基于FPGA的心音信号采集

设计了基于FPGA的心音采集系统,该系统包括高性能的心音传感器、预处理电路、A/D转换电路和串口通信电路。传感器将心音信号转换成电信号,通过预处理电路的放大和滤波,再经过A/D转换电路送到FPGA,FPGA把现场采集到的数据及时可靠地传递给PC。实验结果表明,该系统能无创、快速、廉价地采集心音信号。     

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%。     

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。     

基于中医闻诊的智能听诊器心音信号采集系统设计

为了实现心音信号的高精度采集、实时输出心率参数,设计基于中医闻诊的智能听诊器心音信号采集系统。通过心音传感器采集微弱心音信号后将其传送至音频模块,利用信号放大电路与高、低通滤波电路放大心音信号,通过核心主控芯片TMS320VC5509A扩展外部存储器,并保存放大的心音信号。通过SD模块向上位机发送数据处理指令,数据处理模块通过局部自适应小波阈值函数模型收缩降噪处理心音信号,利用心音信号分析模块分析心音信号所需时域特征参数。通过单自由度模型提取心音包络获取高准确性的心音特征参数,并投放在LCD模块,通过USB模块直接与上位机交互,并在触摸屏模块构建人机接口界面供用户使用。实验结果表明：该系统所采集的心音信号波形特征最明显、波形最完整,且心音信号采集效率高、输出心率参数平均误差低。     

心电信号采集记录系统的设计

为了更好地解决心电信号的采集和处理问题,设计了以高性能DSP芯片TMS320C32x为核心心电信号的采集记录系统,对心电信号的放大、滤波部分的硬件设计进行了重点研究并针对实际应用设计了检测电路,以C语言为基础设计了系统软件和针对于心电信号处理的自适应滤波器,实践证明该系统能很好地完成对心电信号的采集、滤波和记录。     

基于ARM的微弱生理信号采集系统

介绍一种基于ARM的微弱生理信号采集系统的研制.硬件系统主要包括干扰抑制电路、滤波放大电路以及LPC2138信号采集电路.基于多分辨率小波分析的信号处理方法,利用LPC2138对采集信号进行处理与分析.实验结果表明,本系统可以实时采集并高精度的还原脑电信号.并且具有体积小,功耗低,性能稳定等优点.     

基于DSP+FPGA的实时信号采集系统设计与实现

为了提高对实时信号采集的准确性和无偏性,提出一种基于DSP+FPGA的实时信号采集系统设计方案。系统采用4个换能器基阵并联组成信号采集阵列单元,对采集的原始信号通过模拟信号预处理机进行放大滤波处理,采用TMS32010DSP芯片作为信号处理器核心芯片实现实时信号采集和处理,包括信号频谱分析和目标信息模拟,由DSP控制D/A转换器进行数/模转换,通过FPGA实现数据存储,在PC机上实时显示采样数据和DSP处理结果;通过仿真实验进行性能测试,结果表明,该信号采集系统能有效实现实时信号采集和处理,抗干扰能力较强。     

弹光调制干涉信号放大滤波电路设计

从弹光调制干涉具中出来的干涉光经过探测器接收所输出的电信号频率很高且幅度只有几十毫伏左右,极易受到噪声干扰。有效地将其检测提取并放大至高速AD采集信号范围600 m V~4 V对弹光调制-傅里叶变换光谱仪的光谱反演至关重要。因此,需要设计一种高频、高增益、低噪声的两级放大电路。该电路主要由直流稳压电源电路、小信号放大电路和截止频率为50 MHz的低通无源滤波电路组成。实验结果表明,该放大滤波电路可以将弹光干涉信号平稳放大至150倍左右,能够为后续的采集存储提供良好的信号源。     

基于DSP与XBEE的数据采集系统的设计

针对供水管道漏水检测的需要,提出了一种基于TMS320VC5402数字信号处理器和XBEE无线模块的数据采集系统方案。文中对该方案的DSP最小系统模块、信号放大及滤波电路、A/D转换电路以及XBEE模块电路等系统关键部分的电路设计进行了讨论。针对此系统的特点,设计了相应的程序对该系统进行测试。测试实验结果表明,从机在数据采集上能够与主机保持同步,减小了互相关运算中系统自身误差,满足漏水检测中互相关运算的数据要求。     

微伏信号放大系统设计

介绍一种微伏信号放大系统设计方法,该系统主要由放大、滤波以及隔离输出三部分组成。输入部分采用共模抑制比很高小信号放大器;滤波电路由一个四阶低通滤波和一个二阶高通滤波组成的带通滤波器以及陷波器组成,可有效滤除噪声及干扰;中间和末级放大采用常见的同相比例放大器进行信号的进一步放大;隔离输出部分采用线性度很高的光电隔离电路。总体电路放大增益高,对10μV以上信号放大效果良好,可很好地满足后级采集电路的信号输入要求。     

平移不变小波在心音信号去噪中的应用

小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。     

Classification of cardiac sound signals using constrained tunable-Q wavelet transform

The features extracted from the cardiac sound signals are commonly used for detection and identification of heart valve disorders. In this paper, we present a new method for classification of cardiac sound signals using constrained tunable-Q wavelet transform (TQWT). The proposed method begins with a constrained TQWT based segmentation of cardiac sound signals into heart beat cycles. The features obtained from heart beat cycles of separately reconstructed heart sounds and murmur can better represent the various types of cardiac sound signals than that from containing both. Therefore, heart sounds and murmur have been separated using constrained TQWT. Then the proposed novel raw feature set has been created by the parameters that have been optimized while constraining the output of TQWT together with that of extracted by using time-domain representation and Fourier–Bessel (FB) expansion of separated heart sounds and murmur. However, the adaptively selected features have been used to obtain the final feature set for subsequent classification of cardiac sound signals using least squares support vector machine (LS-SVM) with various kernel functions. The performance of the proposed method has been validated with publicly available datasets and the results have been compared with the existing short-time Fourier transform (STFT) based method. The proposed method shows higher percentage classification accuracy of 94.01 as compared to 93.53 of STFT based method. In comparison with STFT based method, it is noteworthy that the proposed method uses well defined and lower dimensionality of feature vector that can reduce the computational complexity.     

基于AD8232的心电实时监测及分析系统设计

为了方便对患者心电信号进行实时监测,实现对心脏疾病的及时预防及诊断,利用一款基于ATmega328p微控制器的Arduino开发板、一块心电监测前端模块AD8232及上位机软件LabVIEW开发出一套心电实时监测系统,并利用LabVIEW设计出多种软件滤波方法来抑制心电信号中的噪声。由于心电信号的时频特性能提供反映患者心脏活动动态行为的信息,该系统还包括基于LabVIEW设计出的多种用于心电信号实时分析的程序,使被试心电信号所包含的生理特性能够及时地被分析出来。利用所开发的心电实时监测分析系统对被试的心电信号进行采集和分析,发现系统能够非常灵敏、准确地检测心电信号,并对信号噪声有着很好的抑制能力。此外系统能够对信号进行各式的实时分析,且分析结果可靠,能够运用于临床诊断。利用该系统对心电信号进行实时采集和分析,其测量结果准确、去噪效果良好、分析结果可靠,为今后心电实时监测分析系统的设计提供了借鉴。     

脉搏信号调理电路设计

脉搏作为人体重要的生理及病理指标之一,具有重要的医学研究价值。针对其信号微弱、频率低且易受干扰的特点,提出了信号调理电路设计的要求;针对性地选择元器件并设计硬件电路,其中包括:一级放大电路、调零电路、50Hz限波电路、带通滤波电路及二级放大电路;最后对所设计的硬件电路进行实际测试。测试结果表明,该调理电路具有输出波形稳定、噪声小和共模抑制比高的特点,提高了脉搏信号采集的精度。     

基于STM32便携式心电监护装置的设计

综合运用传感器技术、嵌入式技术和无线通信技术,设计了一种以STM32F103C8T6微处理器为核心的家用便携式心电监护装置.利用Pulse Sensor脉搏心率传感器采集心电信号,经STM32内置的模数转换器(ADC)处理得到数字信号.LCD屏用于实时显示心率值和心电图(ECG),心率数据通过蓝牙通信模块实时传输到手机...     

基于MATLAB的信号与系统虚拟实验系统设计

信号与系统课程的概念抽象、公式繁杂,实验教学能更好培养学生操作技能和创新能力,然而传统的实物实验存在许多不足之处,本系统利用MATLAB/GUI提供的可视化界面,设计和实现包括滤波器、连续信号的分解与合成、信号的抽样与恢复、信号的调制解调等模块的实验系统,对其功能一一进行演示,对原理结论进行验证。本系统操作简单,用户能够根据要求自行输入参数设计实验系统。系统反映直观,对比信号通过该对应系统的输出响应可促进学习者对抽象理论的快速理解,有利于创新意识和创新能力的培养。     

基于循环平稳特性的心音信号噪声评价指标

采用计算机来分析心音信号引起了越来越多的研究人员的关注,但是,心音信号在采集过程中常常会受到各种噪声的干扰,如何评价心音信号受噪声影响的程度就成为一个重要的问题。提出了一种基于循环平稳特性的心音信号噪声评价指标--质量因子,它能够准确地、定量地评估心音信号的噪声情况,即质量因子越大,信号受噪声的影响越小。如果实际采集的心音信号比较长,那么计算整个信号的质量因子,把质量因子最大的那一段心音信号取出来进行处理,这样可以大大减少去除噪声等预处理过程,节省了计算量和时间。所提出来的质量因子,对于正常和异常心音信号都适用,计算机完全可以自动计算,无需人工干预。     

基于小波的心音信号分析及其特征提取

心音信号是人体最重要的生理信号之一,它包含了人体心脏和血管中丰富的原始信息.心脏杂音和心音改变的出现,往往是心脏病的最早特征.由于心音信号是一种典型的非平稳信号,所以传统的频域分析已经不能满足研究的需要.文章将时域、时频和功率谱能量等特性分析相结合,研究心音信号的分析方法,提取各种特征以区分不同的心音.理论分析和仿真实...     

Adaptive neuro-fuzzy inference system for diagnosis of the heart valve diseases using wavelet transform with entropy

Listening via stethoscope is a preferential method, being used by physicians for distinguishing normal and abnormal cardiac systems. On the other hand, listening with stethoscope has a number of constraints. The interpretation of various heart sounds depends on physician’s ability of hearing, experience, and skill. Such limitations may be reduced by developing biomedical-based decision support systems. In this study, a biomedical-based decision support system was developed for the classification of heart sound signals, obtained from 120 subjects with normal, pulmonary, and mitral stenosis heart valve diseases via stethoscope. Developed system comprises of three stages. In the first stage, for feature extraction, obtained heart sound signals were separated to its sub-bands using discrete wavelet transform (DWT). In the second stage, entropy of each sub-band was calculated using Shannon entropy algorithm to reduce the dimensionality of the feature vectors via DWT. In the third stage, the reduced features of three types of heart sound signals were used as input patterns of the adaptive neuro-fuzzy inference system (ANFIS) classifiers. Developed method reached 98.33% classification accuracy, and it was showed that purposed method is effective for detection of heart valve diseases.     

基于PCA串并融合的多路心音特征表征方法

多路心音信号不仅比单路心音信号涵盖更多关于总体的特征,而且能够弥补单路心音数据携带的信息量可能不充分的缺陷。利用笔者自主设计的4路心音传感器,初步建立一个小型4路心音数据库。基于这个数据库,首先阐明多路心音信号的特点,论述心杂音与听诊位置的关系;然后分别提取心音的单路和4路能量熵系数、4路心音互信息作为有效特征数据集,利用PCA对能量熵特征进行降维处理,获得串行特征;将相关性特征和互信息特征从实向量空间拓展到复向量空间,进行并行融合,获得并行特征;最后将串行并行特征再次融合成为多元优化组合特征。这种融合策略,具有针对性强,凸显差异性的优点。仿真实验结果表明,由多路心音信号获取的多元优化组合特征表征效果明显优于单路心音信号的特征表征效果,不仅有益于分类模型的构建,而且对实现先心病的快速筛查,提高分类识别率具有积极的意义。