王國靜，王衛(wèi)東

0 引言

腸鳴音是腸管內(nèi)物質(zhì)隨著腸子蠕動時產(chǎn)生的聲音，它是人體重要的生理信號之一，不同的腸鳴音能夠反映不同的生理狀態(tài)。腸鳴音不像心電信號或呼吸信號那樣有明顯的規(guī)律可循，它是梭狀的瞬變聲學(xué)信號，具有信號弱、背景噪聲強、個體差異大以及隨機性強等特點，腸鳴音信號的有效頻率在1 500 Hz以內(nèi)[1]。

腸鳴音信號可以指征胃腸狀態(tài)，在臨床上，有通過觀察胃腸蠕動狀態(tài)來監(jiān)測進食事件，進而為人工胰腺系統(tǒng)中血糖指標(biāo)監(jiān)測提供參考依據(jù)[2]；腸鳴音信號可以作為胃腸道疾病的指征參數(shù)之一[3]，胃腸道發(fā)生如果發(fā)生病變，比如出現(xiàn)胃十二指腸疾病、小腸疾病和大腸疾病，相應(yīng)的腸鳴音強度或數(shù)量也會出現(xiàn)異常。另外，腸鳴音信號可以作為其他疾病的指征參數(shù)之一，近幾年的研究發(fā)現(xiàn)，腸鳴音除了可以指征胃腸狀態(tài)以外，還對敗血癥[4]、帕金森氏癥[5]等病癥有臨床意義。

對于腸鳴音的分析研究，目前也有很多方法，比如時頻分析、人工神經(jīng)網(wǎng)絡(luò)、希爾伯特變換、非線性動力學(xué)分析等，但是腸鳴音的基礎(chǔ)研究相對比較少。一方面，臨床上還沒有獲取腸鳴音信號的專用設(shè)備，目前醫(yī)護人員依然是用普通聽診器置于腹部移動選點來聽取腸鳴音的強弱情況，這種聽診形式只能實現(xiàn)短時間小區(qū)域范圍的聽診，不能長時程獲取整個腹部范圍內(nèi)的小腸蠕動狀態(tài)。另一方面，目前使用語音端點檢測技術(shù)還未對腸鳴音進行有效識別和提取，將語音分析方法引入腸鳴音分析中，為腸鳴音的準(zhǔn)確識別和提取和進一步研究開辟了一條新路徑。

本文設(shè)計了可穿戴式的全腹部腸鳴音記錄儀，獲取長時程腸鳴音數(shù)據(jù)后，進一步進行優(yōu)化處理，包括自適應(yīng)對消、小波閾值去噪，最后采用短時能量語音端點檢測方法，識別提取有效腸鳴音。

1 方法

1.1 全腹部腸鳴音信號的獲取

本文涉及的腸鳴音信號是使用自主研發(fā)的可穿戴全腹部腸鳴音記錄儀采集的。腸鳴音記錄儀包括主機部分和拾音部分，如圖1所示。

圖 1 腸鳴音記錄儀原理樣機Fig.1 The prototype of bowel sound recorder

主機部分包括2個通道，其中1個通道獲取腸鳴音信號，另1個通道獲取背景噪聲。每路音頻都是通過MEMS麥克風(fēng)獲取音頻信號。MEMS麥克風(fēng)具有小體積、高可靠性、可回流焊接和優(yōu)良的聲學(xué)性能等優(yōu)勢，廣泛應(yīng)用于語音通信、智能手機、助聽裝置等領(lǐng)域以提高更高的語音質(zhì)量[6]。2個通道的音頻信號經(jīng)過模數(shù)轉(zhuǎn)換（采樣率為16 kHz）后存儲到Micro SD卡中。

拾音部分包括5個拾音盤和1個空腔，5個拾音盤分布在小腹，目的是實現(xiàn)腸鳴音的全腹部聽診。通過空腔將全腹部腸鳴音匯聚到主機部分。拾音部分的固定采取腹帶形式，如圖2所示。該腹帶采用4條拉鏈?zhǔn)皆O(shè)計，可以根據(jù)需要選擇大小，方便操作并且適合所有人的尺寸。

圖2 腸鳴音拾音器固定腹帶Fig.2 Bellyband of fixing bowel sound pick-up

1.2 自適應(yīng)噪聲對消

在腸鳴音采集過程中，環(huán)境噪聲很容易被引入，進而直接影響腸鳴音信號的質(zhì)量，所以去除環(huán)境噪聲有助于更好地識別分析腸鳴音。

本文采用自適應(yīng)噪聲對消實現(xiàn)環(huán)境噪聲的去除，自適應(yīng)噪聲對消是一種有效的降噪方法，是自適應(yīng)濾波器的典型應(yīng)用[7]。腸鳴音記錄儀的第2個通道實現(xiàn)了環(huán)境噪聲的采集，為自適應(yīng)噪聲對消提供了硬件支持。自適應(yīng)噪聲對消系統(tǒng)的原理如圖3所示[8]，其中，噪聲源n'(k)為參考輸入，受噪聲污染的信號s(k)+n(k)為原始輸入，自適應(yīng)濾波器根據(jù)誤差信號e(k)來調(diào)整自身濾波器的系數(shù)，使輸出y(k)趨于原始輸入中的n(k)，從而使誤差信號e(k)趨于信號s(k)。自適應(yīng)算法主要有2種，分別是最小均方誤差（LMS）和遞推最小二乘法（RLS）[9]。本設(shè)計選用的是LMS算法，其基本思想是以期望響應(yīng)與濾波器輸出信號之間誤差的均方值最小為準(zhǔn)則，根據(jù)輸入信號在迭代過程中估計梯度矢量更新權(quán)系數(shù)獲取最佳的自適應(yīng)迭代算法[10]。

圖3 自適應(yīng)噪聲對消實現(xiàn)框圖Fig.3 Block diagram of adaptive noise cancellation

在具體實現(xiàn)自適應(yīng)噪聲對消過程中，需要確定兩個參數(shù)：自適應(yīng)濾波器的階數(shù)和LMS步長因子。這兩個參數(shù)影響系統(tǒng)的收斂速度、計算量和穩(wěn)態(tài)誤差[11]。本文中，綜合各方面因素和最終的運行效果，確定濾波器的階數(shù)為32，步長因子為0.000 001。

1.3 小波閾值去噪

小波去噪作為一種有效而實用的方法，在信號去噪及圖像去噪中均取得較好的效果，在工程應(yīng)用領(lǐng)域中的應(yīng)用也非常廣泛[12-13]。國內(nèi)外研究人員對小波去噪進行了大量的研究工作，早期如WEAVER[14]等, 后來DONOHO和JOHNSTONE等提出了硬閾值和軟閾值去噪算法[15-16]。DONOHO提出的小波閾值去噪的基本思想是將信號通過小波變換（采用Mallat算法）后，信號產(chǎn)生的小波系數(shù)含有信號的重要信息，經(jīng)小波分解后信號的小波系數(shù)較大，噪聲的小波系數(shù)較小，并且噪聲的小波系數(shù)要小于信號的小波系數(shù)，通過選取一個合適的閾值，大于閾值的小波系數(shù)被認為是有信號產(chǎn)生的，應(yīng)予以保留，小于閾值的則認為是噪聲產(chǎn)生的，置為零從而達到去噪的目的，小波閾值去噪過程可簡單表示為圖4。

圖 4 小波閾值去噪過程Fig.4 The process of wavelet threshold denoising

小波分解過程中，要進行小波基、分解層數(shù)和閾值的確定。對于小波基的選擇，在語音去噪中，常用的兩族小波基分別是db小波系和sym小波系。本設(shè)計中使用的是sym8小波。對于分解層數(shù)的選擇，太大或太小都會影響最終的去噪效果，所以選擇一個合適的分解尺度很重要，本設(shè)計中選擇的分解層數(shù)是5。對于閾值的確定，使用Birge-Massart算法獲取一維小波變換的各層閾值，使用軟閾值函數(shù)進行去噪。

1.4 腸鳴音信號端點檢測

語音信號端點檢測技術(shù)的目的就是從包含語音的一段信號中準(zhǔn)確地確定語音的起始點和終止點，區(qū)分語音和非語音信號，它是語音處理技術(shù)中的一個重要方面[17]。

因為語音信號具有時變特性，而在一個短時間范圍內(nèi)其特性基本保持不變即相對穩(wěn)定，因而可以將其看作是一個準(zhǔn)穩(wěn)態(tài)過程。語音的重要特性是它具有“短時性”，所以對語音的分析和處理必須建立在“短時”的基礎(chǔ)上，即進行“短時分析”。分幀加窗就是用來實現(xiàn)“短時”。在進行端點檢測之前，要先進行分幀加窗。

對于幀長的確定，既要足夠短來保證幀內(nèi)信號的平穩(wěn)性，又要包括足夠多的振動周期來分析頻率，所以幀長一般選擇20 ms到50 ms，本設(shè)計中實現(xiàn)的是35 ms的幀長。加窗的目的是讓一幀信號的幅度在兩端漸變到 0，結(jié)果是盡可能呈現(xiàn)出一個連續(xù)的波形，減少劇烈的變化。

分幀加窗后，便可以進行語音信號的端點檢測。實現(xiàn)端點檢測的方法很多，包括時域參數(shù)、頻域參數(shù)、時頻域參數(shù)相結(jié)合以及基于模型的端點檢測等[18]。本設(shè)計中采用時域參數(shù)中的短時能量方法進行有效腸鳴音信號的端點檢測。

語音和噪聲的主要區(qū)別在它們的能量上，語音段的能量比噪聲段的大。信號的短時能量[19]定義為：設(shè)語音波形時域信號為x(l)，加窗分幀處理得到第n幀語音信號為xn(m)，則xn(m)滿足下式：

其中，n=0, 1T, 2T, ...,并且N為幀長，T為幀移長度。設(shè)第n幀語音信號xn(m)的短時能量譜En表 示：

在具體實現(xiàn)短時能量方法時，定義了兩個能量閾值，來判斷有效腸鳴音信號和噪聲。此外，還設(shè)定了有效腸鳴音信號的持續(xù)時間閾值，根據(jù)胡勇[20]對腸鳴音信號的分析和分類，本設(shè)計中持續(xù)時間閾值設(shè)定為10 ms，即認定10 ms以下的聲音均為噪聲。

2 實驗結(jié)果與分析

本設(shè)計采用自主研發(fā)的全腹部腸鳴音記錄儀進行腸鳴音信號的獲取，具體地，根據(jù)被測者的腹圍選擇合適的腹帶大小，5個拾音盤均充分與腹部緊密接觸視為有效固定，被測者選取仰臥姿勢進行測試，如圖5所示。自適應(yīng)對消效果如圖6所示，分別是有噪聲的腸鳴音信號，背景噪聲信號和自適應(yīng)對消后的腸鳴音信號。顯而易見，自適應(yīng)對消算法濾除掉了背景噪聲對腸鳴音信號的干擾。

圖5 被測者測試體位Fig.5 The test position of the subject

圖 6 腸鳴音信號波形和自適應(yīng)對消效果Fig.6 The waveform of bowel sound signals and the adaptive canceling eあect

自適應(yīng)對消后，對腸鳴音信號進行進一步的小波閾值去噪，效果如圖7所示，明顯地看到信號的信噪比得到改善。

圖7 腸鳴音信號小波閾值去噪Fig.7 Wavelet threshold denoising of bowel sound signals

對采集到的腸鳴音信號進行優(yōu)化處理完成后，便采用短時能量方法進行有效腸鳴音的檢測識別，如圖8顯示的是檢測結(jié)果，兩個豎線之間是檢測到的有效腸鳴音。

圖8 有效腸鳴音檢測識別效果Fig.8 Detection and recognition of bowel sound

3 結(jié)束語

本設(shè)計實現(xiàn)全腹部腸鳴音信號的獲取記錄、處理分析和檢測識別，一方面為臨床提供了可以長時程記錄腸鳴音信號的腸鳴音記錄儀，另一方面將語音信號分析方法中的語音端點檢測用于有效腸鳴音的提取，為后期腸鳴音的進一步分析處理和臨床診療提供理論基礎(chǔ)。

但是，本設(shè)計還有很多需要不斷完善的地方：設(shè)備優(yōu)化方面，可以進一步加入無線功能，方便醫(yī)患可以實時觀測腸鳴音數(shù)據(jù)；分析算法方面，一方面可配合無線進一步實現(xiàn)腸鳴音數(shù)據(jù)的實時檢測識別，另一方面也可進一步優(yōu)化算法，使得有效腸鳴音的檢測識別更加精確。