基于HHT的心音分段和医学指标提取

提出了一种希尔伯特黄变换(HHT)与香农能量相结合的包络提取方法,使包络更加平滑,分段更加准确。针对希尔伯特包络不平滑的问题,提出一种希尔伯特黄变换(HHT)与香农能量相结合的包络提取方法,使得所得包络更加平滑;针对经验模态分解(EMD)时采用三次样条插值而造成的端点效应问题,采用镜像闭合端点延拓方法予以解决。实验表明使用提出的新方法可以得到更好的结果。最后对心音信号进行包括心率、S1/S2和D/S在内的医学指标的提取和分析,这为临床上评估心脏储备提供了便利。     

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.     

基于自适应阈值的心音分段方法仿真研究

针对心音信号频率低、易受干扰并含有大量杂音的特点,提出了一种心音分段新方法。首先,采用dB6小波进行5层小波分解做心音信号降噪处理;然后,采用了一种提取降噪后心音信号连续平均能量包络的方法;最后,根据连续平均能量包络及自相关函数提出了一种自适应阈值心音分段方法。仿真结果表明,该方法所提取的心音信号包络特征更稳健,提出的分段算法与基于短时能熵比法和短时自相关函数法等心音分段算法相比,本文所提算法分段准确度更高。     

基于双门限的第一、第二心音自动识别方法

为提高心音检测算法对异常心音的识别率,提出一种基于双门限的第一心音(S1)和第二心音(S2)自动识别方法,通过海明窗进行滤波预处理,采用改进型希尔伯特-黄变换提取心音包络,利用双门限法对心音进行分段,使用临床知识对S1和S2进行自动识别。实验结果表明,该方法能够准确识别正常心音和异常心音中的S1和S2。     

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．     

基于盲源提取和希尔伯特变换的心音包络提取

心音包络比原始心音可以更好地显示心音的特征,是进行心音识别的基础.由于在体表采集心音信号时容易受到呼吸音、外界环境中不确定干扰的影响而且干扰信号不容易被常规滤波器滤除,结果导致提取的心音包络不能真实反映心音的特征.为了准确的提取心音包络,提出了一种新的心音包络提取方法,首先采用盲源提取算法从采集的信号中获取比较纯净的心音信号,然后采用希尔伯特变换提取心音的包络.通过提取合成心音数据和实际采集的心音信号包络证明了上述方法的可靠性.     

基于Hilbert-Huang Transform的心音信号谱分析

心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制.针对此本文提出了基于Hilbert-Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析.通过把心音信号分解为内蕴模式函数,利用Hilbert变换建立了心音信号的时间-频率-能量三维Hilbert谱分布以及边界谱分布;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值.     

基于Hilbert2Huang Transform 的心音信号谱分析

心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制。针对此本文提出了基于 Hilbert - Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析。通过把心音信号分 解为内蕴模式函数,利用Hilbert 变换建立了心音信号的时间- 频率- 能量三维Hilbert 谱分布以及边界谱分布; Hilbert 谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信 号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值。     

ICA 在心音信号预处理中的应用研究

独立分量分析(ICA)是近年来涌现的用于盲信号分离的新技术，本文利用独立分量分析对心音信号进行了预处理：消除工频干扰。心音信号由自制的心音传感器获得。在分析了独立分量分析的基本原理的基础上，建立了基于互信息极小的目标函数，研究了目标函数优化的迭代算法，给出了利用此算法的ICA实现步骤。实验结果表明，利用独立分量分析有效地对心音信号进行预处理，能成功地从心音中分离出工频干扰信号。     

基于简单度和能量的心音分段算法研究

研究诊断心血管病,结合形象化,利用图像检测,提高诊断水平.心音分段是心音图分析的一个重要环节.分段效果将直接影响心脏疾病的诊断水平.为了提高心音的分段正确率,根据动力学复杂性原理,提出一种简单度和归一化平均香农能的心音分段算法.对于复杂多样的心音信号,算法不仅分段正确率高,而且还能准确计算出第一心音和第二心音的时限.通...     

Assessment of time–frequency representation techniques for thoracic sounds analysis

A step forward in the knowledge about the underlying physiological phenomena of thoracic sounds requires a reliable estimate of their time–frequency behavior that overcomes the disadvantages of the conventional spectrogram. A more detailed time–frequency representation could lead to a better feature extraction for diseases classification and stratification purposes, among others. In this respect, the aim of this study was to look for an omnibus technique to obtain the time–frequency representation (TFR) of thoracic sounds by comparing generic goodness-of-fit criteria in different simulated thoracic sounds scenarios. The performance of ten TFRs for heart, normal tracheal and adventitious lung sounds was assessed using time–frequency patterns obtained by mathematical functions of the thoracic sounds. To find the best TFR performance measures, such as the 2D local (ρ_mean) and global (ρ) central correlation, the normalized root-mean-square error (NRMSE), the cross-correlation coefficient (ρ_IF) and the time–frequency resolution (res_TF) were used. Simulation results pointed out that the Hilbert–Huang spectrum (HHS) had a superior performance as compared with other techniques and then, it can be considered as a reliable TFR for thoracic sounds. Furthermore, the goodness of HHS was assessed using noisy simulated signals. Additionally, HHS was applied to first and second heart sounds taken from a young healthy male subject, to tracheal sound from a middle-age healthy male subject, and to abnormal lung sounds acquired from a male patient with diffuse interstitial pneumonia. It is expected that the results of this research could be used to obtain a better signature of thoracic sounds for pattern recognition purpose, among other tasks.     

基于心音传感阵列ICA 信号处理的冠心病诊断的研究

通过研究冠脉血流动力学和心脏心音产生的机理，首次提出了将独立分量分析（ICA）方法应用于心音信号处理并达到自动检测冠心病的目的。在本系统中，信号采集系统采用了高灵敏度传感器列阵对正常人及冠心病患者胸部的多个部位进行检测。经预处理后的信号最后通过计算机进行数据采集。应用独立分量分析的方法将心脏舒张期的心音信号进行分离，并将各心音分量的统计特征参数作为输入参量输入到径向其函数网络（RBF网络）进行训练和识别。实验结果说明，独立分量分析结合人工神经网络的心音信号的分析方法是一种较为有效的诊断冠状动脉疾病的无创伤方法。     

Automatic heart sound detection in pediatric patients without electrocardiogram reference via pseudo-affine Wigner–Ville distribution and Haar wavelet lifting

Having in mind the availability of electronic stethoscopes, phonocardiograms (PCGs) have become popular for cardiovascular functionality monitoring and signal processing applications. Detection of fundamental heart sounds (HSs), S1s and S2s, is considered to be a crucial step in PCG analysis. Electrocardiogram (ECG), noted as a reference signal, is often synchronously recorded in order to simplify the S1/S2 detection process. Nevertheless, electronic stethoscopes are frequently used without additional ECG equipment. We propose a new algorithm for automatic fundamental HSs detection via: joint time-frequency representation based on pseudo affine Wigner–Ville distribution (PAWVD), Haar wavelet lifting scheme (Haar-LS), normalized average Shannon energy (NASE) and autocorrelation. The performance of the proposed algorithm was calculated on both normal (50) and pathological (75) PCG recordings, eight seconds long each, contributed by 125 different pediatric patients. The algorithm showed relatively high recall (90.41%) and precision (96.39%) rates of S1/S2 detection procedure in a variety of PCG signals, without ECG as a reference. Furthermore, it indicated the ability to overcome splitting within the S1/S2 heart sounds.     

探讨水声在艺术作品中的塑造方法

水声,顾名思义就是水体发出的声音。水声,既可以是供人们享受的声音,也可以变成影响人们生活工作的噪音。在艺术作品中,水声是被精心设计过的,是令人愉悦的声音。通过对水声在艺术作品中的设计应用分析,总结水声多样性塑造的方法。     

基于清浊音分离的优化小波阈值去噪方法

结合小波阈值去噪和清浊音分离技术,提出了一种优化的语音去噪新方法。首先,针对语音清音部分往往包含有许多类似噪声的高频成分的特点,对其直接进行小波阈值去噪很可能误除了这些高频成分,造成失真,因此有必要先对语音进行清浊音分离。其次,通过对不同小波函数、阈值选取规则以及阈值处理函数的优化,选择最佳的小波去噪方法。仿真结果表明,与经典小波阈值去噪方法相比,提出的方法既尽可能地去除噪声,又保留了原来语音的特征,较大地提高了语音质量。     

驻极体电容式呼吸音传感器

介绍了用CNZ—15型驻极体电容传声器制作的呼吸音传感器,及在多功能呼吸音分析仪上的应用,该传感器灵敏度高,频率响应好,还可应用于其他低频声学测量场合。     

基于声音提醒的无线传感网络调试技术研究

由于无线传感网络节点之间的通信是资源受限且不可靠的,为了更好地验证算法的有效性,对网络事件、故障等监测与提醒是非常必要的.在详细分析无线传感网络行为类型的基础上,提出一种利用不同频率声调表示无线传感网络不同事件的方法,实现对当前网络行为的实时监测,为系统调试提供节点当前的状态信息.给出了监测系统详细的设计方案,并以TPSN协议为应用背景探讨了行为监测的具体实现方法.     

盲用有声数据库系统的研究

本文提出了一种适合中国盲人操作的多用户有声数据库系统的开发与实现方法,通过键盘输入盲文点字,调用语音库的语音实现语音输出,盲人通过语音提示独立操作数据库系统。并对软件的开发环境,关键技术进行了分析。     

一种清浊音判决的参考标准及一种新算法研究

目前的清浊音判决方法比较多,但没有一种方法是十分完美的,也没有一种完善的清浊音判决方法评价标准,为了检验一种新的算法对清浊音判决的有效性,提出了一种基于短时平均幅度和短时过零率相结合的清浊音判决参考标准,同时提出了一种基于残差信号短时自相关法的清浊音判决方法,并用此参考标准检验对该算法进行评价,通过matlab程序对算法进行仿真实验,实验结果表明这个参考标准可以很好地检验一种算法的有效性。