一種基于快速獨(dú)立分量分析的心音肺音信號分離方法及裝置制造方法
【專利摘要】本發(fā)明涉及一種基于快速獨(dú)立分量分析(Fast Independent Component Analysis,FastICA)的心音肺音信號分離方法及裝置，屬于心肺音信號分析與識別控制【技術(shù)領(lǐng)域】。該方法和裝置實(shí)現(xiàn)對心音肺音信號分離是在利用小波閾值去噪對信號進(jìn)行處理的基礎(chǔ)之上，通過運(yùn)用快速獨(dú)立分量分析算法從而達(dá)到分離出心肺音信號的目的。本方法和裝置能夠有效地對心肺音信號進(jìn)行分離，具有廣闊的應(yīng)用前景。
【專利說明】一種基于快速獨(dú)立分量分析的心音肺音信號分離方法及裝 CP3

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于心肺音信號分析與識別控制【技術(shù)領(lǐng)域】，涉及一種基于快速獨(dú)立分量分 析的心音肺音信號分離方法及裝置。

【背景技術(shù)】
[0002] ZigBee無線傳感器網(wǎng)絡(luò)在醫(yī)療監(jiān)測領(lǐng)域的應(yīng)用有許多優(yōu)點(diǎn)，比如，終端體積小、傳 輸采用無線方式、容易攜帶，以及功耗較低等。傳感器信號的無線傳輸因?yàn)閆igBee技術(shù)的 出現(xiàn)有了新的解決方案。與此同時(shí)，由于近年來經(jīng)濟(jì)的發(fā)展使生活的水平提高了，人們對醫(yī) 療保健的意識也隨之提高。我國的醫(yī)療體系也在發(fā)生潛移默化的變化，從以前的先生病后 治療的模式逐漸的轉(zhuǎn)向了早發(fā)現(xiàn)早治療的預(yù)防模式。無線傳感器網(wǎng)絡(luò)為人們帶來了更方 便、快捷的醫(yī)療服務(wù)和舒適的家居生活，并有助于殘障人士、老年人更好的獨(dú)立生活，有助 于我們更加從容的應(yīng)對即將到來的老齡化社會。
[0003] 現(xiàn)代通信技術(shù)為健康監(jiān)護(hù)帶來了技術(shù)支持。對老年人、殘疾人和慢性疾病患者等 人群的護(hù)理范圍從醫(yī)院這個(gè)小范圍擴(kuò)展到了通信網(wǎng)絡(luò)可以達(dá)到的任何地方，提供了一種遠(yuǎn) 程的監(jiān)測生理功能的方法，該方法能夠?qū)崟r(shí)的不間斷的監(jiān)測被護(hù)理者的血壓、脈搏、體溫、 心音、肺音等信息，并遠(yuǎn)程傳送給監(jiān)護(hù)人或醫(yī)生。它增加了醫(yī)生對病人的監(jiān)護(hù)距離，醫(yī)生可 以實(shí)時(shí)的全面的了解這些遠(yuǎn)地傳來的生理信息，從而為患者提供及時(shí)的醫(yī)療服務(wù)。
[0004] 心音信號主要是由于心臟和心血管系統(tǒng)的生理運(yùn)動產(chǎn)生的一種聲音。肺音主要 是由于呼吸系統(tǒng)在于外界氣體交流的過程中，氣體與呼吸系統(tǒng)摩擦所產(chǎn)生的聲音。心音信 號可以用來檢測心臟和心血管系統(tǒng)是否正常，當(dāng)今心血管疾病越來越多，特別是老年人，近 些年心血管病患者的年齡在減小，對于心血管病的早期預(yù)防是很有必要的。心電也是檢測 人體心臟，心血管系統(tǒng)是否健康的很重要的一項(xiàng)指標(biāo)，但是在發(fā)病早期心電圖可能并沒有 什么異常，而心音就可以監(jiān)測出一些心臟和心血管系統(tǒng)疾病的早期病癥。正常人體的心音 信號包括第一心音和第二心音，第一心音來自二尖瓣和三尖瓣的開放和關(guān)閉，第二心音來 自主動脈瓣和肺動脈瓣的開放和關(guān)閉。肺音可以用來檢測呼吸系統(tǒng)疾病。隨著環(huán)境污染的 加重，特別是大氣污染，空氣中的微粒進(jìn)入呼吸道，吸入人體，對呼吸系統(tǒng)造成很大的傷害。 目前，呼吸系統(tǒng)疾病的患者也越來越多，霧霾天氣帶口罩這些措施是很有必要的，除此對呼 吸系統(tǒng)疾病的早期發(fā)現(xiàn)與治療也是很重要的。采集的肺音信號中包括心音、肌肉摩擦音、 皮膚摩擦音和背景噪聲等干擾信號。而且心音的頻帶為1?800Hz，肺音的頻帶為100? 2000Hz，兩個(gè)信號在很大范圍內(nèi)重疊，這兩個(gè)信號會存在串?dāng)_。因此，需要對傳感器采集到 的心音和肺音信號進(jìn)行處理，將其分離。


【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的目的在于提供一種基于快速獨(dú)立分量分析（Fast Independent ComponentAnalysis, FastICA)的心音肺音信號分離處理方法及裝置。
[0006] 為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：
[0007] -種基于快速獨(dú)立分量分析的心音肺音信號分離方法，在本方法中，首先采用小 波閾值去噪的方法對信號進(jìn)行處理，在此基礎(chǔ)上采用快速獨(dú)立分量分析對其進(jìn)行分離處 理。
[0008] 進(jìn)一步，所述小波閾值去噪具體包括以下步驟：首先，通過小波變換去除數(shù)據(jù)之 間的相關(guān)性；其次，再經(jīng)過小波分解，選取適當(dāng)?shù)拈撝?，過濾掉噪聲，從而獲得有用信號；最 后，進(jìn)行小波逆變換重建信號。
[0009] 進(jìn)一步，所述小波變換首先采用小波變換的多分辨率分析的特性對信號進(jìn)行四層 的正交分解，去除不相關(guān)頻段的噪音信號；然后將信號進(jìn)行重構(gòu)，再采用獨(dú)立分量分析算法 對其進(jìn)行處理，得到一個(gè)解混矩陣；最終，將其逆矩陣的列向量提取出來，作為信號的特征 向量進(jìn)行分析。
[0010] 進(jìn)一步，所述快速獨(dú)立分量分析具體包括以下步驟：
[0011] 1)信號的零均值化；假設(shè)信號源的各個(gè)分量是均值為零的隨機(jī)變量，在分離之前 預(yù)先取出信號的均值，設(shè)X為均值不為零的隨機(jī)變量，只需要用i = X- ￡(X)代替X即可；
[0012] 2)白化處理；通過線性變換T d = 7：T ,使變換后的隨機(jī)矢量i的相關(guān)矩陣滿足 & =可趕H] = ^即無的各個(gè)分量滿足可元if ] =?，其中S 為Kronecker delta函數(shù)；對 混合信號的預(yù)白化其實(shí)是去除信號各個(gè)分量之間的相關(guān)性，使白化后的信號的分量之間二 階統(tǒng)計(jì)獨(dú)立；T為白化矩陣；
[0013] 3)選擇一個(gè)初始權(quán)矢量Wn ;

【權(quán)利要求】
1. 一種基于快速獨(dú)立分量分析的心音肺音信號分離方法，其特征在于：在本方法中， 首先采用小波閾值去噪的方法對信號進(jìn)行處理，在此基礎(chǔ)上采用快速獨(dú)立分量分析對其進(jìn) 行分離處理。
2. 根據(jù)權(quán)利要求1所述的一種基于快速獨(dú)立分量分析的心音肺音信號分離方法，其特 征在于：所述小波閾值去噪具體包括以下步驟：首先，通過小波變換去除數(shù)據(jù)之間的相關(guān) 性；其次，再經(jīng)過小波分解，選取適當(dāng)?shù)拈撝?，過濾掉噪聲，從而獲得有用信號；最后，進(jìn)行 小波逆變換重建信號。
3. 根據(jù)權(quán)利要求2所述的一種基于快速獨(dú)立分量分析的心音肺音信號分離方法，其特 征在于：所述小波變換首先采用小波變換的多分辨率分析的特性對信號進(jìn)行四層的正交分 解，去除不相關(guān)頻段的噪音信號；然后將信號進(jìn)行重構(gòu)，再采用獨(dú)立分量分析算法對其進(jìn)行 處理，得到一個(gè)解混矩陣；最終，將其逆矩陣的列向量提取出來，作為信號的特征向量進(jìn)行 分析。
4. 根據(jù)權(quán)利要求2所述的一種基于快速獨(dú)立分量分析的心音肺音信號分離方法，其特 征在于：所述快速獨(dú)立分量分析具體包括以下步驟： 1) 信號的零均值化；假設(shè)信號源的各個(gè)分量是均值為零的隨機(jī)變量，在分離之前預(yù)先 取出信號的均值，設(shè)X為均值不為零的隨機(jī)變量，只需要用I = X代替X即可； 2) 白化處理；通過線性變換T : i = h ,使變換后的隨機(jī)矢量i的相關(guān)矩陣滿足 & =五[￡產(chǎn)]=/，即i的各個(gè)分量滿足司太if ]= &，其中δ u為Kronecker delta函數(shù)；對 混合信號的預(yù)白化其實(shí)是去除信號各個(gè)分量之間的相關(guān)性，使白化后的信號的分量之間二 階統(tǒng)計(jì)獨(dú)立；T為白化矩陣； 3) 選擇一個(gè)初始權(quán)矢量Wn ; 4) 更新 wn，K = (沙:,7Z)! - Um7; 5) 正交化
6) 標(biāo)準(zhǔn)化 Wm = Wm/11 Wm 11 ; 7) 判斷是否收斂，若不收斂，返回第4)步。
5. 根據(jù)權(quán)利要求2所述的一種基于快速獨(dú)立分量分析的心音肺音信號分離方法，其特 征在于：所述快速獨(dú)立分量分析算法可以采用改進(jìn)的快速獨(dú)立分量分析算法，該算法基于 非高斯性最大化原理，以負(fù)熵的近似作為目標(biāo)函數(shù)，是用固定點(diǎn)迭代法去找的非高斯性最 大值。
6. -種基于快速獨(dú)立分量分析的心音肺音信號分離裝置，其特征在于：包括Arduino 聲音傳感器、PC機(jī)、無線通信模塊、協(xié)調(diào)器模塊;Arduino聲音傳感器用來采集人體的心肺 音信號；并通過無線通信網(wǎng)絡(luò)將采集到的數(shù)據(jù)傳送到PC機(jī)上，PC機(jī)作為整個(gè)裝置的上位 機(jī)，用于心肺音信號的預(yù)處理、小波去噪以及心音肺音信號分離的處理；無線通信模塊用于 將心音肺音信號傳至協(xié)調(diào)器，協(xié)調(diào)器負(fù)責(zé)將信息由傳感網(wǎng)的報(bào)文轉(zhuǎn)換為以太網(wǎng)的報(bào)文上傳 給上位機(jī)。
【文檔編號】A61B7/00GK104382614SQ201410750579
【公開日】2015年3月4日 申請日期:2014年12月9日 優(yōu)先權(quán)日:2014年12月9日
【發(fā)明者】張毅, 羅元, 劉想德, 徐曉東 申請人:重慶郵電大學(xué)