發(fā)布時間：2017-05-04 09:09

  本文關鍵詞：基于matlab的心音信號分析比較研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 隨著現(xiàn)代社會物質(zhì)生活水平的改善，心血管疾病呈逐年上升趨勢，其導致的死亡率已位居各類疾病之首，成為人類健康的最大威脅。心音是心臟及心血管系統(tǒng)機械運動狀況的反映，其中包含著心臟各個部分本身及相互之間作用的生理和病理信息。用現(xiàn)代數(shù)字信號處理技術對心音進行分析在心血管疾病的基礎研究和臨床診斷上具有重要價值。 心音研究的主要領域有對第一心音和第二心音的生理病理研究；對人工心臟瓣膜的無創(chuàng)傷檢測；對心音微弱成份(第三心音和第四心音)的分析研究；分析心臟雜音的頻率變化規(guī)律；從一個心動周期中定位提取心音成份；對心音傳導機制建模。本文在對心音信號的分析方法、預處理和成份定位進行討論的基礎上，提取了不同病理情況下第二心音的特征頻率，為臨床醫(yī)學診斷心臟疾病提供參考。根據(jù)瓣膜理論，第二心音(S_2)是由心室舒張時心室壁振動、主動脈瓣(Aortic valve)與肺動脈瓣(Pulmonary valve)關閉和房室瓣開放時血流自心房進入心室引起的，含有多個頻率分量，是心音的重要組成部分。本文采用短時傅立葉變換和AR模型功率譜對20例心音數(shù)據(jù)(其中正常10例，異常10例)進行分析并提取第二心音的兩個主要特征頻率，結(jié)合第二心音的生理特性對實驗結(jié)果進行了分析討論。實驗結(jié)果表明：(1)第二心音(S_2)含有主動脈瓣(A_2)和肺動脈瓣(P_2)兩個主要成份；(2)異常第二心音(S_2)的主動脈瓣(A_2)和肺動脈瓣(P_2)的頻率比正常第二心音有升高；(3)第二心音中還含有低頻、幅度低、持續(xù)時間較長的成份。 本文主要開展了如下幾方面的研究內(nèi)容： 1．從硬件采集到的心音數(shù)據(jù)干擾非常嚴重，使心音信號不能進行正常的分析處理，，這些干擾主要包括50Hz工頻干擾、呼吸音干擾以及白噪聲干擾等。根據(jù)信號與噪聲經(jīng)小波變換后小波系數(shù)隨尺度變化的不同，本文提出了采用小波多分辨率分析對心音信號進行去噪。通過對比分析，找到了小波去噪的最佳參數(shù)，即采用coif5小波對心音信號進行5層分解，通過軟閾值和固定閾值進行去噪。 2．針對心音信號的時變特性，采用以下幾種方法對心音進行分析研究，并比較了它們在分析心音信號時的優(yōu)缺點，以便根據(jù)不同的研究目的選擇不同的分析方法。(1)心音、心雜音的頻率成份是心音的一個重要特征，因此，采用現(xiàn)代功率譜AR模型分析方法對一個周期的心音進行能量分析，把心音的頻率成份分為高頻、中頻和低頻三個頻段。(2)由于心音是時變信號，它的時-頻特性最能反映其特征，針對2205Hz的采樣頻率，采用128點的Hamming窗對心音信號進行短時傅立葉變換，其分析結(jié)果可采用二維和三維兩種方式顯示，顯示結(jié)果直觀易懂。(3)對心音進行時頻分析的另一種方法是小波分析，利用二進小波的子帶濾波特性，把心音分解為高頻、中頻和低頻三個頻帶，采用各頻帶重構(gòu)信號的波形圖，考察每個頻帶的時間-幅度特性，對心音各成份及其變化趨勢等特點作出了全面的反映。 3．采用小波多分辨分析方法和歸一化香農(nóng)能量提取第二心音。通過小波多分辨分析將心音信號分解后，將不同頻帶重構(gòu)出來，再將每一頻帶以相同時間長度進行分段，計算每段的歸一化香農(nóng)能量，然后，結(jié)合心音的特性確定S_2的位置。 4．提取第二心音信號的特征值。采用AR模型和短時傅立葉變換對第二心音的兩個主要特征頻率進行檢測，對比研究了正常心音及有心臟瓣膜疾病的心音的不同點，為臨床醫(yī)學診斷心臟疾病提供參考。 本文對心音信號的臨床研究提供了基本的分析方法，為心音用于心臟疾病輔助診斷奠定了基礎。
【關鍵詞】：心音信號 小波變換 短時傅立葉變換 自回歸模型
【學位授予單位】：陜西師范大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：R318.04
【目錄】：

• 摘要3-5
• Abstract5-10
• 第一章 緒論10-13
• 1.1 本課題的研究意義10
• 1.2 本課題國內(nèi)外的研究現(xiàn)狀10-12
• 1.3 本課題的主要研究內(nèi)容和所做工作12-13
• 第二章 醫(yī)學心音信號的探討13-17
• 2.1 心音形成的生理機制13-14
• 2.2 心音的時域特性14-15
• 2.3 心音信號的頻率特性15
• 2.4 心音與心臟瓣膜疾病的關系15-17
• 第三章 心音信號分析方法的比較研究17-31
• 3.1 心音信號分析所用環(huán)境17
• 3.2 心音的AR模型譜估計17-20
• 3.3 短時傅立葉變換20-21
• 3.4 小波變換21-28
• 3.4.1 連續(xù)小波變換23
• 3.4.2 離散小波變換23
• 3.4.3 二進制小波變換23-24
• 3.4.4 小波變換的多分辨率分析24-25
• 3.4.5 Mallat算法—快速二進小波分解與重構(gòu)算法25-27
• 3.4.6 心音信號的小波變換27-28
• 3.5 分析方法的討論28-30
• 3.6 小結(jié)30-31
• 第四章 心音信號的小波消噪31-42
• 4.1 引言31
• 4.2 噪聲在小波分解下的特性31-32
• 4.3 小波降噪的方法和步驟32-33
• 4.4 小波母函數(shù)的選擇33-36
• 4.4.1 Haar小波33-34
• 4.4.2 Daubechies小波系34-35
• 4.4.3 Symlet小波系35-36
• 4.4.4 Coiflet小波系36
• 4.5 小波分解的層數(shù)36
• 4.6 小波消噪中閉值的選取規(guī)則36-38
• 4.7 計算機仿真實驗分析38-41
• 4.8 小結(jié)41-42
• 第五章 正異常心音信號的定性與定量對比分析42-49
• 5.1 實驗數(shù)據(jù)的選取42
• 5.2 提取第二心音42-46
• 5.2.1 心音成份提取的一些方法42-43
• 5.2.2 基于小波變換的心音成份提取43-46
• 5.3 正異常心音信號分析及特征提取46-48
• 5.4 小結(jié)48-49
• 第六章 結(jié)論與展望49-51
• 6.1 總結(jié)49-50
• 6.2 工作展望50-51
• 參考文獻51-54
• 致謝54-55
• 攻讀學位期間的研究成果55

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 張國華;袁中凡;;遠程心音采集識別系統(tǒng)的研發(fā)[J];中國測試;2012年06期

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 劉娟;噪聲環(huán)境下心音身份識別算法研究[D];杭州電子科技大學;2011年

2 胡泊;智能電子聽診器設計與實現(xiàn)[D];天津大學;2010年

3 謝梅蘭;心臟雜音分級量化研究及心臟能量分析[D];重慶大學;2010年

4 沈琴琴;用于身份辨識的心音信號分析算法研究[D];杭州電子科技大學;2012年

  本文關鍵詞：基于matlab的心音信號分析比較研究，由筆耕文化傳播整理發(fā)布。

本文編號：344792