基于雙麥克聽診器的心音去噪方法
【專利摘要】本發(fā)明公開了一種基于雙麥克聽診器的心音去噪方法，它包括以下步驟：步驟1，采集信號；步驟2，信號處理；步驟3，特征提??；步驟4，選取心音信號，本方法能讓醫(yī)生聽到更為清晰的信號，從而更好地診斷心臟狀況。
【專利說明】
基于雙麥克聽診器的心音去噪方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及信號處理技術(shù)領(lǐng)域，具體涉及基于雙麥克聽診器的心音去噪方法。
【背景技術(shù)】
[0002]心音是心肌收縮舒張、瓣膜啟閉以及血液流動撞擊心室壁和動脈壁等引起的振動，最能直接的反映與心臟疾病有關(guān)的信息，因此心音檢測對臨床醫(yī)生診斷心臟疾病有很大的輔助作用。
[0003]然而，許多外界因素會影響心音信號的采集。心音是弱電氣信號以至很弱的外部噪聲就能導(dǎo)致信號中的病理和生理信息的錯誤判斷，從而導(dǎo)致疾病的錯診。因此對心音信號去噪是非常重要。

【發(fā)明內(nèi)容】

[0004]本發(fā)明克服了現(xiàn)有技術(shù)中外界因素會影響心音信號的采集，從而導(dǎo)致疾病的錯診的不足，提供一種基于雙麥克聽診器的心音去噪方法。
[0005]為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案:
[0006]—種基于雙麥克聽診器的心音去噪方法，它包括以下步驟:
[0007]步驟I，采集信號
[0008]通過聽診器的兩個麥克風(fēng)同步采集心音信號和噪音信號，其中，一個麥克風(fēng)朝向胸口，用于采集心音信號，另一個朝向外部空氣，用于采集噪音信號；
[0009]步驟2，信號處理
[0010]通過盲源分離算法對采集的信號進行分離，將心音信號和噪音信號進行分離；
[0011]步驟3，特征提取
[0012]對分離的心音信號和噪音信號分別計算其語音特征參數(shù)，形成特征向量；
[0013]步驟4，選取心音信號
[0014]將特征向量輸入支持向量機，通過支持向量機中支持向量模型選取出心音信號并輸出，支持向量模型是通過長期采集的正常及病理心音信號訓(xùn)練得出的。
[0015]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是:
[0016]本方法能讓醫(yī)生聽到更為清晰的信號，從而更好地診斷心臟狀況。
【附圖說明】
[0017]圖1為本發(fā)明一種實施例的雙麥克聽診器的結(jié)構(gòu)示意圖。
[0018]如圖1所示，其中對應(yīng)的附圖標(biāo)記名稱為:
[0019]I第一麥克風(fēng)模塊，2音頻編碼解碼模塊，3數(shù)字信號處理模塊，4藍牙模塊，5第二麥克風(fēng)模塊。
【具體實施方式】
[0020]下面結(jié)合附圖對本發(fā)明作進一步闡述。
[0021]—種基于雙麥克聽診器的心音去噪方法，它包括以下步驟:[〇〇22]步驟1，采集信號
[0023]通過聽診器的兩個麥克風(fēng)同步采集心音信號和噪音信號，其中，一個麥克風(fēng)朝向胸口，用于采集心音信號，另一個朝向外部空氣，用于采集噪音信號；[〇〇24] 步驟2,信號處理[〇〇25]通過盲源分離算法對采集的信號進行分離，將心音信號和噪音信號進行分離； [〇〇26] 步驟3,特征提取
[0027]對分離的心音信號和噪音信號分別計算其語音特征參數(shù)，形成特征向量；[〇〇28] 步驟4,選取心音信號
[0029]將特征向量輸入支持向量機，通過支持向量機中支持向量模型選取出心音信號并輸出，支持向量模型是通過長期采集的正常及病理心音信號訓(xùn)練得出的。
[0030]本發(fā)明提供一種雙麥克聽診器，如圖1所示的一種雙麥克藍牙聽診器，它包括第一麥克風(fēng)模塊1、第二麥克風(fēng)模塊5、音頻編碼解碼模塊2、數(shù)字信號處理模塊3以及藍牙模塊4; 第一麥克風(fēng)模塊1朝向胸口設(shè)置，用于采集心音信號，第二麥克風(fēng)模塊5朝向外部空氣設(shè)置， 用于采集噪音信號；音頻編碼解碼模塊2分別與第一麥克風(fēng)模塊1和第二麥克風(fēng)模塊5電連接，用于將采集到的心音信號和噪音信號進行模數(shù)轉(zhuǎn)換以及放大處理;數(shù)字信號處理模塊3 與音頻編碼解碼模塊2電連接，用于將音頻編碼解碼模塊2處理后的心音信號進行增強處理，并通過語音特征參數(shù)對音頻編碼解碼模塊2處理后信號中的心音信號進行選擇;藍牙模塊4與數(shù)字信號處理模塊3電連接，用于將篩選出的心音信號進行發(fā)送，藍牙模塊4采用藍牙 4.1協(xié)議進行傳輸。[0〇31 ]數(shù)字信號處理模塊3中內(nèi)含的盲源分離方法為一種獨立分量分析法，即FastICA算法，該算法的時間復(fù)雜度和空間復(fù)雜度都不高，現(xiàn)有的數(shù)字信號處理模塊3的水平能夠?qū)崿F(xiàn)，且效果較好。語音特征參數(shù)的核心算法選用MFCC參數(shù)作為特征，模式匹配采用支持向量機，是較為常用的識別模型。支持向量機模型是通過長期采集的大量正常及病理心音的訓(xùn)練得到的。
[0032]以上【具體實施方式】對本發(fā)明的實質(zhì)進行詳細(xì)說明，但并不能對本發(fā)明的保護范圍進行限制，顯而易見地，在本發(fā)明的啟示下，本技術(shù)領(lǐng)域普通技術(shù)人員還可以進行許多改進和修飾，需要注意的是，這些改進和修飾都落在本發(fā)明的權(quán)利要求保護范圍之內(nèi)。
【主權(quán)項】
1.一種基于雙麥克聽診器的心音去噪方法，其特征在于，它包括以下步驟:步驟1，米集彳目號通過聽診器的兩個麥克風(fēng)同步采集心音信號和噪音信號，其中，一個麥克風(fēng)朝向胸口， 用于采集心音信號，另一個朝向外部空氣，用于采集噪音信號；步驟2,信號處理通過盲源分離算法對采集的信號進行分離，將心音信號和噪音信號進行分離；步驟3,特征提取對分離的心音信號和噪音信號分別計算其語音特征參數(shù)，形成特征向量；步驟4,選取心音信號將特征向量輸入支持向量機，通過支持向量機中支持向量模型選取出心音信號并輸 出，支持向量模型是通過長期采集的正常及病理心音信號訓(xùn)練得出的。
【文檔編號】A61B7/04GK105962967SQ201610343726
【公開日】2016年9月28日
【申請日】2016年5月23日
【發(fā)明人】梁慶真, 黃凱, 劉傳銀
【申請人】四川長虹電器股份有限公司