本文關(guān)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(huì)物質(zhì)生活水平的改善，心血管疾病呈逐年上升趨勢，其導(dǎo)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(jī)械運(yùn)動(dòng)狀況的反映，其中包含著心臟各個(gè)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(shù)對心音進(jìn)行分析在心血管疾病的基礎(chǔ)研究和臨床診斷上具有重要價(jià)值。 心音研究的主要領(lǐng)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(gè)心動(dòng)周期中定位提取心音成份；對心音傳導(dǎo)機(jī)制建模。本文在對心音信號的分析方法、預(yù)處理和成份定位進(jìn)行討論的基礎(chǔ)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(xué)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(shí)心室壁振動(dòng)、主動(dòng)脈瓣(Aortic valve)與肺動(dòng)脈瓣(Pulmonary valve)關(guān)閉和房室瓣開放時(shí)血流自心房進(jìn)入心室引起的，含有多個(gè)頻率分量，是心音的重要組成部分。本文采用短時(shí)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(jìn)行分析并提取第二心音的兩個(gè)主要特征頻率，結(jié)合第二心音的生理特性對實(shí)驗(yàn)結(jié)果進(jìn)行了分析討論。實(shí)驗(yàn)結(jié)果表明：(1)第二心音(S_2)含有主動(dòng)脈瓣(A_2)和肺動(dòng)脈瓣(P_2)兩個(gè)主要成份；(2)異常第二心音(S_2)的主動(dòng)脈瓣(A_2)和肺動(dòng)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(shí)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(yán)重，使心音信號不能進(jìn)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(jìn)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(jìn)行5層分解，通過軟閾值和固定閾值進(jìn)行去噪。 2．針對心音信號的時(shí)變特性，采用以下幾種方法對心音進(jìn)行分析研究，并比較了它們在分析心音信號時(shí)的優(yōu)缺點(diǎn)，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(gè)重要特征，因此，采用現(xiàn)代功率譜AR模型分析方法對一個(gè)周期的心音進(jìn)行能量分析，把心音的頻率成份分為高頻、中頻和低頻三個(gè)頻段。(2)由于心音是時(shí)變信號，它的時(shí)-頻特性最能反映其特征，針對2205Hz的采樣頻率，采用128點(diǎn)的Hamming窗對心音信號進(jìn)行短時(shí)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(jìn)行時(shí)頻分析的另一種方法是小波分析，利用二進(jìn)小波的子帶濾波特性，把心音分解為高頻、中頻和低頻三個(gè)頻帶，采用各頻帶重構(gòu)信號的波形圖，考察每個(gè)頻帶的時(shí)間-幅度特性，對心音各成份及其變化趨勢等特點(diǎn)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(shí)間長度進(jìn)行分段，計(jì)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(shí)傅立葉變換對第二心音的兩個(gè)主要特征頻率進(jìn)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(diǎn)，為臨床醫(yī)學(xué)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(chǔ)。
【關(guān)鍵詞】：心音信號 小波變換 短時(shí)傅立葉變換 自回歸模型
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(xué)心音信號的探討13-17
• 2.1 心音形成的生理機(jī)制13-14
• 2.2 心音的時(shí)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(guān)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(jì)17-20
• 3.3 短時(shí)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(jìn)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(jìn)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(jì)算機(jī)仿真實(shí)驗(yàn)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(shí)驗(yàn)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(xiàn)51-54
• 致謝54-55
• 攻讀學(xué)位期間的研究成果55

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 張國華;袁中凡;;遠(yuǎn)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(xué)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(xué);2011年

2 胡泊;智能電子聽診器設(shè)計(jì)與實(shí)現(xiàn)[D];天津大學(xué);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(xué);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(xué);2012年

  本文關(guān)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