[发明专利]一种单通道心肺音分离方法及系统

说明书

本发明公开了一种单通道心肺音分离方法及系统，其中方法包括：步骤1，对采集的心肺音混合信号x(t)进行处理，获得心肺音混合信号x(t)的时频谱X；步骤2，对时频谱X中20Hz～100Hz部分取列平均得到心音的幅模时序模板H₀；步骤3，根据心音的幅模时序模板H₀构造心音时序结构正则项，对时频谱X进行非负矩阵分解，抽取心音信号时频谱的估计X_c和肺音信号时频谱的估计X_r；步骤4，根据心音信号时频谱的估计X_c和肺音信号时频谱的估计X_r，重构出心音和肺音的时域信号。所述单通道心肺音分离方法及系统能有效地分离心音和肺音在频域内的重叠成分，只需要单通道的心肺音混合信号作为输入即能实现心肺音的有效分离，临床实用性强，无须聚类，心肺音分离效果稳定。

技术领域

本发明涉及心肺音分离技术领域，特别是涉及一种单通道心肺音分离方法及系统

背景技术

心音和肺音信号蕴含着丰富的心肺健康信息。心肺音信号检测对于心肺疾病的诊断和预防有着极其重要的意义。在临床条件下，由放置于胸腔表面的听诊器所采集到的心音和肺音信号往往混合在一起，并夹杂有外界环境噪声，不利于医生临床诊断。因此，从采集到的混合信号中分离出干净的心音信号和肺音信号并消除环境噪声干扰，有着重要的临床意义和实用价值。

一般地，心音的频率范围为20 Hz ~600Hz，而肺音的频率范围为60 Hz ~1000Hz。由于心音和肺音在时域和频域内都有重叠，导致其难以通过传统的频域滤波方法实现分离。为解决该问题，研究人员已经提出了许多方法，包括基于小波变换的滤波方法、自适应滤波方法、独立成分分析、非负矩阵分解（Nonnegative Matrix Factorization，NMF）等，但是这些方法均有各自的缺陷：

基于小波变换的滤波方法不容易选择恰当的分解层数和阈值，以适应心肺音混合情况的个体差异；

自适应滤波方法需要精确的参考信号作为模板才能够较好地实现心肺音分离，而临床实践中精确的心肺音参考信号是难以获得的；

独立成分分析至少需要2个通道的观测信号作为输入才能够被应用，与目前一般临床听诊条件不相符。

NMF作为一种矩阵降维技术最早被应用于图像特征提取，近年来被广泛应用于语音增强和单通道语音分离领域当中，其目的是在非负的约束条件下找到两个低维的矩阵使得它们的乘积能够近似于原来给定的矩阵。NMF具有实现上的简便性、分解形式和分解结果上的可解释性，以及占用存储空间少等诸多优点。鉴于NMF具有以上的优点，已有研究人员提出了一种基于NMF基函数聚类的心肺音盲分离方法，但该方法的聚类过程容易受到远离中心奇异点的影响，而且没有利用心音的时序结构，使得心肺音分离效果不稳定，不利于实际应用。

综上所述，心肺音分离仍然是一个有待解决的技术难题。

发明内容

本发明的目的是提供了一种心肺音分离方法及系统，只需要单通道的心肺音混合信号作为输入即可实现心肺音快速有效的分离，以满足临床听诊的需要。

为解决上述技术问题，本发明实施例提供了一种单通道心肺音分离方法，包括：

步骤1，对采集的心肺音混合信号进行处理，获得所述心肺音混合信号的时频谱；

步骤2，对所述时频谱中20Hz~100Hz部分取列平均得到心音的幅模时序模板；

步骤3，根据所述心音的幅模时序模板构造心音时序结构正则项，对所述时频谱进行非负矩阵分解，抽取心音信号时频谱的估计和肺音信号时频谱的估计；

步骤4，根据所述心音信号时频谱的估计和所述肺音信号时频谱的估计，重构出心音和肺音的时域信号；

所述根据构造心音时序结构正则项，对所述时频谱进行非负矩阵分解，包括：