[发明专利]基于智能穿戴系统的肺音实时监测方法

说明书

本发明公开基于智能穿戴系统的肺音实时监测方法，通过肺音传感器收集肺音数据进行放大处理得到肺音信号，并对肺音信号进行EMD分解和希尔伯特变换得到Hilbert谱以获得频域特征；通过改变信号的采样频率将传感器所获取的肺音信号缩减成一个呼吸周期的肺音信号，再用最小二乘法消除趋势项去除设备导致的趋势误差，以完成去噪预处理；将去噪预处后的肺音信号采用以db6为小波基的小波变换分解为的五层细节层，应用自适应阈值方法用中值阈值函数及非线性中值阈值函数对小波系数过滤，然后通过高通滤波和低通滤波过滤噪声信号，最后将过滤后的肺音信号进行重组；对正常肺音、哮鸣音和啰音进行特征提取得到该肺音信号的特征向量F。本发明实时监测使用者肺音，守护着人体健康。

技术领域

本发明涉及通信领域，尤其涉及基于智能穿戴系统的肺音实时监测方法。

背景技术

人民的生活越发富足，但是由于某些环境因素或者是不好的生活习惯将导致人的身体感 染上呼吸性疾病，据统计，在全球慢性呼吸系统疾病的患病率为7.1％，慢性呼吸系统疾病所 致的死亡占全死因总数的7.0％，为全球死亡的第三大死因，仅次于心血管疾病(31.8％)和 肿瘤(17.1％)。而这一数据然在不断快速增长，呼吸性疾病的后续治疗不仅会造成身心上的 负担，还会有不菲的治疗花销。

发明内容

本发明的目的在于提供基于智能穿戴系统的肺音实时监测方法，将小波变换、最小二乘 法消除趋势项、HHT算法、小波阈值法去除噪声、特征参数提取、大数据云平台相结合实现 肺音信号提取、分解、去除噪声，将去噪后的肺音信号与数据库比对，确定人体的健康状况。

本发明采用的技术方案是：

基于智能穿戴系统的肺音实时监测方法，其包括以下步骤：

步骤1，通过肺音传感器收集肺音数据进行放大处理得到肺音信号，并对肺音信号进行 EMD分解和希尔伯特变换得到Hilbert谱以获得频域特征；

步骤2，通过改变信号的采样频率将传感器所获取的肺音信号缩减成一个呼吸周期的肺 音信号，再用最小二乘法消除趋势项去除设备导致的趋势误差，以完成去噪预处理；

步骤3，将去噪预处后的肺音信号采用以db6为小波基的小波变换分解为的五层细节层，

步骤4，应用自适应阈值方法用中值阈值函数及非线性中值阈值函数对小波系数过滤， 最后通过高通滤波和低通滤波过滤噪声信号；

步骤5，将去噪后的肺音信号进行阈值化处理后通过合成滤波器进行肺音信号的重构；

步骤6，计算重构的肺音信号的信噪比和拟合系数判断当次肺音去噪的效果好坏；当去 噪后的肺音信号不符合要求时，则更换阈值并执行步骤4重新去噪处理；当去噪后的肺音信 号符合要求时，执行步骤7；

步骤7，对正常肺音、哮鸣音和啰音进行特征提取得到该肺音信号的特征向量F。

进一步地，步骤1在肺音的收集过程中首先对传感器收集到的肺音信号进行EMD分解， 令原始肺音信号的所有极值点连接起来得到肺音信号的上下包络线。而后令测出的肺音信号 的极值减去肺音信号的均值而后得到符合要求的IMF分量。最后利用HHT变换对于频率和时 间的关系进行变量分析。步骤1具体包括以下步骤：

步骤1-1-1，找出肺音信号x(t)所有的极值点连接起来得到x(t)上下包络线，计算得到 均值m(t)；

步骤1-1-2，令x(t)减去均值m(t)得到h₁(t)＝x(t)-m(t),；