 Mitral valve incompetence Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000016569 congenital mitral valve insufficiency Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0803—Recording apparatus specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/003—Detecting lung or respiration noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/26—Pre-filtering or post-filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Cardiology (AREA)
- Vascular Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Circuit For Audible Band Transducer (AREA)
- Tone Control, Compression And Expansion, Limiting Amplitude (AREA)
Abstract
一種濾波方法，包含：接收一聲音訊號；依據聲音訊號的頻率，將聲音訊號分解出一主要(primary)肺音訊號及一參考(reference)心音訊號；依據一權重值調整參考心音訊號，以產生一調整心音訊號；以及將主要肺音訊號與調整心音訊號相減，以產生一濾波後肺音訊號。
Description
本發明是關於一種濾波系統及濾波方法，特別是關於一種處理音訊的濾波系統及濾波方法。
傳統聽診器主要依賴醫生的聽覺，以分辨心音與肺音的差異。現今電子聽診器如ekuore、3M等大廠採用的濾波方式具有在濾除心音時同時也將大部分的肺音濾除之缺點。
因此，如何分離心音雜訊獲得肺音訊號，並避免心肺音同時被濾除之狀況，已成為本領域需解決的問題之一。
為了解決上述的問題，本揭露內容之一態樣提供了一種濾波系統，包含：一種濾波系統，包含：一輸入及輸出介面以及一自適應濾波裝置。自適應濾波裝置用以接收一聲音訊號。自適應濾波裝置用以依據聲音訊號的頻率，將聲音訊號分解出一主要(primary)肺音訊號及一參考(reference)心音訊號，依據一權重值調整參考心音訊號，以產生一調整心
音訊號，將主要肺音訊號與調整心音訊號相減，以產生一濾波後肺音訊號。
為了解決上述的問題，本揭露內容之另一態樣提供了一種濾波方法，包含：接收一聲音訊號；依據聲音訊號的頻率，將聲音訊號分解出一主要(primary)肺音訊號及一參考(reference)心音訊號；依據一權重值調整參考心音訊號，以產生一調整心音訊號；以及將主要肺音訊號與調整心音訊號相減，以產生一濾波後肺音訊號。
由上述可知，藉由本案的濾波系統及濾波方法，可以從心肺音混合的聲音訊號中分離心音雜訊，以獲得肺音訊號，並避免心肺音同時被濾除的狀態，進而達到保留高成分的肺音之功效。
100,400:濾波系統
10:輸入及輸出介面
20:自適應濾波裝置
22:帶通濾波器
24:自適應濾波器
300:濾波方法
310~330:步驟
SAM:模擬器
40:聽診器
41:左上肺位置
42:三尖瓣位置
43:主動脈瓣位置
45,46:電子裝置
500:濾波方法的測試架構
50:主動脈狹窄與爆裂音
51:喘息與正常心音
52:鼾聲與正常心音
53:二尖瓣閉鎖不全與正常呼吸
54:LHR指標分析模組
55:PSD頻譜分析模組
600:自適應濾波方法
RSI:參考心音訊號
PSI:主要肺音訊號
PR:運算裝置
700:LHR指標分析方法
Yi(n):調整心音訊號
ei(n):濾波後肺音訊號
800:LHR指標分析結果
RS1:LHR分析結果
900:PSD頻譜分析方法
90:傅立葉轉換模組
91:頻段
1000:PSD頻譜分析結果
RS2:PSD分析結果
H1:第一心音的最高點
H2:第二心音的最高點
H3:下一心音的最高點
t1:第一心音區間
t2:第二心音區間
t3:下一心音區間
T1、T2:肺音區間
第1圖係依照本發明一實施例繪示一種濾波系統之方塊圖。
第2圖係依照本發明一實施例繪示一種自適應濾波裝置之方塊圖。
第3圖係根據本發明之一實施例繪示一種濾波方法之流程圖。
第4圖係根據本發明之一實施例繪示一種濾波系統之示意圖。
第5圖係根據本發明之一實施例繪示一種濾波方法的測試架構之示意圖。
第6圖係根據本發明之一實施例繪示一種自適應濾波方法之示意圖。
第7圖係根據本發明之一實施例繪示一種LHR指標分析方法的示意圖。
第8圖係根據本發明之一實施例繪示一種LHR指標分析結果的示意圖。
第9圖係根據本發明之一實施例繪示一種PSD頻譜分析方法的示意圖。
第10圖係根據本發明之一實施例繪示一種PSD頻譜分析結果的示意圖。
以下說明係為完成發明的較佳實現方式，其目的在於描述本發明的基本精神，但並不用以限定本發明。實際的發明內容必須參考之後的權利要求範圍。
必須了解的是，使用於本說明書中的”包含”、”包括”等詞，係用以表示存在特定的技術特徵、數值、方法步驟、作業處理、元件以及/或組件，但並不排除可加上更多的技術特徵、數值、方法步驟、作業處理、元件、組件，或以上的任意組合。
於權利要求中使用如”第一”、"第二"、"第三"等詞係用來修飾權利要求中的元件，並非用來表示之間具有優先權順序，先行關係，或者是一個元件先於另一個元件，或者是執行方法步驟時的時間先後順序，僅用來區別具有相同名字的元件。
請參照第1~3圖，第1圖係依照本發明一實施例繪示一種濾波系統100之方塊圖。第2圖係依照本發明一實施例繪示一種自適應濾波裝置20之方塊圖。第3圖係根據本發明之一實施例繪示一種濾波方法300之流程圖。
如第1圖所示，濾波系統100包含一輸入及輸出介面10及一自適應濾波裝置20。於一實施例中，輸入及輸出介面10可以是藍芽傳輸裝置、無線或有線網路裝置。
如第2圖所示，自適應濾波裝置20包含一帶通濾波器(Bandpass filter)22及一自適應濾波器(Adaptive filter)24。
於一實施例中，帶通濾波器22是一個允許特定頻段的波通過同時屏蔽其他頻段的設備。例如，可以利用電阻、電感、電容電路實現帶通濾波器(RLC circuit)。
於一實施例中，帶通濾波器的階數(order)為2階或4階。
於一實施例中，自適應濾波器24是能夠根據輸入訊號自動調整性能，進行數位訊號處理的數位濾波器。例如依據輸入訊號及誤差訊號產生校正後的訊號。對於一些應用來說，由於事先並不知道所需要進行操作的參數，例如一些噪聲信號的特性，所以需要使用自適應的係數進行處理。在這種情況下，自適應濾波器24可以經由回授機制來調整濾波器係數以及頻率響應。於一實施例中，自適應濾波器24可以由最小均方濾波器(Least Mean Square Filter，LMS)和遞迴最小平方識別法(Recursive Least Square method，RLS)實現之。
於步驟310中，輸入及輸出介面10接收一聲音訊號SIG。
請參閱第4圖，第4圖係根據本發明之一實施例繪示一種濾波系統400之示意圖。第4圖中的電子裝置45可以是手機、平板、智慧型手錶或其它具有通訊、運算及顯示功能的裝置，為方便敘述，以下以手機為例進行說明。
第4圖中的電子裝置46可以具備第1圖的濾波系統100。於一實施例中，電子裝置46可以是電腦、伺服器或其他具有通訊、運算及顯示
功能的裝置，為方便敘述，以下以電腦為例進行說明。
於一實施例中，經過電腦46的運算結果可以回傳給手機45，便於使用者在手機45上操作。另一方面，手機45也可以即時取得來自模擬器SAM的訊號，再將訊號傳送給電腦46。於另一實施例中，手機45亦可具備第1圖的濾波系統100而可自行產生運算結果，而無須經由電腦46。
第4圖中的模擬器SAM是一種人體模型，可以模擬人體在不同身體狀況時，在各部位能夠聽到的心音及肺音。於一實施例中，模擬器SAM是一款封閉型的軀幹模型，當聽診器40貼於模擬器SAM上時，在不同的位置可以聽到左上肺位置41、三尖瓣位置42及主動脈瓣位置43的各個聲音，例如，當聽診器40貼於模擬器SAM的左上肺位置41附近，則可以聽到較大聲的左上肺位置41的聲音，三尖瓣位置42及主動脈瓣位置43的聲音則比較小聲。
於一實施例中，聽診器40中包含類比轉數位(analog-to digital converter)轉換器，將所接收的聲音輸出成數位音訊，並將數位音訊傳送到手機45。手機45再將數位音訊(即聲音訊號SIG，如第6圖所示)傳送給電腦46。於一實施例中，聽診器40亦可直接傳送數位音訊(即聲音訊號SIG)到電腦46。於一實施例中，數位音訊例如為無損音檔，例如WAV格式音檔。
請參閱第5圖，第5圖係根據本發明之一實施例繪示一種濾波方法的測試架構500之示意圖。於第5圖中，將模擬器SAM設定在心音及肺音都保留的情況下，使模擬器SAM模擬四種症狀，分別為主動脈狹窄與爆
裂音50、喘息與正常心音51、鼾聲與正常心音52及二尖瓣閉鎖不全與正常呼吸53。每種症狀皆量測三種位置，分別為左上肺位置41、三尖瓣位置42及主動脈瓣位置43。經由聽診器40量測訊號(即聲音訊號SIG)，且傳送到電腦46後，電腦46透過濾過系統100之自適應濾波裝置20處理，再進行肺音與心音率(Lung Sounds to Heart Sounds Ratio，LHR)指標分析模組54及功率譜密度(Power Spectral Density，PSD)頻譜分析模組55。
於步驟320中，自適應濾波裝置20依據聲音訊號SIG的頻率，將聲音訊號SIG分解出一主要(primary)肺音訊號PSI及一參考(reference)心音訊號RSI。
請參閱第6圖，第6圖係根據本發明之一實施例繪示一種自適應濾波方法600之示意圖。自適應濾波裝置20收到聲音訊號SIG後，會將聲音訊號SIG傳送到帶通濾波器22，帶通濾波器22將聲音訊號SIG過濾出20~300赫茲(Hz)的一濾波訊號作為輸出，此輸出視為參考心音訊號RSI。
於步驟330中，自適應濾波裝置20依據一權重值調整參考心音訊號RSI以產生一調整心音訊號Yi(n)，將主要肺音訊號PSI與調整心音訊號Yi(n)相減，以產生一濾波後肺音訊號ei(n)。
於一實施例中，調整心音訊號Yi(n)與濾波後肺音訊號ei(n)中的符號i代表迭代次數(例如第一次的計算則i為1，第二次的計算則i為2)，符號n代表當前訊號(例如下一筆訊號則表示為n+1)，濾波後肺音訊號ei(n)即為輸出訊號，並回授到自適應濾波器24，用以調整自適應濾波器24中的參數。其中，回授的迭代次數(即符號i，例如i等於0~100)可以事先定
義，或是定義一精準度門檻值，當自適應濾波器24判斷濾波後肺音訊號ei(n)的精準度大於精準度門檻值，表示權重值已趨於穩定，代表已擷取出較純粹的肺音(例如濾波後肺音訊號ei(n)中的肺音高於99%)。
於一實施例中，自適應濾波器24用以產生權重值，將主要肺音訊號PSI與調整心音訊號Yi(n)透過運算裝置(例如處理器或軟體運算)PR進行相減，以輸出濾波後肺音訊號ei(n)，濾波後肺音訊號ei(n)回授到自適應濾波器24，自適應濾波器24依據權重值及濾波後肺音訊號ei(n)以產生一更新權重值。此更新權重值可以使下一筆當前訊號n調整到濾除更多的心音。於一具體實施例中，權重值係介於-1至1之間。
於一實施例中，若將權重值表示為W(n)，將參考心音訊號RSI表示為hi(n)，符號n代表當前訊號，則權重值W(n)與參考心音訊號hi(n)進行內積運算後，可以得到調整心音訊號Yi(n)。
於一實施例中，若將主要肺音訊號PSI表示為Xi(n)，符號i代表迭代次數，符號n代表當前訊號，主要肺音訊號Xi(n)與調整心音訊號Yi(n)相減，以產生濾波後肺音訊號ei(n)。
於一實施例中，濾波後肺音訊號ei(n)回授回自適應濾波器24，用以調整下一筆訊號，則下一筆訊號n+1的權重可以表示為W(n+1)。自適應濾波器24將權重值W(n)加上一收斂常數(step size)與參考心音訊號hi(n)與濾波後肺音訊號ei(n)的內積後(數學式可列為W(n+1)=W(n)+step size‧hi(n)‧ei(n))，可取得下一筆訊號n+1的權重W(n+1)，如此可再利用權重W(n+1)以產生更精準的濾波後肺音訊號。
舉例而言，若第一次的濾波後肺音訊號e1(n)中包含10%的肺音(例如，濾波後肺音訊號e1(n)除以主要肺音訊號X1(n)為10%，然此處的算法或評估方法不限於此)，經過10次(i=10)的迭代後，第十次的濾波後肺音訊號e10(n)則包含99%的肺音(此處的數值僅為舉例說明，亦可預設一肺音門檻值，當肺音的比例高於肺音門檻值，則表示自適應濾波器24(權重值)已趨於穩定)，藉此可提升自適應濾波器24所產生的濾波後肺音訊號ei(n)的精準度。
於一實施例中，自適應濾波器24的收斂常數小於0.03。
於一實施例中，自適應濾波器24的收斂常數為0.006。
於一實施例中，自適應濾波器24的一窗寬大小(window size)為小於256個音訊點。其中，窗寬可以降低音訊中起始點與終點訊號的不連續性。由於自適應濾波器24的窗寬概念為已知技術，故此處不贅述之。
此步驟可將聲音訊號SIG濾除心音部份，擷取出較純粹的肺音，有助於醫療人員針對肺音的判斷。
請參閱第7圖，第7圖係根據本發明之一實施例繪示一種LHR指標分析方法700的示意圖。第7圖為心肺音的聲音訊號圖(已進行正規化處理)，縱橫為振幅(amplitude)，橫軸為時間(秒)，LHR指標分析方法700的判斷方式為抓取第一心音的最高點H1(震幅最高點)與第二心音的最高點H2，將第一心音的最高點H1為中心，向左右擴展，以最小單位0.05秒移動，若振幅大於0.1則繼續擴展，直到完成心音邊界的識別為止，可以得到第一
心音區間t1。第二心音的最高點H2與第三邊為中心的最高點H3的處理方式與第一心音相同，因此也可以找到第二心音區間t2，及下一心音區間t3。每兩個心音發生的間隔時間(如T1、T2)視為肺音區間。藉此完成心肺音判斷規則，將此判斷規則輸入LHR指標分析54。
於一實施例中，LHR指標分析模組54可以由軟體或硬體電路實現之。LHR指標分析模組54可以在時序上判斷採用濾波方法300及沒有濾波方法300的差異。
請參閱第8圖，第8圖係根據本發明之一實施例繪示一種LHR指標分析結果800的示意圖。第8圖中的分析對象分成：量測模擬器SAM的四種模擬症狀，分別為主動脈狹窄與爆裂音、喘息與正常心音、鼾聲與正常心音及二尖瓣閉鎖不全與正常呼吸。P值(p-value)代表當原假設為真時，檢驗統計量出現某不應該值所需的機率，通常P值小於0.05代表採用濾波方法300所輸出的肺音訊號的成分夠高，即濾波前與濾波後具顯著差異。
以分析對象為主動脈狹窄與爆裂音的LHR分析結果RS1為例，由LHR分析結果RS1可看出，每個疾病量測三個位置，即左上肺位置41、三尖瓣位置42及主動脈瓣位置43。每個量測位置被分成4個時段量測，例如主動脈狹窄與爆裂音的三尖瓣的位置被分成4個時段(0.4s~1.2s、4.95s~5.7s、10.9s~11.7s、13.98s~14.7s)作分析，藉此可看出此位置在不同時序的輸入LHR(代表原始資料，沒有採用濾波方法300)資料與輸出LHR資料(代表採用濾波方法300)的分貝改變。整體而言，可看出採用濾波方法
300的輸出LHR資料的分貝(dB)大於輸入LHR資料的分貝。由此LHR分析結果可知，採用濾波方法300可以使肺音更為清楚。
請參閱第9圖，第9圖係根據本發明之一實施例繪示一種PSD頻譜分析方法900的示意圖。PSD頻譜分析模組55可將聲音訊號SIG送入傅立葉轉換(Fourier transform，FFT)模組90進行數學運算，窗寬大小可以是8192。經由傅立葉轉換後可以分析出多個頻段91，例如20~100Hz、100~300Hz、300~2000Hz。
於一實施例中，傅立葉轉換模組90可以由軟體或硬體電路實現之。
於一實施例中，PSD頻譜分析模組55可以由軟體或硬體電路實現之。PSD頻譜分析模組55可以在頻段上判斷採用濾波方法300及沒有濾波方法300的差異。
請參閱第10圖，第10圖係根據本發明之一實施例繪示一種PSD頻譜分析結果1000的示意圖。第10圖的縱軸為強度(dB)，橫軸為頻率(Hz)。第10圖中的分析對象分成：量測模擬器SAM的四種模擬症狀，分別為主動脈狹窄與爆裂音、喘息與正常心音、鼾聲與正常心音及二尖瓣閉鎖不全與正常呼吸。P值(p-value)代表當原假設為真時，檢驗統計量出現某不應該值所需的機率，通常P值小於0.05代表採用濾波方法300所輸出的肺音訊號的成分夠高，即濾波前與濾波後具顯著差異。由第10圖可知，模擬器SAM的四種模擬症狀的P值都小於0.05，代表濾波前與濾波後具顯著差異。
以分析對象為主動脈狹窄與爆裂音在三尖瓣位置的PSD分
析結果RS2為例，PSD分析結果RS2中的數值可以是經過正規化調整後的數據。於第10圖中，濾波前的PSD強度(dB)，在20~100Hz是3.66、在100~300Hz是2.88，在300~2000Hz是-14.98，另一方面，濾波後的PSD強度，在20~100Hz是-14.78、在100~300Hz是-6.78，在300~2000Hz是-13.12，由於經過濾波後，部分心音訊號被濾除，因此濾波後的PSD強度會低於濾波前的PSD強度。
更具體而言，於第10圖中，由於一般心音出現的頻率約在20~100Hz，因此以此頻率作代表，由PSD頻譜分析結果RS2可知心音出現的頻率(20~100Hz)經過濾波後，部分心音訊號被濾除，另外，由PSD頻譜分析結果RS2中圈起來之處，亦可以看出原始訊號強度因為參雜了心肺音，因此訊號的強度較高，經過濾波方法300的訊號處理後，明顯地濾除了部分心音，因此訊號強度較低，此代表過濾掉了部分心音，使得肺音訊號相對聽起來更為清楚(即更加純粹的肺音訊號)。
由上述可知，藉由本案的濾波系統及濾波方法，可以從心肺音混合的聲音訊號中分離心音雜訊，以獲得肺音訊號，並避免心肺音同時被濾除的狀態，進而達到保留高成分的肺音之功效。
300:濾波方法
310~330:步驟
Claims (10)
- 一種濾波系統，包含： 一輸入及輸出介面，用以接收一聲音訊號；以及 一自適應濾波裝置，將該聲音訊號分解出一主要(primary)肺音訊號及一參考(reference)心音訊號，依據一權重值調整該參考心音訊號，以產生一調整心音訊號，將該主要肺音訊號與該調整心音訊號相減，以產生一濾波後肺音訊號。
- 如請求項1之濾波系統，其中該自適應濾波裝置更包含： 一帶通濾波器(Bandpass filter)，用以將該聲音訊號過濾出20~300赫茲(Hz)的一濾波訊號作為該參考心音訊號。
- 如請求項1之濾波系統，其中該自適應濾波裝置更包含： 一自適應濾波器(Adaptive filter)，用以產生該權重值，將該主要肺音訊號與該調整心音訊號相減，以輸出該濾波後肺音訊號，該濾波後肺音訊號回授到該自適應濾波器，該自適應濾波器依據該權重值及該濾波後肺音訊號以產生一更新權重值。
- 如請求項2之濾波系統，其中該帶通濾波器的階數(order)為2階或4階。
- 如請求項3之濾波系統，其中自適應濾波器的一收斂常數(step size)小於0.03。
- 如請求項3之濾波系統，其中該自適應濾波器的一收斂常數(step size)為0.006。
- 如請求項3之濾波系統，其中該自適應濾波器的一窗寬大小(window size)為小於256個音訊點。
- 一種濾波方法，包含： 接收一聲音訊號； 將該聲音訊號分解出一主要(primary)肺音訊號及一參考(reference)心音訊號； 依據一權重值調整該參考心音訊號，以產生一調整心音訊號；以及 將該主要肺音訊號與該調整心音訊號相減，以產生一濾波後肺音訊號。
- 如請求項8之濾波方法，更包含： 將該聲音訊號過濾出20~300赫茲(Hz)的一濾波訊號作為該參考心音訊號。
- 如請求項8之濾波方法，更包含： 產生該權重值； 將該主要肺音訊號與該調整心音訊號相減，以輸出該濾波後肺音訊號； 回授該濾波後肺音訊號到該自適應濾波器；以及 依據該權重值及該濾波後肺音訊號以產生一更新權重值。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109113262A TWI769449B (zh) | 2020-04-21 | 2020-04-21 | 濾波系統及濾波方法 |
| CN202010401086.4A CN113545797A (zh) | 2020-04-21 | 2020-05-13 | 滤波系统及滤波方法 |
| US17/000,722 US11633158B2 (en) | 2020-04-21 | 2020-08-24 | Filtering system and filtering method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109113262A TWI769449B (zh) | 2020-04-21 | 2020-04-21 | 濾波系統及濾波方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202139931A TW202139931A (zh) | 2021-11-01 |
| TWI769449B true TWI769449B (zh) | 2022-07-01 |
Family
ID=78080691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109113262A TWI769449B (zh) | 2020-04-21 | 2020-04-21 | 濾波系統及濾波方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11633158B2 (zh) |
| CN (1) | CN113545797A (zh) |
| TW (1) | TWI769449B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI729808B (zh) * | 2020-05-14 | 2021-06-01 | 廣達電腦股份有限公司 | 聽診裝置及應用聽診裝置的聽診方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1488319A (zh) * | 2002-10-08 | 2004-04-14 | 合世股份有限公司 | 多功能电子听诊器 |
| US7006638B1 (en) * | 1994-08-30 | 2006-02-28 | Bang & Olufsen Technology A/S | Electronic stethoscope |
| KR20110125428A (ko) * | 2010-05-13 | 2011-11-21 | 경북대학교 산학협력단 | 심음 향상을 위한 단일채널 적응 잡음 제거 장치 및 제거 방법 |
| US20130150754A1 (en) * | 2011-12-08 | 2013-06-13 | 3M Innovative Properties Company | Electronic stethoscopes with user selectable digital filters |
| WO2017075601A1 (en) * | 2015-10-30 | 2017-05-04 | The Johns Hopkins University | Programmable electronic stethoscope devices, algorithms, systems, and methods |
| CN106691376A (zh) * | 2016-11-30 | 2017-05-24 | 深圳市科曼医疗设备有限公司 | 心电信号自适应滤波方法及装置 |
| CN109545239A (zh) * | 2018-12-06 | 2019-03-29 | 华南理工大学 | 用于采集体音信号的双麦克风自适应滤波算法及应用 |
| CN110970042A (zh) * | 2019-12-13 | 2020-04-07 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的肺部啰音人工智能实时分类方法、系统、装置及可读存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060198533A1 (en) * | 2005-03-04 | 2006-09-07 | Wang Le Y | Method and system for continuous monitoring and diagnosis of body sounds |
| US20090254139A1 (en) * | 2006-04-13 | 2009-10-08 | St. Jude Medical Ab | Implantable medical device with optimization procedure |
| CN102078201A (zh) * | 2010-07-28 | 2011-06-01 | 上海理工大学 | 便携式无线电子听诊器 |
| US20140148711A1 (en) * | 2012-11-26 | 2014-05-29 | Te-Chung Isaac Yang | Recursive Least Squares Adaptive Acoustic Signal Filtering for Physiological Monitoring System |
| SG10201708876VA (en) * | 2017-10-30 | 2019-05-30 | Delta Electronics Intl Singapore Pte Ltd | System And Method For Health Condition Monitoring |
| CN109984742B (zh) * | 2019-04-22 | 2022-12-06 | 深圳大学 | 心阻抗信号处理系统和方法 |
-
2020
- 2020-04-21 TW TW109113262A patent/TWI769449B/zh active
- 2020-05-13 CN CN202010401086.4A patent/CN113545797A/zh active Pending
- 2020-08-24 US US17/000,722 patent/US11633158B2/en active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7006638B1 (en) * | 1994-08-30 | 2006-02-28 | Bang & Olufsen Technology A/S | Electronic stethoscope |
| CN1488319A (zh) * | 2002-10-08 | 2004-04-14 | 合世股份有限公司 | 多功能电子听诊器 |
| KR20110125428A (ko) * | 2010-05-13 | 2011-11-21 | 경북대학교 산학협력단 | 심음 향상을 위한 단일채널 적응 잡음 제거 장치 및 제거 방법 |
| US20130150754A1 (en) * | 2011-12-08 | 2013-06-13 | 3M Innovative Properties Company | Electronic stethoscopes with user selectable digital filters |
| WO2017075601A1 (en) * | 2015-10-30 | 2017-05-04 | The Johns Hopkins University | Programmable electronic stethoscope devices, algorithms, systems, and methods |
| CN106691376A (zh) * | 2016-11-30 | 2017-05-24 | 深圳市科曼医疗设备有限公司 | 心电信号自适应滤波方法及装置 |
| CN109545239A (zh) * | 2018-12-06 | 2019-03-29 | 华南理工大学 | 用于采集体音信号的双麦克风自适应滤波算法及应用 |
| CN110970042A (zh) * | 2019-12-13 | 2020-04-07 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的肺部啰音人工智能实时分类方法、系统、装置及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113545797A (zh) | 2021-10-26 |
| US11633158B2 (en) | 2023-04-25 |
| TW202139931A (zh) | 2021-11-01 |
| US20210321949A1 (en) | 2021-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2595636C2 (ru) | Система и способ для генерации аудиосигнала | |
| JP6572894B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| CN107431852B (zh) | 信号处理装置、信号处理方法及计算机可读存储介质 | |
| CN108766454A (zh) | 一种语音噪声抑制方法及装置 | |
| CN109493877B (zh) | 一种助听装置的语音增强方法和装置 | |
| US10368154B2 (en) | Systems, devices and methods for executing a digital audiogram | |
| US20130156208A1 (en) | Hearing aid and method of detecting vibration | |
| McLane et al. | Design and comparative performance of a robust lung auscultation system for noisy clinical settings | |
| US20190320268A1 (en) | Systems, devices and methods for executing a digital audiogram | |
| TWI769449B (zh) | 濾波系統及濾波方法 | |
| CN108720837A (zh) | 用于检测呼吸阶段的方法、系统和装置 | |
| US20220005491A1 (en) | A Dual-Microphone Adaptive Filtering Algorithm for Collecting Body Sound Signals and Application Thereof | |
| JP5526060B2 (ja) | 補聴器調整装置 | |
| CN113241085B (zh) | 回声消除方法、装置、设备及可读存储介质 | |
| Lin et al. | Wheeze recognition based on 2D bilateral filtering of spectrogram | |
| CN114584908A (zh) | 助听器的声学测试方法、装置以及设备 | |
| CN105764008B (zh) | 一种调试扩声系统传输频率特性的方法及装置 | |
| US20040158431A1 (en) | Medical hearing aid analysis system | |
| CN115606198A (zh) | 用于多麦克风信号处理的数据增强的系统和方法 | |
| US9295423B2 (en) | System and method for audio kymographic diagnostics | |
| US11756569B2 (en) | Sound quality evaluation method and sound quality evaluation system using same | |
| CN107688451A (zh) | 可根据脸部影像辨识结果调整均衡器设定的电子装置 | |
| CN109688503A (zh) | 心理感知状态检测系统及方法 | |
| CA2749617C (en) | Method for separating signal paths and use for improving speech using an electric larynx | |
| CN110140294A (zh) | 用于均衡音频信号的方法和装置 |