心音信号的处理与分析软件设计生物医学工程软件技术.doc

生物医学工程软件技术心音信号的处理与分析软件设计指导教师学生姓名学 号成绩2012年6月7日1摘 要心音是人体最重要的生理信号之一，是评估心脏功能状态的一种基本方法，蕴含着心脏各个部分本身及相互之间作用的生理和病理等重要的诊断信息。先前人们广泛采用听诊器进行心音主观的分析诊断，但存在较大的局限性和主观性。而心电图机由于其采用低频响应的热笔结构，不能完整地记录全频心音，完全没有量化分析功能，在心音的存储、处理上存在着较大的局限性，故临床应用较少。因此，开发基于虚拟仪器的心音多功能处理分析仪器是一项十分有意义的工作。本实验旨在设计一款对已的采集心音信号进行显示，处理分析，并获取相关特征参数，对信号采集者的心音正常与否进行简单判断。首先显示原始波形找到其特征进行简单时域处理，和频域滤波，提取包络并计算相关重要心音参数并简单判断是否在正常范围内来实现对于采集到的心音信号进行分析比较。除文件的读取外整个程序设计在一个大的while循环之下，程序运行过程中可根据具体的心音情况实时修改程序中的参数，满足个体差异性。程序运行稳定，未发生异常事件且测量的健康被试者相关参数均在正常范围附近，可以推断该软件具有较高可靠性符合设计要求。关键词：labview, 心音，处理分析，软件，设计。 软件设计-心音信号的分析处理软件 第 27 页目录摘 要11 前言（或“绪论”）11.1 心音信号介绍11.2国内外研究现状32.设计任务5需求分析：53设计内容73.1波形显示、截取与去直流处理73.1.1文件的读入83.1.2波形的截取与去直流83.2信号滤波去噪93.3提取包络及曲线拟合、波形保存103.31希尔伯特提取包络113.32高斯曲线拟合113.33外包络线保存123.4心率及峰值等计算133.5其他参数计算以及心音分裂的简单判断143.5.1 S1、S2时长确定与收缩及舒张期确定153.5.2心音分裂判断154、程序结构分析164.1原始波形界面164.2截取后波形界面175、流程图207、调试及运行结果218、课程体会259 参考文献25附录：源程序261 前言（或“绪论”）心音是由于心脏瓣膜的开关、肌腱和肌肉的舒缩、血流的冲击及心血管壁的振动而产生的一种复合音，是人体最重要的生理信号之一，它是心脏及心血管系统机械运动状况的反映，是在心动周期中由于心肌收缩舒张、瓣膜启闭以及血流冲击心室壁和大动脉等引起的一种机械振动，也是评估心脏功能状态的一种基本方法。心音信号蕴含着心脏各个部分本身及相互之间作用的生理和病理等重要的诊断信息。1.1 心音信号介绍一个正常的心音信号包括四个心音，通常情况下可以听到第一心音和第二心音，所以将心音信号的一个完整的心动周期定义为：第一心音、收缩期（Systole）、第二心音和舒张期（Diastole）四个部分。如图1所示。图1一个心动周期如上图所示，收缩期是指从S1起点持续到S2起点的间期，舒张期是指从S2起点持续到下一个心动周期的S1起点的间期。S1S2间期指的是从S1终点持续到S2起点的间期，S2S1间期指的是从S2终点持续到下一个S1起点的间期。在一段心音信号中，收缩期和舒张期是交替出现的，这代表了心脏的周期性运动。第一心音S1出现在心室收缩的早期，它标志着心室收缩期的开始。S1主要是由四个部分组成，其中第一部分以及第四部分为低频运动，而第二部分及第三部分为高频、高振幅运动。经典学说认为，S1的两个高频成分是由二尖瓣(MI)关闭以及三尖瓣(T1)关闭所产生的。在医生进行听诊的时候，往往只能听到S1的第二部分与第三部分。Sl历时较长，一般为0.1 0s-0. 16s。第二心音S2出现在心室收缩的末期，它标志着心室舒张期的开始。S2同样也是由四个部分组成，其中第一、三、四部分都是低频低振幅的波动，仅第二部分为高频、高振幅的波动，为S2的主要部分。经典学说认为，S2主要部分是由半月瓣关闭(即主动脉瓣成分A2与肺动脉瓣成分P2)所致。S2历时约为0.08s-0.12s。当然，在听诊过程中有的时候也能够发现第三心音S3和第四心音S4，特别是在小孩或者老年人身上。S3出现在舒张期早期，一般为0.03s-0.08s，而S4出现在舒张期晚期，一般为0.07s-0.10s。它们都是低幅值低频率的信号，不容易听到，而且容易与其它音混淆。例如第三心音S3与开瓣音OS都是发生在舒张早期，也就是S2之后。它们之间的区别是开瓣音比S3早0.05s以上。如果单靠听诊来鉴别两者的话是非常困难的，这也进一步说明了通过计算机辅助的方式来对心音图进行分析的必要性。S3和S4的出现有时候跟疾病有所关联。病理性S3往往导致心力衰竭、心绞痛、重症贫血等。而病理性S4往往导致高血压病、心肌炎、肺动脉瓣狭窄等疾病。收缩期可能会存在一些杂音，根据杂音类型，可以分为功能性杂音和器质性杂音。功能性杂音可以发在在没有心脏病的正常人中，而器质性杂音常常见于器质性心脏病患者。其中包括了收缩期喷射音、收缩期喀喇音、收缩期心房音等。正常健康的心音中不存在舒张期杂音，它的出现通常说明了有器械性心脏病发生。根据舒张期杂音的发生机理，主要可以分为以下三大类:经半月瓣反流性杂音、房室瓣阻塞性杂音、经房室瓣血流增加性杂音。异常心音通常会反映出心音波形的位置、形状、持续时间等多个方面的异常。因此，借助计算机来提取出相关的特征参数，并且能够实时反馈给医生一些有用的指标，这对于医生能够更快更准确的来检测心脏疾病有着非常重要的意义。心音的频率反映了音调的高低，正常心脏活动所产生的振动是由心脏传导到胸壁表面，其频率范围大约为1-800Hz；但在有疾病的并且夹杂着其它杂音的心脏中，其频率可到1500Hz以上。各种心音信号的频率是有所区别的，通常情况下，杂音的频率要比正常心音频率高的多，具体如下表1中所示：表1心音以及杂音的频率心音种类心音频率范围第一心音S150-100HZ第二心音S250-100HZ第三心音S310-50HZ第四心音S410-50HZ舒张期隆隆样杂音10-80HZ，亦可达到140-400HZ心包摩擦音100-400HZ，亦可达到660HZ高频杂音（舒张、收缩期）120-660HZ，亦可达到1000HZ在心音图检查中，一般将200Hz以上的称作为高频，100-200Hz的为中频，小于100Hz为低频。S1和S2的主要频率集中在50-100Hz范围内，因此正常心音信号一般是由中低频音组成的。1.2国内外研究现状自从Laennec发明听诊器以来，人们广泛采用听诊器进行心音分析诊断，传统简便的方法是医务人员根据自己的知识和经验对通过听诊器听得的心音做出主观的分析判断，但这明显具有较大的局限性和主观性。目前，虽然有心电图机作为心音的直观显示仪，但由于其采用低频响应的热笔结构，不能完整地记录全频心音，而且完全没有量化分析功能，在心音的存储、处理上存在着较大的局限性，故临床应用较少，甚至一度被人们所淡忘。目前，国际上关于心音和心肌收缩能力关系的研究更体现了心音检测和分析的重要性。由于“第一心音幅值的大小与心肌收缩能力强弱密切相关”，故可以用第一心音幅值的变化趋势来评估心力储备、心脏耐力。理论分析表明：第一心音幅值的大小主要决定于心室收缩时所产生压强能的大小；而该压强能的大小主要由心肌收缩力的强弱来决定。动物实验以及有创和无创临床对照研究表明：第一心音幅值的变化和左心室压力上升最大速率的变化呈正相关（r=0.9551，P<0.001）。由于心音信号处理的复杂性和困难性使它极富挑战性和吸引力，同时，数字技术特别是多媒体技术为解决这些问题预示了美好的前景，国内外再次燃起心音研究的热情，利用计算机技术进行心音量化分析的新探索。近年来，国内外很多研究人员致力于用不同的技术和方法来对心音信号进行分析和研究。早期的一些学者在研究心音信号的时候，需要依赖于颈动脉信号、心电信号等其它辅助参考信号，Groch等借助心电信号作为参考来获取心音信号的时域特征。Lener等利用心电信号及颈动脉信号作为参考对心音进行自动分段识别，然后用心电信号的R峰值来估计心音信号S1的起点，用颈动脉波的重搏切迹来估计心音信号S2的起点。虽然这些算法具有非常高的精度和准确率，但由于在同一时刻采集了多种不同信号，信号之间相互依赖性强，并且计算相对繁琐，增加了软件和硬件的负担。因此设计一种独立的不依赖于任何参考信号的心音分析方法成为了近些年国内外专家研究的热点。全海燕等人用小波多分辨率分析方法去研究心音的分段算法。Mood等人利用短时频谱能量以及自回归方法对信号进行分析，并且提取了相关频谱特征，用于多层感知机神经网络分类器的输入。姚晓帅6等人使用数学形态学的方法来分析心音信号，利用形态学中的开运算和闭运算对心音信号进行去噪和识别。这种方法的一个难点就是如何选取一个合适的结构元素。Xie等人首先根据心音的强度、频率等对心脏杂音能量比重，计算出不同等级杂音下三个参量的平均值。从实验结果可以看出，这三个参量的值基本随着杂音等级的增大而增大，保持了很好的一致性。林勇等人利用了基于经验模式分解的方法来对心音信号进行预处理以及分段操作，这种方法的关键是寻找到固有模态函数。周静等提出了基于归一化平均香农能量分布的心音分析方法，对心音信号进行分段计算，通过这种方法能够提取出一个相对光滑的心音包络图。Mohd等人在频域利用相关性对心音信号进行分析，主要方法是选取一个标准心音，然后用其它心音与此标准心音进行互相关操作，以此来提取特征参数，并且用神经网络对各种疾病进行分类实验。H Liang4等人提出了基于心音包络的分段算法，算法中给出了如何恢复漏检峰值以及去除多余峰值的过程。2.设计任务心音听诊是无创性临床基本检测手段之一，自从Laennec发明听诊器以来，人们广泛采用听诊器进行心音分析诊断，传统简便的方法是医务人员根据自己的知识和经验对通过听诊器听得的心音做出主观的分析判断，但传统的听诊由于听诊器低频响应差，不能做出定量的分析，容易受医生主观影响。尽管心脏听诊可以诊断许多心脏疾病，但听诊的准确度很大程度上被听诊者的临床经验影响，往往只有那些有经验的心脏病专家，方能通过听诊，对心脏的功能状态做出正确的评价和诊断。另外人耳并不适合心脏听诊，有研究表明人耳听觉最敏感的频率范围在10003000Hz之间，对低频区敏感性差，更听不到20Hz以下的声音。然而心音的频率成分主要在40100Hz之间，而且在诊断上有重要意义的大多在l00Hz以下，所以人耳对那些有重要诊断意义的及强度较小的心音往往不能分辨。目前，虽然有心电图机作为心音的直观显示仪，但由于其采用低频响应的热笔结构，不能完整地记录全频心音，而且完全没有量化分析功能，在心音的存储、处理上存在着较大的局限性，故临床应用较少，甚至一度被人们所淡忘。由于心音信号处理的复杂性和困难性使它极富挑战性和吸引力，同时，数字技术特别是多媒体技术为解决这些问题预示了美好的前景，国内外再次燃起心音研究的热情，利用计算机技术进行心音量化分析的新探索。因此，本实验拟在labview上设计一款针对数字化采集的心音信号的显示与分析软件界面，以克服上述心音分析的不足，为临床桑更好的实现心音的诊断提供支持。需求分析：1）功能需求首先利用labview读取已经采集到的心音信号，计算出被试者的心率；为了更好地了解评价患者心音信号的特征，本软件将对患者的心音信号进行实时显示；同时，鉴于在心音信号中，第一第二心音较易识别且是常用评价对象，该软件将实现对第一心音和第二心音的识别，并给出其相应时间和幅值等特征值，判断是否超出正常范围。此外，本软件将对采集到的心音信号进行功率谱和频域上的分析处理，找出其频域特征并分析是否正常。2）界面需求整个软件界面将包括一个心音的实时显示框图，一个滤波并提取包络线后心音显示框图，以及第一心音第二心音的分别显示的界面框，另外还包括心音信号的一个功率谱显示图以及一个频域处理结果的模块；界面上还包含一个各种特征数值的显示模块，包括S1，S2的幅值比以及持续时间和患者的心率，还包含一个警报提示部分，一旦心音信号的一些特征指标超过正常范围，红灯将亮起，并给出警示。3设计内容本实验旨在设计一款对已的采集心音信号进行显示，处理分析，并获取相关特征参数，对信号采集者的心音正常与否进行简单判断。基于此设计软件主要由5大模块组成，他们分别是：1） 波形显示、截取与去直流处理；2） 信号滤波去噪；3） 提取包络及曲线拟合、波形保存；4） 心率及峰值等计算；5） 其他参数计算以及心音分裂的简单判断；除文件的读取外整个程序设计在一个大的while循环之下，方便在程序运行过程中根据信号的具体特征实时修改程序中的参数，保证结果的正确性，并比较不同参数下结果的差异。图3.1 总Vi框图3.1波形显示、截取与去直流处理该部分实现了心音信号的读入并进行了简单的消除直流，截取波形操作，显示有效稳定的波形以及其功率谱密度。3.1.1文件的读入读入文件的部分是在整个while循环以外，可以预先选择好数据路径，若程序运行时路径为空时弹出弹窗可以浏览并选择路径，之后通过设计一个事件结构来控制信号的读入作为后续整个程序运行的开关，开关未按下时后续程序挂起且前面板锁定，当开关按下时程序开始继续运行。读入的txt文件数据是双精度的二维数组通过一个“索引数组”转换数据，再利用“重建波形”vi结合启示时间与采样率组建出一幅x-y图并显示。图3.2 控制程序开关的事件结构3.1.2波形的截取与去直流原始波形已经建立并显示，但是由于所采集的信号往往在刚开始的一段时间由于仪器固有原因以及一些人为因素使得前面几段波形并不符合一般规律，因此需要对原始数据进行一段截取，保留稳定的波形，这里利用一个“删除数组”的组件完成了这个功能，截取长度可以依据原始数据情况自由设定，因实际中可能对数据进行掐头去尾的操作，而一个“删除数组”Vi只能完成一个部分截断，故程序中采用了两个“删除数组”Vi，若不想删除尾端信号，前面板“截取长度2”设定为0即可。考虑到一般信号中都会包含有一定的直流分量， 通过对信号取均值获得信号中的直流分量，并减去。之后为方便后续滤波确定参数，对于上述处理后的信号进行功率谱密度分析，以“FFT功率谱密度”Vi 实现这一功能。图3.3波形的截取与去直流模块3.2信号滤波去噪将简单时域处理后的波形通过两个“滤波器”Vi 分别对信号进行50Hz工频滤波处理和一个带通处理，50Hz限波器选择契比雪夫I型，带阻范围设定在4951Hz，滤波阶数为4。另外，根据鉴于心音信号的频域特性，S1、S2两个主要的能量区段频率均在50100Hz之间，而频段在10100Hz的S3、S4幅值较小很难观测到，而根据对于之前原始信号功率谱密度的分析，在020Hz以及3050频段有两个较高的噪声能量分布，因此在本实验中将带通选择巴特沃斯II型，上下限截至频率设置为100Hz和50Hz，滤波阶数设定为3。以期有效去除低频噪声。之后对滤波后心音信号进行FFT运算求出其功率谱密度，这是可以认为这是确实的无噪声影响的心音信号功率谱，方便对于心音进行频域分析。=，观测其主要能量分布频段。图3.4信号滤波去噪模块3.3提取包络及曲线拟合、波形保存经过一系列滤波后的信号仍然是有包含许多细小波峰组成的，不便于针对其整体的时域特性进行分析比较以及准确找到心音的位置，这里通过希尔伯特变换提取心音信号外包络线，并且为了优化外包络线，又采用了高斯曲线拟合，若信号包络满意则可以选择保存以便将来直接调出分析。图3.5提取包络及曲线拟合、波形保存模块3.31希尔伯特提取包络希尔伯特变换是信号处理中最为常用的提取外包络的经典方法。该方法认为任何一个信号都可以由一系列简单的非正弦函数构成，这些非正弦函数就是要寻找的IMF。IMF必须满足2个条件：1)对整个时间序列来说，极值点的个数和过零点的个数相等或相差1；2)在任何一点处，最大值包络线和最小值包络线的均值为零。本程序中是以“快速希尔伯特变换”这个Vi来实现的。下图为利用该“快速希尔伯特变化”对于由标准正弦函数变换而成的信号提取包络的结果。图3.6快速希尔伯特变换使用范例3.32高斯曲线拟合对于简单的信号“快速希尔伯特变换”效果很好，但是对于复杂随机信号其提取外包络的效果就差强人意了，因此，程序中设计一个曲线拟合的部分，希望以此优化提取出的外包络线。程序主要是利用“非线性曲线拟合” Vi实现的，该VI通过Levenberg-Marquardt方法计算最佳拟和参数，以此最小化Y的观测值与最佳非线形拟和之间的加权均方误差。下列方程定义了曲线模型：yi = f(xi, a0, a1, a2, )a0, a1, a2, 是参数。Levenberg-Marquardt方法无需y与参数之间存在线性关系。 Hessian矩阵是数值优化方法（例如，牛顿方法）中常见的矩阵。为避免奇异Hessian矩阵的弱点，Levenberg-Marquardt方法为Hessian矩阵添加一个正定对角矩阵。该矩阵是Levenberg-Marquardt方法和牛顿方法的不同之处。通过设置起一些参数使其进行高斯函数拟合。下图为示例中高斯函数拟合的效果。图3.7 示例中高斯函数拟合的效果3.33外包络线保存若对曲线拟合的外包络线满意用户可以选择保存，本软件中通过一个“条件结构”实现，当按下保存按钮时，用户可以找好路径，输入文件名称便能新建一个TXT文档保存数据信息。图3.8保存波形的条件结构3.4心率及峰值等计算提取包络线之后将对心音的一些特征参数进行计算，包括心率，S1平均振幅等，并比较其是否在正常范围内，这一部分参数的计算主要是是基于S1峰值都大于S2峰值很多这一重要事实而完成计算的。心率的计算是利用“波形波峰检测”Vi通过设定阈值，找到第一个和最后一个S1峰值位置，相减再除以采样频率得出持续时间，“波形波峰检测”另一输出端检测到的波形中波峰个数减一后乘以60再除以持续时间即为心率，之后进行判断若心率小于50次/分，即认为是心率过缓，若高于100次/分则认为是心率过速，其后均接有布尔等，为真时红灯会亮起。S1平均峰值亦是由“波形波峰检测”获得各个过阈值峰值，并对其取均值。图3.9波形波峰检测Vi输入输出端接口图3.10心率及峰值等计算模块3.5其他参数计算以及心音分裂的简单判断心音信号中还包括其他一些重要的参数可以反映受试者的心血管情况，包括S1、S2时长，收缩期舒张期时间，以及S2与S1的峰值比等都可以表征心音是否分裂、心脏收缩是否正常等。这一模块下，主要利用“基本电平触发检测”和“波形波峰检测”找到S1S2起始结束位点，以及S1S2峰值等实现。图3.11其他参数计算以及心音分裂的简单判断模块3.5.1 S1、S2时长确定与收缩及舒张期确定根据文献中记载，S1和S2起始、结束位点判断方法是为其峰值的0.30.4倍，依据之前信号中的峰值数据在“基本电平触发检测”Vi设定阈值，选定好触发斜率（检测起始点选择：上升沿检测，终止点位下降沿检测）而在下降沿检测时由于仍然有一定噪声干扰，必须设定滞后值以准确找到真实终止位点。S1终止位点值减去起始位点值在除以才样频率计为其时长。收缩期被定义为S2其实时间减去S1起始时间，舒张期为后一个S1起始时间减去前一个S2其实时间。图3.12基本电平触发检测Vi输入输出接口3.5.2心音分裂判断S1、S2都存在着心音分裂的情况，S1分裂主要是因为二尖瓣和三尖瓣的关闭时间先后略有差别，而S2分裂主要是因为主动脉瓣和肺动脉瓣关闭时间不同步。通常情况下，心音分裂判断条件有两个: （1）两个峰值点间距在50ms以内；（2）两个峰值点幅值差不多大，相差在80%以内。以此为依据，软件中利用“波形波峰检测”找到各个波峰位置检测其间隔是否在50ms内，并计算两临近峰值比，判断是否大于80%，使用逻辑或结构实现若有一项满足即认为心音分裂，接布尔灯，相应红灯会亮起。4、程序结构分析本软件的设计主要是以实现心音信号的读取显示，以及滤波提取包络等处理，在此基础上进行心音的时域频域分析得到重要参数值，对被试者的心率，收缩期舒张期时间，以及心音是否分裂进行一个简单的判断。主界面包括6个选项卡面板，分别是1）原始波形2）截取后波形3）带通处理后波形4）提取包络后波形5）曲线拟合6）部分参数显示4.1原始波形界面作为软件面板的首页，该界面上不仅包括了整套软件的名称，以及一张心音形成原理的示意图表明该软件的主题，还主要实现了对于读取的心音原始信号的显示。面板左上角设有一个控制整个程序运行的开关以及诸如采样率等参数的输入控件，同时为了去除信号刚开始的杂乱部分，在此设有截取长度的输入控件，方便基于原始波形观察决定。面板最下方设有终止程序的循环停止按钮，以便在循环错误或程序陷入死循环是强行终止程序，保证其安全性。图4.1原始波形界面4.2截取后波形界面心音信号经过一段截取和消去直流分量后在此界面上显示，同时在波形图右上角附有标准心音信号及相关分析，可以更好对比了解。而面板右侧的信号功率谱密度图可以帮助我们了解现有信号中的主要噪声，为下一步滤波其参数设定提供数据支持。并且该界面上还以仪表盘的形式显示了心率的计算结果并会对异常情况进行报警，当心律大于100次/分时被认为是心率过快相应的灯将亮起变红，反之，当心率小于50次/分时被认为是心率过缓，相应灯亮起变红。此外，面板右下角是对检测到的过阈值波峰位置的显示，本软件设计中最多可以给出20个过阈值波峰/波谷的位置信息，方便对波形的时域信息进行分析了解。 图4.2截取后波形界面图4.3带通处理后波形界面本界面为显示界面选项卡上的第3部分，上面可以设定滤波器的带通截至频率，对滤波器类型以及滤波器阶数进行选择，并显示带通滤波后的波形和其功率谱密度，方便更好的在时域与频域方面对心音信号进行分析，也能依据其时域波形以及功率谱密度信息实时改变带通截至频率选择最佳的滤波效果，同时滤波器上连接的错误消息显示板块可以对于可能出现的错误给出报警信息。 图4.3带通处理后波形界面4.4提取包络后波形显示界面该选项卡界面相对简单，主要是对进行希尔伯特变换提取包络后的波形以及带同滤通后波形的对比显示，包络线以红色线段表示，带通滤波后的波形以蓝色线段表示。而并依据提取包络后的波形特征选择设定更加适合的曲线拟合参数，以便能够得到较好的效果。图4.4提取包络后波形显示界面4.5曲线拟合显示界面信号包络线进行曲线拟合后将在本界面上显示，同时针对这一曲线通过设定判定S1阈值，以量表的形式显示S1的平均峰值，并以此为依据判定心室收缩压力是否正常。图4.5曲线拟合显示界面4.6部分参数显示界面本界面中通过设定阈值和滞后，检测判断心音信号S1和S2的起始位点与结束位点，给出S1、S2持续时间以及收缩期舒张期时间，之后显示S2S1峰值比，判断其是否在正常范围。图4.6部分参数显示界面5、流程图7、调试及运行结果程序设计完成后，一些具体的参数设置仍然需要输入实际的信号才能最终确定，同样程序的有效性以及可靠性也需要实际的操作才能确认。为此，将先前利用声卡采集到的一位23岁男性受试者的新音效好导入，检验软件运行的实际效果。7.1心音信号的处理如图所示即为采集到的心音信号原始波形，从图中可以看出，最开始的部分和最后的一段波形都不是很稳定，整个信号还存在着一定的基线漂移。图7.1原始信号显示观察上图波形后，根据实际的波形情况设定了两段截取长度分别去掉了最开始和最后的数据，保留8段心音信号。并利用取均值的方法计算出直流分量大约为0.045v，同事及将其减去，其波形在下图中显示，而下图右侧给出的现有信号的功率谱密度可以看出，在020Hz和3050Hz区段存在连个较高能量分布，但是这与文献中记载的心音信号能量主要存在于50100Hz的情况并不符合，于是将带通滤波器的通带频段设置为50100Hz，以期有效去除心音信号中的噪声。图7.2截取后波形显示及其功率谱信号通过带同滤波后记波形如下图。可以看出波形变化很大，原因主要是由于信号的采集方式混有大量的噪声以至于遮盖了真实的心音信号。滤波后，看出此次采集的心音信号S1的峰值在0.1V左右，S2的峰值大约在0.05V左右。而其主要能量是在4580Hz之间分布。图7.3滤波后信号及其功率谱密度下图是对心音信号作希尔伯特变换提取包络的结果，其中蓝色线为心音信号，红色线为其外包络线。图7.4心音信号外包络提取结果7.2心音相关参数计算经过计算该名受试者的心率大约在63次/分，属于正常范围（50100次/分）；其S1的时长为0.113s处于正常范围内（0.10.16s）；S2时长为0.1203s，也在正常范围（0.080.12s）；舒张期为0.789s略长于一般统计结果（0.58s），收缩期为0.265s，略短于一般统计结果（0.335s）。其S1、S2峰值比约为0.69，不在80%以内，然而其最近两峰之间间隔小于50ms，故认为存在一定程度的心音分裂，然而，这可能由于是利用labview固有希尔伯特函数提取包络效果不佳所导致的。图7.5曲线拟合后波形及受试者相关参数图7.6部分参数显示对于S2S1和Diastole与其他文献中结果出现的偏差，我们分析有如下三点原因：1）个体差异。心音信号因受试者不同会产生很大变化。影响因素主要有性别、年龄、身高、胖瘦程度等等。由于采集的是体表心音，传感器会因个体的不同而受到来自身体的不同程度的干扰，使得结果产生变化。这可能是结果出现偏差的主要原因。2）采集点选取不同。本实验在二尖瓣采集点进行信号采集，其位置大约为左锁骨中线与左第四肋间的交界处。但是采集点的位置仅仅是医学上凭借经验并结合分析确定的，并没有精确的量化。这样会导致采集结果不够精确，对同一个体的不同次采集也会产生偏差。3）我们的定位程序可能不够精确。定位程序根据简单的阈值判断对心音定位。而且包络提取的不是很理想，经过平滑处理之后没有过多的伪峰，但这种仅基于极值而判定起止点的方法仍有待在更多的应用中验证可行性。这可能导致定位不够精确。总体上，时域上提取的特征参数比较理想，能够反应正常心动周期的生理意义。对于其频率域结果分析如下：1）心音的正常范围为0Hz800Hz，但是由于我们的受试者为23岁健康男性，并且采集环境尽量保持安静，使得信号的高频成分较少，能量主要集中在0Hz100Hz。这是采集效果比较理想的主要原因。2）第一心音与第二心音的频率范围为50Hz100Hz，第三、第四心音频率范围为1Hz50Hz。但是第一心音较第二心音往往稍低，有时会在50Hz左右。我们推测54Hz处峰值主要为第一心音的成分，同时包含第三与第四心音成分以及一些低频干扰，如胸腔回音、呼吸等。70Hz处峰值主要为第二心音的成分。3）在低于10Hz范围甚至接近1Hz处出现了一些能量，我们推测其为受试者的晃动、传感器的导线的晃动以及一些微弱震动导致的低频干扰。总体上频域特征提取结果比较满意，提取的特征值符合正常心音的频率范围，能够反映心音的特性。8、课程体会在本课程中不仅温习了信号处理的一些常用方法，还学习了心音信号的一些知识，更重要的是在一定程度上掌握了labview这款软件的使用方法没，为将来的学习科研提供了便利。从牛老师的教学中也感受到了，一位真正的科研者所应该具备的精神、面对问题是应有的态度以及解决问题时一般的思路方法。总之在本课程中受益匪浅，感谢各位老师，以及在软件编写过程中提供过帮助的师兄师姐和同学们。9 参考文献1 Jeffrey Travis Jim Kring. Labview for EveryoneGraphical Programming Made easy and Fun.电子工业出版社,2008年6月.2 邢素霞， 陈天华. 基于DSP 的心音信号采集与分析J. 生物医学工程学杂志,2011,28(2):273-276.3 李战明, 郑 蕾. 基于LabVIEW 的心音信号采集与小波去噪系统的实验研究J. 电子测量技术, 2010,33(3):86-88.4 陈国强心音信号的提取和处理研究西安电子科技大学硕士毕业论文 200901015 李天生心音采集与分析方法研究五邑大学硕士毕业论文 200904156许晓飞，林勇，严彬彬. 基于希尔伯特-黄变换的心音包络提取. 航天医学与医学工程.2008,21（2）：134-136.7周静，杨永明，何为. 心音信号的分析及其特征提取方法的研究. 中国生物医学工程学报，2005, 24（6）：685-689.8Lehner RJ, Rangayyan RM. A three-channel microcomputer system for segmentation and characterization of the phonocardiogramJ. IEEE Trans Biomedical Eng. 1987,34(6):485-489.9 陈剑.郭兴明.肖守中.心音信号识别的意义及其方法的研究J. 国外医学生物医学工程分册，2004，27（2）：87-89.10刘刚，王立香.Labview 8.20中文版编程及应用.电子工业出版社，2008年1月。11张会香. 基于LabVIEW的心音信号发生器和多功能处理仪器的研究J南京邮电大学硕士毕业论文20110317。附录：源程序27