田文雪

（西安建筑科技大學(xué)，陜西 西安 710055）

基于香農(nóng)熵的心音信號(hào)檢測(cè)方法研究

田文雪

（西安建筑科技大學(xué)，陜西 西安 710055）

對(duì)于診斷心血管疾病的多種模態(tài)的醫(yī)療數(shù)據(jù)中，作為音頻的心音信號(hào)一般在疾病發(fā)生病變之前就能表現(xiàn)出異常。文章主要對(duì)心音信號(hào)進(jìn)行分析與處理，利用dbN對(duì)心音進(jìn)行頻段劃分，去除心音噪聲，利用香農(nóng)熵提取心音包絡(luò)并利用時(shí)間門限檢測(cè)心音信號(hào)的特征點(diǎn)。

心音信號(hào)；dbN；香農(nóng)熵；檢測(cè)；心血管疾病

1 基于dbN小波的心音去噪

本文心音的音頻信息利用普通音樂軟件將其轉(zhuǎn)換為WAV格式，之后利用MATLAB軟件對(duì)心音信號(hào)分析與處理。心音信號(hào)主要包括兩種噪聲：一種是由環(huán)境、設(shè)備以及病人呼吸或移動(dòng)所引起的噪聲；另一種是指心臟收縮或者舒張過程中產(chǎn)生的雜音。文章采用小波算法對(duì)心音進(jìn)行去噪，保留心音信號(hào)的主要成分：第一心音以及第二心音。

1.1 利用小波進(jìn)行心音頻帶劃分

由于心音的特征信號(hào)與不同噪聲分布在不同的頻帶，本文選用緊支集正交小波對(duì)心音進(jìn)行頻帶的劃分，dbN小波可以對(duì)不同頻率的信號(hào)進(jìn)行分層分解。本文采用緊支集正交小波在階數(shù)為6時(shí)對(duì)心音信號(hào)進(jìn)行分解，根據(jù)不同的頻率，對(duì)心音信號(hào)進(jìn)行4層分解，每一層的頻率分別為551～1 102 Hz，275～551 Hz，138～275 Hz以及0～138 Hz，這樣心音信號(hào)的高頻成分通過該4層分解會(huì)被消除掉。經(jīng)過小波對(duì)心音信號(hào)按照不同頻帶的劃分，心音的特征信號(hào)主要集中在0～138 Hz的頻段內(nèi)，而噪聲部分主要分布在其他頻段內(nèi)。在經(jīng)過db小波對(duì)頻帶進(jìn)行劃分后利用香農(nóng)熵即可表示心音信號(hào)各個(gè)波段的特征值。

2 基于香農(nóng)熵的心音信號(hào)特征檢測(cè)

2.1 心音信號(hào)提取包絡(luò)

在去噪后的基礎(chǔ)上對(duì)心音進(jìn)行分段定位，目前研究表明，對(duì)心音進(jìn)行分段定位需要利用包絡(luò)提取的方法，該方法能夠清楚地得到心音波形的形狀特征，從而能夠得到心音的不同分段。本文利用香農(nóng)熵法對(duì)心音信號(hào)進(jìn)行包絡(luò)提取。

香農(nóng)熵提取心音包絡(luò)步驟如下：

首先對(duì)經(jīng)過預(yù)處理后的心音信號(hào)進(jìn)行歸一化。

歸一化后對(duì)心音信號(hào)進(jìn)行分段，計(jì)算平均香農(nóng)熵。

其中N表示在特定步長T的信號(hào)長度，最后將分段獲得的香農(nóng)熵再進(jìn)行歸一化處理。

其中meanEs(t)是歸一化的香農(nóng)熵均值，S(Es(t))是其標(biāo)準(zhǔn)差。

在對(duì)心音進(jìn)行包絡(luò)提取的過程中一般需要考慮包絡(luò)是否平滑以及包絡(luò)的邊緣是否出現(xiàn)波動(dòng)這兩個(gè)因素。利用香農(nóng)熵對(duì)心音信號(hào)進(jìn)行包絡(luò)提取后，提取波形的峰值點(diǎn)，然后對(duì)包絡(luò)進(jìn)行歸一化，以時(shí)間門的形式來體現(xiàn)心音的能量分布，一般而言，時(shí)間門的起點(diǎn)與終點(diǎn)基本可以作為第一心音與第二心音起止點(diǎn)的參考點(diǎn)。以時(shí)間門的形式體現(xiàn)心音包絡(luò)的能量分布，并對(duì)第一心音與第二心音的起止點(diǎn)進(jìn)行確定。

2.2 檢測(cè)結(jié)果分析與比較

本文心音音頻數(shù)據(jù)來源于網(wǎng)上有診斷結(jié)果的音頻數(shù)據(jù)，其中包括二尖瓣膜狹窄、第一第二心音間隔異常、第二心音肥厚，心音分裂等疾病的原始音頻數(shù)據(jù)以及診斷結(jié)果。本文對(duì)于心音的檢測(cè)中包括第一心音、第二心音的峰值點(diǎn)的幅值以及第一心音與第二心音的起止點(diǎn)位置。

以心音分裂及狹窄為例對(duì)以上處理過程進(jìn)行分析與驗(yàn)證。對(duì)去噪后的心音信號(hào)利用小波進(jìn)行頻段劃分，其結(jié)果如圖1所示，最后經(jīng)過小波的分解與重構(gòu)，心音去噪后的結(jié)果如圖2所示。

圖1 心音頻段劃分結(jié)果

利用香農(nóng)熵進(jìn)行心音包絡(luò)提取以及利用時(shí)間門確定第一心音對(duì)于第二心音的起點(diǎn)與終點(diǎn)位置。其處理結(jié)果如圖3—4所示。

根據(jù)以上對(duì)心音信號(hào)的分析結(jié)果，對(duì)第一心音、第二心音的起止點(diǎn)以及峰值點(diǎn)位置進(jìn)行確定。起止點(diǎn)的特征信息中包括時(shí)間信息，第一心音與第二心音的時(shí)長以及波峰位置，并將其作為后面疾病預(yù)測(cè)模型的樣本數(shù)據(jù)參數(shù)進(jìn)行輸入。

3 結(jié)語

本文針對(duì)心音信號(hào)自身所具有的特點(diǎn)，利用小波算法對(duì)心音去噪，并利用db 6小波對(duì)心音信號(hào)進(jìn)行頻段劃分，采用香農(nóng)熵提取心音包絡(luò)，并用時(shí)間門的方式表示心音的起止點(diǎn)位置，從而完成心音特征的檢測(cè)。

圖2 去噪后心音信號(hào)

圖3 香農(nóng)能量分布

圖4 S1，S2時(shí)間門

[1]任方琴.基于頻域的心音身份識(shí)別算法[D].杭州：杭州電子科技大學(xué)，2013.

[2]李戰(zhàn)明，韓陽，韋哲，等.基于S變換的心音信號(hào)特征提取[J].振動(dòng)與沖擊，2012（21）：179-183.

[3]陳冠蘭.基于多生理信息融合的心血管疾病檢測(cè)技術(shù)研究[D].重慶：重慶理工大學(xué)，2013.

[4]陳國強(qiáng).心音信號(hào)的提取和處理研究[D].西安：西安電子科技大學(xué)，2009.

Research on heart sound signal detection method based on Shannon entropy

Tian Wenxue
（Xi’an University of Architecture and Technology, Xi’an 710055, China）

For medical data that diagnoses a variety of modalities of cardiovascular disease, the heart sound signal as an audio is generally able to exhibit an abnormality before the disease occurring . In this paper, we mainly analyze and deal with the heart sound signal, using the dbN to segment the heart sound and to remove the heart sound noise, extracting the heart sound envelope with Shannon entropy and using the time threshold to detect the characteristic points of the heart sound signal.

heart sound signal; dbN; Shannon entropy; detection; cardiovascular disease

田文雪（1990— ），女，山東日照。