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。     

基于小波变换的第一心音频率检测

根据心脏瓣膜收缩原理，第一心音(S1)是在心脏收缩期由二尖瓣和三尖瓣关闭时引起的振动产生的，含有多个频率分量。本文介绍一种利用小波变换的多分辨分析原理确定S1频率范围的方法。首先将S1按频率分解成不同的层，然后计算各层的规一化香农能量，具有最大规一化香农能量的层，即为S1的主要成分集中层。该层的频率范围就是S1的主要频率范围。这一方法成功地确定出了S1的频率范围。     

基于小波变换的心音包络提取算法及应用

背景：心音信号包含了大量心脏瓣膜活动的生理信息,心音分析对诊断心脏疾病具有重要的临床意义。 目的：旨在通过心音的包络提取,分析心音信号的各种特征,进而判断心音中是否包含杂音,以改善传统听诊技术高度依赖医生经验、听诊范围受限的缺点。 方法：提出了一种采用小波变换来提取心音包络的方法,通过与采用希尔伯特-黄变换、数学形态学、平均香农能量等心音包络求解方法进行对比,证明这种方法具有算法简便、曲线光滑、特征点突出等优点。 结果与结论：将该方法用于临床真实心音的包络提取,利用支持向量机来训练所提取心音包络的面积和小波能量两个特征参数,判别心音信号是否明显包含杂音。选用35例心音数据对算法进行验证,结果表明该算法的准确率达到95%,具有很强的实用性。     

正常心音的第一、第二心音频率检测

为了观察心音的改变和心脏杂音的出现,从而分辨正常和异常心音,本研究针对第一心音和第二心音的频率特性进行了分析。我们分别采用小波变换和Choi-Williams分布两种方法对六例正常第一、第二心音和一例异常心音的频率特性进行了研究。两种分析方法的实验结果表明：正常心音的第一、第二心音频率成份主要集中在20-100Hz以内,与文献中提到的频率范围十分相似,由此验证了这两种方法对心音频率分析的正确性及可行性。     

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。     

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.     

连续小波变换和匹配追踪算法在心音信号分析上的应用和对比

心音对大多数心血管疾病具有极高的临床诊断价值,所以对心音信号进行分析有助于临床上对心脏疾病的诊断.心音信号是非平稳信号,需要选择合适的算法来进行时-频分析.传统的分析方法如傅立叶变换难以达到令人满意的效果.连续小波变换和匹配追踪算法是两种有效的时-频分析法,都可以有效地提取心音信号的特征并进行聚类.通过分析比较,可以看出两种算法比传统算法的优越性以及各自的优势和不足.     

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     

心音信号识别研究方法进展

有效提取心音信号中的第1、2心音（S1和S2）是心音信号研究的关键点.本文介绍了心音信号识别的研究现状,通过比较谱分析、小波变换、神经网络以及数学形态学方法等几种心音研究方法,讨论了心音信号识别的研究重点和发展方向,为进一步的心音研究奠定基础.     

基于小波变换的离子单通道信号的分析方法

在单通道信号处理中引入尺度能量分布的概念，利用小波变换，通过提取具有特征频率的高频信号，可以在不失真的条件下将单通道信号清晰地检测出来，消除噪声干扰。本文提供的方法在离子通道信号处理中具有较普遍的意义。     

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。     

基于coif5小波的多普勒胎心音信号提取算法的研究

胎心率监护是围产期胎儿监护的关键技术指标，超声多普勒测量胎心率是最常用的无创方法。由于胎心多普勒信号具有信噪比低、非平稳的随机性特点，提出基于coif5小波，结合双重阈值方法的胎心音信号提取算法。实验表明，该算法有效地解决了由于胎心率加倍、减半所引起的胎心率曲线翻转问题，提高了多普勒胎心音信号提取的准确性。     

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。     

基于MyDAQ和LabVIEW的胎心音实验系统

目的：指出胎儿监护的重要性和通过检测胎心音实现胎儿监护的重要价值，设计一个胎心音实验平台，实现胎心音采集和性质分析。方法：首先依据WHO的调查，世界每年有数百万胎儿死亡，若孕妇在怀孕期间按周期做胎儿健康监护，则可以明显降低婴儿的死亡率，简述了胎儿健康监护的重要意义；然后比较多种胎儿监护方法，指出胎心音图法具有更重要的价值。最后论文分析了胎心音的产生和基本特点，基于MyDAQ和LabVIEW建立了一个胎心音实验系统。结果：该实验系统实现了胎心音的采集、WAV格式存储和读取。时变滤波器和小波除噪的预处理，以及基于TSA的胎心音性质分析，得出胎心音的性质与文献研究一致。结论：该系统廉价、快速原型化、灵活的优势，以及能够开放的特点，不仅能用于胎心音的相关研究，还适用于语音等信号的采集和分析。     

基于小波变换的医学图像去噪声处理

利用中值滤波和基于小波变换的去噪声处理对同时含有高斯噪声和脉冲噪声的X线图像降噪方法进行探讨.采用PSNR评价标准分析实验结果,表明小波变换结合中值滤波方法在去除噪声的同时较好地保持了原图像所包含的边缘信息,处理效果优于单纯的小波变换或单纯的中值滤波.     

基于典型相关分析和小波变换的眼龟伪迹去除

目的针对脑电信号中眼电伪迹去除尚存在的问题，提出一种基于典型相关分析与小波变换的（wavelet—enhanced canonical correlation analysis，wCCA）自动去除眼电伪迹的算法。方法首先，充分利用脑电信号和眼电伪迹的空间分布特征，将基于典型相关分析的盲源分离算法分别应用于左右脑区的混合信号中，从而保证典型相关分析分解得到的第一个典型相关变量（即左右脑区之间的最公共成分），就是眼电伪迹分量。然后为了恢复泄漏在该伪迹分量中的脑电成分，对伪迹分量进行小波阈值滤波，将高于某一阈值的小波系数置零，而保留低于阈值的系数。结果与其他三种基于盲源分离去除眼电伪迹的方法相比较，该方法在有效地自动去除眼电伪迹的同时，很好地保留了潜在的脑电信号，去除效果明显优于其他三种方法。结论由于该算法简单，处理速度较快，因此应用于实时的脑机接口系统中更具优越性，为后续脑电信号的特征提取和分类分析提供了良好的基础。     

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。     

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。