基于DSP的数字心音信号检测系统设计

分析了心音信号的产生机理、信号成分及心音的临床诊断价值。根据人体心音信号噪声强、信号弱、随机性强、容易受到外界干扰等特点,设计了基于DSP的心音信号数字检测系统,该系统由心音传感器、放大电路、滤波电路、A/D转换和DSP等部分组成;使用该系统先后在多家医院进行了临床心音信号采集,300多例心音样本采集实验表明,本系统可实现对微弱心音数据的实时采集、放大与有效滤波,采集系统可以满足对心音信号的检测要求。     

基于SOPC/NiosⅡ的心音信号特征提取与记录系统

心音信号是衡量人体心脏状态的一个重要生物信息,对于心音信号的特征提取有着积极的医学意义;设计了一种基于SOPC/NiosⅡ的心音信号特征提取与记录系统,系统硬件由预处理模块、AD转换模块、显示与传输模块等构成;在FPGA芯片上构建SOPC系统,使用NiosⅡ软核对心音信号数据进行计算分析,提取特征信息;实验结果表明:系统能够很好地采集病人的心音,能够将心音信号进行经验模态分解,并能得到其频谱图和短时平均能量图;同时将数据进行无线传输,使得医护人员可以远程监控病人的心脏状态。     

高阶统计量在心音信号检测与分析中的应用

介绍一种心音信号检测系统和采用高阶统计量对信号进行分析的方法，首先根据心音信号的特点，讨论了信号检测系统的结构，在信号处理方面，采用现代谱估计方法对心音信号进行谱分析，在此基础上提出应用双谱技术分析心音信号，检测信号的相位耦合信息，进而说明利用高阶统计量能够在高斯噪声背景下大大提高信号检测能力，最后，给出心音信号的双谱估计结果，从中可以得到一般功率谱分析无法得到的有关信息，为心音信号的自动分类提供     

基于时域边界估计的心音信号分段算法

从心音图中准确提取第一心音和第二心音的时域特性．是一个巨大的挑战．特别是在心脏出现病理的情况下。一个检测心脏疾病的系统．需要对心音信号的心动周期进行适当的边界估计。边界估计算法能够从心音图中给出准确的第一、第二心音的边界。提出一种新颖的边界估计算法,采用生物域特征．大大减少计算的时间和复杂度．而且更加准确。在此算法基础上,对50例心音样本进行分段识别。准确率达到96．30％．为下一步心音分析与诊断奠定基础．     

基于HHT和PPA的心音分段算法研究

心音是人体的一种重要的生理信号,它含有大量关于心脏病理状况的相关信息,反映了心脏及心血管结构及生理和病理信息。针对能否有效地提取第一心音(S1)、第二心音(S2),从而判断心脏是否病变,并且作为后续研究的基础,提出基于HHT和PPA的心音分段算法,包括首先利用希尔伯特-黄变换(HHT)进行心音包络的提取,然后利用中值滤波对包络进行平滑处理,最后通过峰逐层算法(PPA)来消除多余的低幅度峰值。通过对40例心音进行分段处理,可以对其中的39例进行正确分段。结果证明这种方法可以有效地提取心音信号的S1、S2,为后期的识别研究奠定了良好的基础。     

基于STC单片机和LabVIEW的心音信号检测系统

介绍了一种用于身份识别的心音信号采集和处理系统。该系统利用STC12C5A单片机作为核心控制器,通过自带的A/D对经过放大、滤波等预处理后的心音信号进行模数转换,然后通过RS232总线将信号传输到上位机进行处理,在上位机利用LabVIEW设计一套集数据采集、存储、回放和分析于一体的虚拟检测平台。实验结果表明,利用该系统采集三位被测试者60组心音信号,建立WPT+GA-SVM心音身份识别模型,其识别准确率达到了85%。     

HILBERT包络法在心音身份识别中的应用

在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音.然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别.     

基于智能手机的心音监测系统的研究与设计

心音监测对心脏疾病的检测和预防有重要作用,研究并设计基于智能手机的心音监测系统。该系统由心音测量节点、智能手机节点、服务器端组成。测量节点实现心音信号的采集,智能手机节点接收测量节点的心音并将其经GPRS网络传递到服务器端,服务器端对心音进行远程的监测。其中智能手机节点是该系统的枢纽,其主要功能是分析处理心音：对心音进行小波去噪处理,通过LZ复杂度算法获取心音的特征指标,将特征指标用于心功能的分析评价及其异常预警。通过功能性测试表明该系统能稳定运行。     

基于USB的实时心音信号采集系统

设计了一款基于USB的心音信号采集系统。该系统包括心音采集电路、USB通信和上位机显示。通过心音传感器将采集到的数据进行放大去噪处理,经由A/D转换通过USB将数据传送到上位机,并以波形的形式实时显示采集到的数据。该系统可以准确、实时地显示并听到采集到的心音信号。     

二维心音图特征提取与识别方法的研究

针对心音的特征提取问题,将一维心音信号转换成二维心音图,采用图 像处理技术提取心音的图像特征。本文首先对一维心音信号进行小波降噪和幅值归一化,将 处理后的心音信号转换成具有统一性和可比性的二维心音图,并进行预处理;然后结合心音 生理意义和二维心音图的图像特征,对能表征二维心音图生理信息的图像特征进行分析研 究,重点研究二维心音图纵横坐标比和拐点序列码特征;最后,基于纵横坐标比、拐点序列 码、小波分解系数3 个特征,探讨利用欧氏距离和支持向量机（SVM）两种识别方法进行 二维心音图分类和身份识别的可行性。实验结果表明,3 种特征都可以实现二维心音图的分 类识别,其中拐点序列码识别率最高;这种基于图像处理的二维心音图分类和身份识别方法 具有明显的可行性和实用性,拥有广阔的应用前景。