陳茜茹，鐘清華，張 涵，李志為

基于RLS-ANC算法的心音去噪實驗研究

陳茜茹1,2，鐘清華1，張 涵1,2，李志為1

（1. 華南師范大學 物理與電信工程學院，廣東 廣州 510631；2. 廣東省心腦血管個體化醫(yī)療大數(shù)據(jù)工程技術研發(fā)中心，廣東 廣州 510631）

提出一種基于自適應對消應用遞歸最小二乘（RLS-ANC）算法定位構建心音信號的方法。下位機采用專用醫(yī)學聽頭采集心臟胸壁聲信號，以嵌入式處理器STM32F103為核心構成心音信號采集實驗系統(tǒng)，將采集的心臟胸壁聲信號通過串口傳遞給計算機，在Matlab軟件平臺上，編程實現(xiàn)心音信號去噪處理。實驗結果表明，該算法能有效消除噪聲和保留心音信號的特征，且運行速度快，具有一定的實用價值。

心臟聽診；心音去噪；遞歸最小二乘

1 心音概述

心音包含心臟心房、心室、心血管及各個瓣膜狀態(tài)的大量有用信息，是反映心臟生理和病理特性的重要指標[1]。心音聽診是臨床上診斷心腦血管疾病的主要手段之一。傳統(tǒng)聽診結果容易受人耳聽力敏感局限和聽診者主觀經(jīng)驗的影響[2-3]。再有，在遠程醫(yī)療和家庭監(jiān)護系統(tǒng)中，為了幫助醫(yī)生得到更好的聽診結果，數(shù)字化的電子聽診和計算機輔助分析已經(jīng)是一個不可避免的趨勢[4]。電子聽診器能夠更加精細地測量胸壁聲音信號，使得聲音信號更加清楚，但檢測到的胸壁聲音一般為心音、肺音、胸組織聲音、環(huán)境聲音和測量噪聲的混合聲音。心音信號的頻率主要集中在20~150 Hz，肺音信號的頻譜范圍很寬，為20~2000 Hz，但能量主要集中在200 Hz以下。心音信號和肺音信號在頻譜上的重疊而導致的相互干擾是聽診過程中首要的技術難題[5]。所以，必須通過計算機輔助分析將采集來的心臟胸壁聲信號去除肺音信號及其他噪聲，提取出心音信號，再傳送給心臟?？漆t(yī)生或醫(yī)院的監(jiān)護中心。如何準確定位和提取心音信號對提高心血管疾病醫(yī)學診斷的準確度有著十分重要的意義。

近年來，國內(nèi)外學者對心音去噪問題展開了許多研究，如采用自適應濾波算法[6-7]、小波變換[8-10]、盲源分離技術[11-12]、基于經(jīng)驗模態(tài)分解的自適應分析算法[13-14]、非線性Kernel函數(shù)[15]、有效熵界[16]等。以上各種算法在不同程度上提取了心音信號，降低了噪聲，但目前并沒有找到最佳的算法。本文嘗試采用自適應噪聲對消結構（adaptive noise cancelling，ANC）應用遞歸最小二乘法（recursive least square，RLS）定位心音信號，并對信號采集實驗系統(tǒng)進行了研究。

2 心肺音分離算法相關技術

2.1 RLS算法

基于橫向濾波器RLS自適應濾波算法原理如下：

2.2 自適應噪聲對消器

自適應噪聲對消（adaptive noise cancelling，ANC）方案由Widrow等人提出，并成功地將它應用于許多場合，例如消除心電圖中的工頻干擾、消除母親心電圖對胎兒心電圖的干擾，消除聲音信號的干擾等。

圖1 自適應噪聲對消器（ANC）結構

在圖1的系統(tǒng)中，采用一個自適應濾波器處理參考輸入信號。該信號濾波器通過一種特別受與其輸出有關的誤差信號所控制的最小均方算法，比如RLS算法，自動地調(diào)節(jié)自身的沖擊響應。所以，采用恰當?shù)乃惴?，濾波器可以在傳輸通道變化的條件下進行工作，并可以不斷地調(diào)節(jié)自身，使誤差信號最小。

3 基于RLS-ANC的心音去噪算法

3.1 算法過程

心音去噪算法主要分為如下3個步驟：

（1）濾除雜音。在Matlab平臺上，首先將從胸壁采集的原始信號通過一個20~300 Hz的帶通濾波器濾除多余的雜音，以此信號作為算法的輸入信號。此輸入信號主要是心音和肺音的混合聲音。

（2）定位心音信號。心音與肺音信號相比，肺音信號可以認為是一個比較平坦的穩(wěn)定信號，而心音信號則可以認為是短時間內(nèi)的一個突變。采用RLS-ANC自適應濾波定位心音，當輸入信號發(fā)生突變時，自適應濾波器的權值也會發(fā)生突變，在RLS自適應濾波算法的循環(huán)過程中檢測相鄰兩次濾波器權值的變化量，若變化量大于設定閾值Th，則判定輸入信號在當前時刻發(fā)生突變。應用這個原理可以檢測出心音產(chǎn)生的位置，定位心音段的起始點和結束點。

（3）構建心音信號。在第（1）步濾波后的信號中，按照第（2）步心音段的起始點和結束點保留信號，而心音的段與段之間信號置零。

3.2 定位心音信號

圖2 定位心音算法流程圖

定位心音的過程主要分為2步：第一，找出初始邊界點；第二，確定最終邊界點。因為只包含少數(shù)采樣信號的心音段并不能提供有效信息，所以記1024個采樣點為最小分段長度min，將相鄰兩個初始邊界點之間的距離與min做比較，確定最終的心音邊界點。算法具體過程如下：

（3）分段計算閾值。每隔2500個采樣點以()標準差的3倍為閾值。

4 硬件平臺

心音信號采集實驗系統(tǒng)的硬件結構如圖3所示。心音信號傳感器自制：將專業(yè)聽診器的膠管截去，留下約10 cm左右，把微型駐極體電容傳聲器塞進斷口，用熱熔膠封好，引出信號線。由于采用專用聽診器的聽頭，這種傳感器的收音效果更好，同時微型駐極體電容傳聲器封裝在膠管中，因此對聲音的靈敏度更高，抗干擾能力更強。傳感器采集來的心臟胸壁聲信號十分微弱，并且包含一定強度的噪聲，必須要經(jīng)過放大、濾波等處理。信號調(diào)理電路由NE5532構成的放大電路和MAX297構成截止頻率為300 Hz的低通濾波器組成。調(diào)理后的信號直接送給嵌入式處理器STM32F103的12位ADC進行數(shù)據(jù)采集轉換。最后，數(shù)字化的心臟胸壁信號通過串口送往計算機處理。

圖3 心音信號采集實驗系統(tǒng)

5 實驗結果分析

本實驗的心臟胸壁聲信號由自主設計的心音采集系統(tǒng)采集，選取20~25周歲的30名健康成人（15名男性，15名女性）。信號在人體左胸第三肋骨和第四根肋骨中的空隙處采集得到，采樣率為10 240 Hz。要求測試者均勻呼吸，測試環(huán)境安靜無聲。

基于RLS-ANC的心音去噪算法在Matlab中仿真實現(xiàn)的結果如圖4所示（為相對強度）?？梢钥闯鲈撍惴軌蚧救コ我?、胸組織聲音等噪聲，構建后的心音信號能夠保留心音信號的特征，受呼吸率的影響較小。

圖4 通過RLS-ANC算法構建的心音信號

6 結語

在心臟聽診過程中，由于胸組織聲音、環(huán)境和測量噪聲的影響，以及心音和肺音信號在頻譜上相互重疊等問題導致醫(yī)生無法及時做出準確的判斷。因此采用有效手段準確定位和提取心音信號對提高心血管疾病醫(yī)學診斷的準確度有著十分重要的意義。本文設計實現(xiàn)了基于嵌入式處理器STM32F103為核心的心音信號采集實驗系統(tǒng)，并研究基于RLS-ANC的心音去噪算法，獲得較好的效果。在今后的研究中，需要考慮人體病變對心音信號的影響，并采用相應的措施，提高心音去噪的準確度。

[1] 徐涇平，程敬之，吳延軍.人體聲信號的檢測和應用[J].應用聲學，1998, 17(1): 38–42.

[2] 黃梅，劉洪英，皮喜田，等.計算機輔助診斷的新型電子聽診器系統(tǒng)[J].中國醫(yī)療器械雜志，2017, 41(3): 161–165.

[3] 武麗，李翔.新型多功能電子聽診器的結構及工作原理[J].西南科技大學學報，2003, 18(1): 35–38.

[4] CHIEN J C, HUANG M C, LIN Y D, et al. A study of heart sound and lung sound separation by independence component analysis technique[C]//Proceedings of the 28th IEEE EMBS Annual International Conference. New York City, 2006: 5708– 5711.

[5] GHADERI F, MOHSENI H R, SANEI S. Localizing heart sounds in respiratory signals using singular spectrum analysis[J].IEEE Trans Biomed Eng, 2011, 58(12): 3360–3367.

[6] NERSISSON R, NOEL M M. Hybrid nelder-mead search based optimal least mean square algorithms for heart and lung sound separation[J]. Engineering Science and Technology, 2017, 20(3): 1054–1065.

[7] FLORES-TAPIA D, MOUSSAVI Z M K, THOMAS G. Heart sound cancellation based on multiscale products and linear prediction[J]. IEEE Trans. Biomed Eng, 2007, 54(2): 234–243.

[8] HOSSAIN I, MOUSSAVI Z. An overview of heart-noise reduction of lung sound using wavelet transform based filter[C]// Proceedings of the 25th Annual International Conference of the IEEE EMBS. Mexico, 2003: 458–461.

[9] 余輝，姜博暢，劉雁飛，等.基于小波收縮的心音降噪最優(yōu)化分析[J].電子測量與儀器學報，2017, 31(3): 383–388.

[10] 高清河，剛晶，王和禹.基于平穩(wěn)小波變換心音信號閾值去噪的對比分析[J].計算機與數(shù)字工程，2015, 43(6): 957–959.

[11] SHAH G, KOCH P, PAPADIAS C B. On the blind recovery of cardiac and respiratory sounds[J]. IEEE Journal of Biomedical and Health Informatics, 2015, 19(1): 151–157.

[12] 郭鹿鳴.基于盲源分離的心肺音信號分離方法研究與應用[D].廣州：廣東工業(yè)大學，2016.

[13] LIN C S, TANUMIHARDJA W A, SHIH H. Lung-heart sound separation using noise assisted multivariate empirical mode decomposition[C]//International Symposium on Intelligent Signal Processing and Communications Systems. IEEE, 2013: 726–730.

[14] 雍希.基于EMD及SVD的心音信號提取方法研究[D].重慶：重慶大學，2016.

[15] MONDAL A, SAXENA I, TANG H, et al. A noise reduction technique based on nonlinear kernel function for heart sound analysis[J]. IEEE Journal of Biomedical and Health Informatics, 2018, 22(3): 775–784.

[16] YUCEL O I, SHAMSI H. Heart sound localization in respiratory sound based on a new computationally efficient entropy bound[J]. IEEE Journal of Biomedical and Health Informatics, 2017, 21(1): 105–117.

Study on experiment of heart sound denoising based on RLS-ANC algorithm

CHEN Qianru1,2, ZHONG Qinghua1, ZHANG Han1,2, LI Zhiwei1

(1. School of Physics and Telecommunications Engineering, South China Normal University, Guangzhou 510631, China; 2. Guangdong Provincial Engineering Technology Research Center for Big Data of Cardiovascular Individual Medical Treatment, Guangzhou 510631, China)

A method of constructing heart sound signal based on adaptive cancellation structure by using the recursive least squares (RLS-ANC) algorithm is proposed. The lower computer uses the special medical hearing head to collect the heart chest wall sound signal, and the embedded processor STM32F103 as the core constitutes the heart sound signal acquisition experimental system. The collected heart chest wall sound signal is transmitted to the computer through the serial port. On the platform of Matlab software, the heart sound signal denoising process is realized by programming. The experimental results show that the algorithm can effectively eliminate noise and retain the characteristics of heart sound signal, and it runs fast, so it has certain practical value.

cardiac auscultation; heart sound denoising; recursive least squares

R318.04

A

1002-4956(2019)12-0062-04

10.16791/j.cnki.sjg.2019.12.015

2019-04-16

國家自然科學基金項目（61471176）；廣州市珠江科技新星專項（201610010199）；廣東省自然科學基金項目（2014A030310483）

陳茜茹（1984—），女，陜西渭南，碩士，講師，研究方向為智能儀器設計。E-mail:vickychenqian@163.com