本發(fā)明屬于生物信號(hào)處理的研究領(lǐng)域，具體涉及一種心音信號(hào)的自適應(yīng)去噪方法，是一種心音信號(hào)增強(qiáng)的技術(shù)手段。

背景技術(shù)：

心音是人體一種重要的生理信號(hào)，承載著與人體健康狀況有關(guān)的有價(jià)值的診斷信息。相關(guān)的專業(yè)人員可通過(guò)聽(tīng)診的方式從心音中獲取這些信息，并依據(jù)這些信息進(jìn)行相應(yīng)的決策或診斷。然而，無(wú)論是使用傳統(tǒng)的心音聽(tīng)診器還是使用現(xiàn)代的數(shù)字心音傳感器或數(shù)字聽(tīng)診器時(shí)，心音信號(hào)中都存在著大量干擾噪聲。這些來(lái)源復(fù)雜的噪聲損害了心音中有重要價(jià)值的信息，嚴(yán)重影響了心音信號(hào)的可用性，從而會(huì)導(dǎo)致使用這些信息的專業(yè)人員做出錯(cuò)誤的決策或診斷。因而，需要對(duì)心音信息進(jìn)行有效的降噪聲處理。

為實(shí)現(xiàn)心音去噪的目的，小波變換是最常用的方法之一。小波變換需要預(yù)定義適當(dāng)?shù)幕瘮?shù)，使用“db10”、“db5”或“bior5.5”等基函數(shù)的小波變換是目前用于心音去噪的主要方法。然而，由于年齡、性別和身體狀態(tài)等差別，心音這種弱信號(hào)生理信號(hào)具有不同的特征形態(tài)，小波變換中預(yù)定義的基函數(shù)很難很好地匹配心音的多樣性。因此，這需要有更為適合心音信號(hào)特點(diǎn)的去噪方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于基于心音信號(hào)一階差分序列的分組稀疏特征，提供一種基于分組稀疏性的自適應(yīng)心音信號(hào)去噪方法。

本發(fā)明基于國(guó)際公開(kāi)的心音數(shù)據(jù)庫(kù)的去噪實(shí)驗(yàn)表明，本發(fā)明中所提出的去噪方法遠(yuǎn)好于傳統(tǒng)的小波變換去噪方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案如下：

步驟1：初始化參數(shù)

所提出算法的相關(guān)參數(shù)及輸入量設(shè)置如下：

分組大小參數(shù)K：K＝20

其中K表示分組的大??；

伽馬分布(Gamma)先驗(yàn)的形狀參數(shù)：α＝1，

Gamma先驗(yàn)的尺度參數(shù)：β＝50

歸整參數(shù)：θ＝0.8

算法中降噪信號(hào)的初始投影為x⁽⁰⁾＝y(tǒng)，其中y是長(zhǎng)度為N的含噪聲心音信號(hào)；

步驟2：更新正則化參數(shù)

在算法的第k次迭代過(guò)程中，正則參數(shù)λ^(k)依下式進(jìn)行更新

式(1)中的變量說(shuō)明：δ²是預(yù)估的噪聲方差；α，β，θ是在步驟1中初始化的參數(shù)；N是信號(hào)的長(zhǎng)度；x^(k)是算法在第k次迭代過(guò)程的投影；D是差分矩陣，其定義為

函數(shù)是差分序列Dx^(k)的分組稀疏性度量函數(shù)，其定義為：

其中[Dx^(k)]_n，K是差分序列Dx^(k)的第n個(gè)大小為K的分組，| ||₂表示向量的l₂范數(shù)；

步驟3：計(jì)算近似投影

依據(jù)在步驟2中所更新的正則參數(shù)λ^(k)，進(jìn)而計(jì)算降噪心音信號(hào)的新的投影x^(k+1)，其計(jì)算過(guò)程由以下步驟構(gòu)成，相關(guān)變量與符號(hào)的含義與步驟2中相同；

步驟3.1：

計(jì)算對(duì)角陣Λ_(t)，其對(duì)角元素按下式進(jìn)行計(jì)算：

其中上角標(biāo)^-1表示求逆運(yùn)算；

步驟3.2：

計(jì)算中間變換矩陣F

其中I表示單位矩陣，上角標(biāo)表示^T矩陣轉(zhuǎn)置運(yùn)算；

步驟3.3：

計(jì)算降噪心音信號(hào)新的投影

x^(t+1)＝Fy (6)

步驟4：降噪算法的停止條件

降噪算法的停止迭代為

||y-x^(k+1)||²≥Nδ² (7)

否則算法轉(zhuǎn)到步驟(2)繼續(xù)執(zhí)行；

當(dāng)算法依據(jù)條件(7)停止時(shí)，算法輸出的x^(k+1)降噪后就是含噪聲心音y經(jīng)過(guò)降噪處理后的信號(hào)。

本發(fā)明的有益效果：本發(fā)明與目前廣泛用于心音信號(hào)降噪的小波變換方法相比，所提出的降噪方法具有更好的降噪聲效果和更低的計(jì)算代價(jià)。由于不需要任何預(yù)定義基函數(shù)，減少了算法所需的存儲(chǔ)空間，而且算法易于實(shí)現(xiàn)。因此，本發(fā)明的技術(shù)方案具有易于實(shí)現(xiàn)、可靠性好的特點(diǎn)，因此適合推廣使用。

附圖說(shuō)明

圖1為采用現(xiàn)有的db10、db5、bior5.5三種小波變換降噪方法與本發(fā)明中所述的降噪方法，在輸入含噪心音為-5dB時(shí)，對(duì)美國(guó)馬里蘭大學(xué)公開(kāi)發(fā)布的心音數(shù)據(jù)庫(kù)中的心音記錄進(jìn)行降噪處理時(shí)的性能表現(xiàn)及其平均性能表現(xiàn)圖；

圖2為采用現(xiàn)有的db10、db5、bior5.5三種小波變換降噪方法與本發(fā)明中所述的降噪方法，在輸入含噪心音為5dB時(shí)，對(duì)美國(guó)馬里蘭大學(xué)公開(kāi)發(fā)布的心音數(shù)據(jù)庫(kù)中的心音記錄進(jìn)行降噪處理時(shí)的性能表現(xiàn)及其平均性能表現(xiàn)圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步闡述。

步驟1：初始化參數(shù)

所提出算法的相關(guān)參數(shù)及輸入量設(shè)置如下：

分組大小參數(shù)K：K＝20

其中K表示分組的大?。?/p>

伽馬分布(Gamma)先驗(yàn)的形狀參數(shù)：α＝1，

Gamma先驗(yàn)的尺度參數(shù)：β＝50

歸整參數(shù)：θ＝0.8

算法中降噪信號(hào)的初始投影為x⁽⁰⁾＝y(tǒng)，其中y是長(zhǎng)度為N的含噪聲心音信號(hào)；

步驟2：更新正則化參數(shù)

在算法的第k次迭代過(guò)程中，正則參數(shù)λ^(k)依下式進(jìn)行更新

式(1)中的變量說(shuō)明：δ²是預(yù)估的噪聲方差；α，β，θ是在步驟1中初始化的參數(shù)；N是信號(hào)的長(zhǎng)度；x^(k)是算法在第k次迭代過(guò)程的投影；D是差分矩陣，其定義為

函數(shù)是差分序列Dx^(k)的分組稀疏性度量函數(shù)，其定義為：

其中[Dx^(k)]_n，K是差分序列Dx^(k)的第n個(gè)大小為K的分組，| ||₂表示向量的l₂范數(shù)；

步驟3：計(jì)算近似投影

依據(jù)在步驟2中所更新的正則參數(shù)λ^(k)，進(jìn)而計(jì)算降噪心音信號(hào)的新的投影x^(k+1)，其計(jì)算過(guò)程由以下步驟構(gòu)成，相關(guān)變量與符號(hào)的含義與步驟2中相同；

步驟3.1：

計(jì)算對(duì)角陣Λ_(t)，其對(duì)角元素按下式進(jìn)行計(jì)算：

其中上角標(biāo)^-1表示求逆運(yùn)算；

步驟3.2：

計(jì)算中間變換矩陣F

其中I表示單位矩陣，上角標(biāo)表示^T矩陣轉(zhuǎn)置運(yùn)算；

步驟3.3：

計(jì)算降噪心音信號(hào)新的投影

x^(t+1)＝Fy (6)

步驟4：降噪算法的停止條件

降噪算法的停止迭代為

||y-x^(k+1)||²≥Nδ² (7)

否則算法轉(zhuǎn)到步驟(2)繼續(xù)執(zhí)行；

當(dāng)算法依據(jù)條件(7)停止時(shí)，算法輸出的x^(k+1)降噪后就是含噪聲心音y經(jīng)過(guò)降噪處理后的信號(hào)。

為驗(yàn)證本發(fā)明中所提出的降噪方法的有效性，我們分別采用db10、db5以及bior5.5三種常用的小波變換降噪方法和本發(fā)明中所述的降噪方法，對(duì)美國(guó)馬里蘭大學(xué)公開(kāi)發(fā)布的心音數(shù)據(jù)庫(kù)中的心音進(jìn)行降噪處理。此數(shù)據(jù)庫(kù)中共含有23個(gè)心音記錄，分別M1、M2、…、M23表示，在這些心音記錄中包含多種類型的心音。db10、db5、bior5.5三種小波變換降噪方法和本發(fā)明中所述的降噪方法，分別在輸入信噪比為-5dB和5dB的噪聲水平下，對(duì)每個(gè)心音記錄進(jìn)行降噪的性能表現(xiàn)及其在這些心音記錄上的平均性能表現(xiàn)，分別見(jiàn)圖1和圖2所示。從圖中可以看出，本發(fā)明所提出的降噪方法的性能表現(xiàn)都遠(yuǎn)好于小波變換方法。此實(shí)驗(yàn)充分證實(shí)了所提出方法的有效性。