心音信号分析的新方法——联合时频分析

联合时频分析将分离的时域或频域分析方法统一成二维的时间－－频率分析，也妈承时频平面内研究信号的时变谱，该方法在非平稳信号的处理中发挥着愈来愈重要的作用。本文在介绍联合时频分析的基本理论后，综述了该方法在心音信号处理方面的应用及研究进展。     

心音信号分析的新方法—联合时频分析

联合时频分析将分离的时域或频域分析方法统一成二维的时间—频率分析，也即在时频平面内研究信号的时变谱，该方法在非平稳信号的处理中发挥着愈来愈重要的作用。本文在介绍联合时频分析的基本理论后，综述了该方法在心音信号处理方面的应用及研究进展。     

心音信号的分形研究

本文通过引入分形概念,首次为描述心音信号的复杂程度给出了一个定量的指标——分数维数。研究结果表明:心音信号确实存在着“无标度区”,具有典型的分形特性;心音信号的分维值能显著性地区分正常心音、二尖瓣病变心音(包括二尖瓣狭窄、二尖瓣关闭不全及二尖瓣狭窄加关闭不全)和主动脉瓣病变心音(主动脉瓣狭窄、主动脉瓣关闭不全及主动脉瓣狭窄加关闭不全)。     

心音信号的时频分析

对比研究了几种时频分析方法(WVD、CWD、CKD)及其在心音信号时频分析方面的特征和差异，并分别对正常和病态的一个心动周期的心音时频特征进行了研究，结果显示时频分析方法对心音这种非平稳信号，有较高的时频分辨率，这对于揭示心音产生的生理机制有着积极的作用，在理论研究和临床诊断中有一定的实用价植。     

心音信号识别的意义及其方法的研究

本概述了心音信号识别的意义，并对心音自动识别技术的发展进行了介绍，最后总结了今后工作可能的研究方向。     

心音的产生与传导机制

本文对于近年来在心音的发生与传播机理方面研究的进展进行了综述。     

心音的分析

自上世纪70年代以来,由于计算机和现代数字信号处理技术的发展,生物医学工作者对心音进行了大量的分析研究,相继运用了谱分析、时频分析、小波变换和最优匹配法等方法.谱分析不适合对非平稳随机心音信号的分析.国内外工作者通过加核函数和采用模糊函数等方法来减少时频分布中的交叉项.具有自适应性时-频窗的小波变换可以得到更能反映心音病例特征的信息.最优匹配法是一种没有交叉项的时频分析方法.     

心音信号识别的意义及其方法的研究

本文概述了心音信号识别的意义,并对心音自动识别技术的发展进行了介绍,最后总结了今后工作可能的研究方向。     

应用小波变换进行心音三维时频分析的研究

应用小波变换分析方法,对正常人和典型心脏病人的心音数据分组进行不同尺度的小波变换,得出了综合反映心音的时间,频率和强度三维信息的彩色三维心音图,经小波变换的三维心音图更为直观详尽地反映出各组心音信号在不同时域、频域与强度范围内细节性的信息。对提取的时频参数进行分析,各组间存在显著性差异,该研究为临床心脏病诊断和辅助教学提供了一个有效的工具,为心音分析的进一步提供了基础资料与方法。     

心音信号的聚类分析

通过对ＡＲＴ２神经网络进行改进，构造了适合于对信号的时变谱进行分类的二维ＡＲＴ神经网络，而后根据心音信号的特点，我们选择了心音的小波变换谱作为网络的输入特征。调整网络的参数，使之能够将输入的心音信号特征聚类成为两类，实验结果表明我们所设计的分类系统能够从连续３２个正常人的心音信号中区分出两个正常分裂的心音。这个结果在基础生理研究和临床诊断上都有一定的应用价值。     

基于笔记本计算机的心音分析仪

基于笔记本计算机的心音分析仪由心音传感器、心音信号预处理盒,笔记本计算机、打印,音箱和心音信号处理软件组成。它的开发目的是充分利用笔记本计算机的便携特点和强大功能。该系统在Ｗｉｎｄｏｗｓ９５操作系统下用ＶＩＳＵＡＬＢＡＳＩＣ编程。     

基于时频分解法抑制Wigoner分布交叉项的研究及其在心音分析中应用

通过时域分段、频域分解，将关心的时频区域分解成多个子区域，把每个子区域上独立求得的Ｗｉｇｎｅｒ分布函数拼接成总体Ｗｉｇｎｅｒ分布，从而抑制常规Ｗｉｇｎｅｒ分布的交叉项。仿真结果表明了这一方法的有效性。文中讨论了时频分解中几种现象，给出了相应措施。将这一方法应用于实际的心音分析，证明可提取反映生理过程的参数。     

老年人第三第四心音信号小波变换时频分析研究

用小波变换时频分析的方法对老年人的第三第四心音进行了分析研究,在心前区采集心音数据,为对心音定位,同步采集了一导心电信号。本研究对３０例正常老年人（年龄在５０－６９岁）和４０例冠心病老年人（年龄在５３－８５岁）的第三第四心音数据进行了统计分析,发现正常老年人Ｓ３的频谱主峰频率与冠心病老年人Ｓ３的频道主峰频率有明显的差异。由于Ｓ３和Ｓ４的幅度和频率都很低。用听诊方法常被漏掉。本研究为心脏疾病的诊断提     

用于心力变化趋势评价的基于概率神经网络的心音识别算法

讨论了用于评估心力变化趋势的心音识别算法，包含了对不同运动条件下记录的心音样本的识别。尤其是讨论了对剧烈运动负荷后记录的心音进行的识别。提出的算法包括两个相互联系的方法。第一个是基于概率神经网络的算法，用于识别静息状态和轻微运动状态；第二个是基于心音本身特点的算法，用于对剧烈运动（本研究中约定的全运动量）后心音的识别。最后，使用该算法对45个在静息状态和轻微运动（1／4运动量）状态下记录的正常和异常心音的样本，以及28个剧烈运动后记录的心音样本进行了识别。结果表明94％的样本可被正确识别和分类。这个识别算法为后续的心音分析研究提供了可靠基础。     

Matlab与Excel在心音分析中的应用

针对心音信号时频分析结果中时、频、能量特征数据多样性的问题,我们研究了Matlab与Excel动态链接方法。为得到心音信号时、频、能量特征值统计量,提出了利用Matlab与Excel动态链接实现对心音的时、频、能量特征数据统计分析。仿真结果表明:Matlab与Excel动态链接不仅具有Matlab强大的信号处理能力,而且又可以充分发挥Excel电子表格独特的数据分析功能。     

心音信号的分析及其特征提取方法的研究

心音的改变和心脏杂音的出现，往往是器质性心脏病的最早体征。本研究讨论了一种全面的、综合性的心音信号分析方法，从多个角度对方法进行了探讨，提取心音的特征值，区分不同的心音。分析和仿真结果证明该方法能有效地区分不同的心音，有助于器质性心脏病的辅助诊断。     

心音特征在慢性心力衰竭分型辅助诊断中的应用研究

提取心音时域和时频域特征,比较分析射血分数降低型心衰(HFrEF)和射血分数保留型心衰(HFpEF)患者各特征之间的关系。共采集了72列HFrEF患者和172列HFpEF患者20分钟的心音数据,提取第一心音与第二心音时限之比(TS1/TS2)、第一心音与第二心音幅值之比(S1/S2)、舒张期时限与收缩期时限之比的总体标准差(SDDS)、S1间期总体标准差(SDSSI)等4个时域特征。S变换分析其时频域特性,提取第一心音能量与第二心音能量之比(ES1/ES2),低频能量分数(EF-LF)、高频能量分数(EF-HF)、收缩期低频能量分数(EF-SLF)和高频能量分数(EF-SHF)、舒张期低频能量分数(EF-DLF)和高频能量分数(EF-DHF)7个时频域特征,分别进行统计学分析和聚类分析。TS1/TS2、S1/S2、SDDS、SDSSI、ES1/ES2、EF-SLF、EF-DLF在两组间均有统计学差异(P＜0.05);EF-LF、EF-HF、EF-SHF、EF-DHF无统计学意义(P＞0.05)。选择其中4个相对独立的特征值进行聚类分析,区分HFrEF组和HFpEF组的灵敏性和特异性分别为93.06%和84.88%。提取的心音特征反映了两组信号的差异性,为心音信号在慢性心力衰竭分型辅助诊断中的应用提供了理论依据。     

心率变异和RT变异频域分析的方法学研究

心率变异作为检测自主神经系统功能平衡状态的无创性指标，日益受到重视，已成为心电信号处理中的研究热点之一。ＱＴ是心室肌复极化时间，从另一方面来反映自主神经系统的平衡状态。ＱＴ变异分析在临床应用上与心率变异分析是否有互补作用，目前这方面研究工作开展得不多。由于ＱＴ间期检测困难，一般以ＲＴ间期代替ＱＴ间期。建立了心率变异和ＱＴ变异测定方法。在采集２４ｈ心电信号后，首先要完成标志点的检测。较好地实现了心电Ｒ波标志点的检测和异位心跳的剔除，并采用以相关系数为条件的模板匹配方法检测出Ｔ波标志点。频域分析方法分别通过快速傅里叶变换法（ＦＦＴ）和自回归谱估计法（ＡＲ）实现了２４ｈ三维频谱显示图以及２４ｈＨＦ／ＬＦ和高频能量变化趋势图。以不同的频率控制受试者的呼吸，采集其心电数据，从ＲＲ间期和ＲＴ间期谱分析的结果可以看到，高频峰受到呼吸频率的调制，高频峰可能与迷走神经活动有关。这一过程也检验了心电信号采集、检测和谱分析方法的可靠性。建立的方法为今后进一步深入研究打下了基础。随着心率变异和ＱＴ变异的检测和分析技术的日趋成熟，一定会在一些疾病的早期诊断、监护及预后评估等方面发挥更大的作用     

A filter bank-based source extraction algorithm for heart sound removal in respiratory sounds

In this paper, we consider the problem of heart sounds (HS) removal from respiratory sounds (RS), and a novel semi-blind single-channel source extraction algorithm is proposed. The proposed method is able to extract the underlying pure RS from the HS corrupted noisy input signals by incorporating the filter banks and template-based matching using FIR filters. For performance evaluation of the presented method, the average power spectral densities (PSD) of the input RS segments without HS have been compared with the PSD of the reconstructed signals over six selected frequency bands from 20 to 800 Hz. The proposed method is tested for various types of RS recordings and found effective by yielding an overall maximum spectral difference of for a frequency range below 800 Hz.     

Time and frequency domain methods for heart rate variability analysis: A methodological comparison

The purpose of this paper is to analytically evaluate and compare two of the most common methods for measuring respiration-related heart rate fluctuations: linear detrended heart rate power spectral analysis and the Porges technique of filtered variance. Low-frequency power was removed from instantaneous 4-Hz R-R interval signals using either a first-order linear (linear/spectral technique) or a third-order polynomial (MPF-var technique). The signals were band-pass filtered and analyzed in both the time and frequency domains. Although in most cases the two techniques yielded substantially similar results, the MPF-var technique resulted in signal amplification at a few specific frequencies. The frequency range and effect of amplification of the MPF-var technique were dependent upon the polynomial size, sampling frequency, and frequency content of the signal.