基于LabVIEW的心音信號(hào)采集與分析平臺(tái)構(gòu)建

孫科學(xué), 楊雨諾, 周依娜, 成謝鋒, 劉芫健, 劉 艷,2

(1. 南京郵電大學(xué) 電子與光學(xué)工程學(xué)院, 江蘇 南京 210023； 2. 信息電子技術(shù)國家級(jí)虛擬仿真實(shí)驗(yàn)教學(xué)中心, 江蘇 南京 210023； 3. 射頻集成與微組裝技術(shù)國家地方聯(lián)合工程實(shí)驗(yàn)室, 江蘇 南京 210023)

近年來,在國家信息化發(fā)展戰(zhàn)略指導(dǎo)下,智能信息處理技術(shù)得到快速的發(fā)展,各類專業(yè)虛擬仿真軟件得到廣泛應(yīng)用。本文提出以江蘇省電工電子實(shí)驗(yàn)教學(xué)示范中心為基礎(chǔ),結(jié)合近年來實(shí)驗(yàn)室改革的成果,建設(shè)國家級(jí)信息電子技術(shù)虛擬仿真實(shí)驗(yàn)教學(xué)中心的思路。選擇心音信號(hào)采集與分析為研究課題,構(gòu)建基于LabVIEW的心音信號(hào)采集與分析平臺(tái)，更好地支持電子學(xué)實(shí)踐創(chuàng)新訓(xùn)練,全面提高學(xué)生的實(shí)踐能力、創(chuàng)新能力及工程應(yīng)用能力。該平臺(tái)可以拓展為深度學(xué)習(xí)和身份識(shí)別實(shí)驗(yàn)平臺(tái)[1-3]。

1 設(shè)計(jì)原理和基本流程

心音信號(hào)采集與分析平臺(tái)與傳統(tǒng)聽診器、ECG和超聲多普勒儀等先進(jìn)的輔助診斷儀器相比,具有效果好、成本低的優(yōu)勢(shì)[4-6]。心音信號(hào)中包含心臟瓣膜疾病的豐富信息,在檢測(cè)該類型疾病方面,心音信號(hào)有著獨(dú)一無二的優(yōu)勢(shì)。心音信號(hào)采集與分析平臺(tái)的構(gòu)建,首先解決心音傳感器的無線通信問題,制作無線心聲檢測(cè)裝置,并進(jìn)一步探討心音信號(hào)的去噪、分析等方法和效果[7-8]。

基于LabVIEW的心音信號(hào)采集與分析平臺(tái)能綜合應(yīng)用大學(xué)本科4年所學(xué)的電子信息專業(yè)主要知識(shí),包括信號(hào)處理、數(shù)字電路設(shè)計(jì)、模擬電路設(shè)計(jì)和電子制作等課程,可檢驗(yàn)出學(xué)生所具有的專業(yè)知識(shí)的深度和廣度,與教學(xué)結(jié)合緊密。

心音采集模塊采取循環(huán)結(jié)構(gòu)與順序結(jié)構(gòu)相結(jié)合的設(shè)計(jì)方案。每采集一路心音信號(hào)后,要將得到的數(shù)據(jù)經(jīng)過小波去噪處理,隨后使用LabVIEW自帶的FFT譜分析控件與功率譜控件,將心音信號(hào)的FFT譜與功率譜分別顯示在計(jì)算機(jī)前面板上。在此基礎(chǔ)上,還可以增加數(shù)據(jù)處理模塊和身份識(shí)別模塊進(jìn)行心音身份識(shí)別系統(tǒng)的搭建。數(shù)據(jù)處理模塊提取特征參數(shù)通過低頻加強(qiáng)型梅爾倒譜系數(shù)和頻域分段相關(guān)系數(shù)的算法完成；身份識(shí)別模塊采用矢量化歐氏距離和S1、S2信號(hào)最小相關(guān)距離對(duì)采集的數(shù)據(jù)進(jìn)行識(shí)別[9-11]。

在心音采集模塊中,采集裝置所得到的信息無需預(yù)處理,直接傳輸?shù)缴疃葘W(xué)習(xí)模塊即可組成深度學(xué)習(xí)研究的平臺(tái)。深度學(xué)習(xí)系統(tǒng)可以由多層的限制玻爾茲曼機(jī)(restricted Boltzmann machine,RBM)疊加而成。系統(tǒng)流程如圖1所示。

圖1 系統(tǒng)流程圖

2 心音采集子系統(tǒng)設(shè)計(jì)方案

2.1 穿戴式心音采集裝置

該裝置通常用輕質(zhì)彈性材料形成一個(gè)“Ω”型框架組件,其形狀類似人體肩到胸部的側(cè)面外輪廓線,使該框架能夠方便放置在人的左肩上,“Ω”型框架兩端長度為左肩頂端到人心臟的中心位置。心音傳感器安裝在該“Ω”型框架的一個(gè)端頭,并且該端頭的長度可以調(diào)整,以保證心音傳感器能夠準(zhǔn)確停留在人體心尖部位置；“Ω”型框架的另一個(gè)端頭可以對(duì)稱安裝一個(gè)心音傳感器(見圖2)。這樣一個(gè)采集胸部位置的心音,一個(gè)采集背部位置的心音,從而獲得兩路立體心音。

圖2 穿戴式心音聽診器

2.2 無線心音傳感器

心音是比較微弱的生理信號(hào),頻率一般為10～250 Hz,幅度各異。傳統(tǒng)的心音測(cè)量儀器測(cè)量范圍只有30～300 Hz,而20 Hz以下的低頻次聲仍能反映一定心力儲(chǔ)備的生理信息。經(jīng)過采樣定理的計(jì)算,最終采用下限頻率為8 Hz、上限頻率1 000 Hz的帶通濾波器。ADC的采樣頻率為2 kHz,精度為8 bit。串口通信的性能應(yīng)大于16 000 bit/s。最終選定串口協(xié)議為:波特率11 520 bit/s,8數(shù)據(jù)位,無校驗(yàn),1位停止位。

無線心音傳感器大體分為空氣傳導(dǎo)式和壓電式兩種。經(jīng)過實(shí)驗(yàn)比較可知:在噪聲環(huán)境下,心音信號(hào)受環(huán)境噪聲的干擾與采集頻率成反比——采集頻率越高,采集的第一心音信號(hào)(S1)與第二心音信號(hào)(S2)信號(hào)信噪比越好。這將有利于心音包絡(luò)信號(hào)的提取等研究。另外,由于心音采集過程存在著采集頻率與系統(tǒng)資源之間的矛盾,所以選擇11.025 kHz作為默認(rèn)采集頻率。可以利用LabVIEW(Biomedical)工具包和高級(jí)數(shù)據(jù)工具處理包的Wavalet Analysis對(duì)心音信號(hào)進(jìn)行濾波及小波去噪,再對(duì)心音進(jìn)行截取與保存。

3 心音小波去噪子系統(tǒng)

小波去噪[9]的方法可分為3類:第一類是基于小波變換模極大值原理；第二類是Witkin提出的利用小波分析中不同尺度信號(hào)的空間相關(guān)去噪的思想；第三類是Donoho提出的閾值方法,是本心音信號(hào)采集與分析平臺(tái)采用的方法。

小波去噪主要有3個(gè)步驟:(1)對(duì)含有噪聲信號(hào)的心音進(jìn)行小波變換；(2)對(duì)由小波變換得到的小波系數(shù)進(jìn)行特殊處理,從而去除噪聲；(3)對(duì)經(jīng)過處理的小波進(jìn)行逆變換,進(jìn)而得到消除噪聲的后的心音信號(hào)。

小波心音去噪子系統(tǒng)的LabVIEW程序主要由執(zhí)行小波去噪事件、保存去噪后數(shù)據(jù)事件和退出心音去噪事件等3個(gè)事件結(jié)構(gòu)以及結(jié)合了Matlab Script節(jié)點(diǎn)的小波去噪子程序構(gòu)成。

在3個(gè)事件結(jié)構(gòu)中,最主要的事件是執(zhí)行小波去噪事件,包括打開和讀取文件的系統(tǒng)VI、設(shè)置小波參數(shù)的條件結(jié)構(gòu)以及結(jié)合Matlab Script節(jié)點(diǎn)的小波去噪子VI。

小波去噪子程序主要負(fù)責(zé)心音小波去噪。首先接收從調(diào)用它的主程序傳來的小波參數(shù),然后傳給Matlab Script節(jié)點(diǎn),由Matlab負(fù)責(zé)小波分析部分,最后再把分析后的值傳至LabVIEW做進(jìn)一步的處理。

心音小波去噪子系統(tǒng)的前面板包括原始信號(hào)波形顯示器、去噪后波形顯示器、小波參數(shù)設(shè)置、執(zhí)行小波去噪按鈕、保存去噪后數(shù)據(jù)按鈕以及返回主界面按鈕。

4 心音信號(hào)分析子系統(tǒng)

心音信號(hào)是非平穩(wěn)信號(hào)。為全面了解心音信號(hào)的特性,就需要研究心率特性以及信號(hào)的時(shí)-頻特性。心音信號(hào)分析子系統(tǒng)用虛擬儀器語言LabVIEW,結(jié)合Matlab三次樣條函數(shù)插值法來實(shí)現(xiàn)心率的計(jì)算、提取信號(hào)的包絡(luò),并能夠截取、放大任意局部包絡(luò),還能將計(jì)算心音信號(hào)的FFT幅度譜與功率譜[10]顯示在前面板上提供給用戶。

心音信號(hào)分析子系統(tǒng)前面板主要包括3部分:

(1) 執(zhí)行數(shù)據(jù)分析部分:按下“執(zhí)行數(shù)據(jù)分析按鈕”對(duì)用戶所選擇的心音信號(hào)文件執(zhí)行數(shù)據(jù)分析；

(2) 分析計(jì)算結(jié)果部分:顯示采樣頻率和周期采樣點(diǎn),以及周期、心率等分析計(jì)算后的結(jié)果；

(3) 波形顯示部分:顯示分解結(jié)果,包括原始波形、FFT幅度譜、FFT功率譜密度、心音包絡(luò)圖和截取后波形。

4.1 心音包絡(luò)圖的截取與放大

利用LabVIEW實(shí)現(xiàn)了截取心音包絡(luò)并放大顯示的功能。該程序主要包括心音包絡(luò)圖屬性節(jié)點(diǎn)、最大值與最小值函數(shù)、數(shù)組子集函數(shù)等。

通過移動(dòng)示波器上的黃線游標(biāo)和紅線游標(biāo),就可以截取它們之間的任意心音包絡(luò)并將其放大。為了驗(yàn)證心音信號(hào)分析子系統(tǒng)的截取功能,移動(dòng)示波器上的黃色和紅色的游標(biāo),分別將它們放在采樣點(diǎn)10 000、25 000(見圖3)和30 000、50 000(見圖4)上,這樣就可以截取它們之間的心音包絡(luò)段,并在包絡(luò)示波器上顯示截取放大后的心音包絡(luò)段。通過移動(dòng)顯示屏上的兩個(gè)游標(biāo),該子系統(tǒng)能夠在任意位置截取波形,并可以進(jìn)行放大顯示。

圖3 10 000～25 000之間包絡(luò)截取效果圖

圖4 30 000～50 000之間包絡(luò)截取效果圖

4.2 周期及心率的計(jì)算

心率測(cè)量可以根據(jù)心音圖測(cè)定。心率F是指心音圖兩個(gè)相鄰R波的時(shí)間間隔(R-R間期)的倒數(shù),即:

式中,T是R-R間期(s),平均心率F′是在一定計(jì)數(shù)時(shí)間內(nèi),R波個(gè)數(shù)和計(jì)數(shù)時(shí)間的比值,即:

(次/min)

式中,T是計(jì)數(shù)時(shí)間(min),N是R波個(gè)數(shù)。

用LabVIEW提供的函數(shù)可以求出幾個(gè)心音信號(hào)的參數(shù)R-R波的峰值、S波的谷值、心音信號(hào)的幅值、心動(dòng)周期及心率。

選擇采樣頻率為11 025 Hz的兩個(gè)人的心音包絡(luò)分別進(jìn)行計(jì)算,結(jié)果如圖5所示?？梢钥闯?兩個(gè)人的心動(dòng)周期分別為0.867 09 s和0.878 33 s,心率分別為69.196 5 次/min和68.310 9 次/min。正常人的心率為60～100 次/min,所以兩個(gè)人心率均為正常值。

圖5 分析兩個(gè)不同人的心率結(jié)果圖

4.3 頻域分析

頻域分析部分主要包括計(jì)算信號(hào)的FFT頻譜以及信號(hào)的功率譜密度函數(shù)。

由于本心音信號(hào)采集與分析平臺(tái)的設(shè)計(jì)思路是每路心音信號(hào)采集后即對(duì)心音信號(hào)進(jìn)行分析,所以本段僅對(duì)1路心音信號(hào)的數(shù)據(jù)分析進(jìn)行闡述,其他3路心音信號(hào)與此類似,不再贅述。

經(jīng)過心音采集模塊采集后的心音信號(hào)首先被送入小波去噪模塊進(jìn)行降噪處理。降噪處理后的心音信號(hào)以一維數(shù)組的形式被送入LabVIEW自帶的FFT頻譜函數(shù)節(jié)點(diǎn)控件進(jìn)行FFT譜分析,分析結(jié)果也以一維數(shù)組的形式在波形圖中顯示。FFT譜分析控件計(jì)算時(shí)域信號(hào)的平均FFT頻譜,以幅度和相位返回FFT值。與之類似，由LabVIEW所提供的FFT功率譜控件對(duì)降噪處理后的心音信號(hào)做FFT功率譜分析,結(jié)果也以一維數(shù)組的形式在波形圖中顯示。

FFT功率譜VI按照下列步驟計(jì)算時(shí)間信號(hào)的平均功率譜:

(1) 計(jì)算時(shí)間信號(hào)的FFT；

(2) 將當(dāng)前的功率譜與上次平均過程重新開始后的最后一次調(diào)用VI的功率譜進(jìn)行平均；

(3) 在功率譜中返回平均功率譜。

圖6為對(duì)一個(gè)采樣頻率為11 025 Hz的心音信號(hào)進(jìn)行FFT幅度譜及FFT功率譜計(jì)算的結(jié)果圖。

圖6 心音信號(hào)的FFT幅度譜及功率譜圖

從FFT功率譜圖中我們可以看到,心音信號(hào)主要集中在0～100 Hz,功率主要集中在0～60 Hz,在20 Hz附近最強(qiáng)。

5 心音身份識(shí)別模塊和深度學(xué)習(xí)模塊

以LabVIEW為平臺(tái),結(jié)合Matlab設(shè)計(jì)了一種心音身份識(shí)別系統(tǒng)。該模塊在前文采集模塊的基礎(chǔ)上添加數(shù)據(jù)處理模塊和身份識(shí)別模塊。數(shù)據(jù)處理模塊完成心音特征提取和建立心音特征數(shù)據(jù)庫；身份識(shí)別模塊采用兩種算法對(duì)心音特征數(shù)據(jù)進(jìn)行分類識(shí)別,并使用決策層融合算法提高識(shí)別正確率。

心音信號(hào)的特征參數(shù)提取是心音身份識(shí)別的關(guān)鍵,可采用低頻加強(qiáng)型梅爾倒譜系數(shù)和頻域分段相關(guān)系數(shù)來實(shí)現(xiàn)。梅爾頻率倒譜系數(shù)(Mel frequency cepstral coefficients,MFCC)是基于人耳聽覺特點(diǎn)而提出的,是目前使用非常廣泛的提取語音特征參數(shù)的方法之一。

心音信號(hào)的頻率分布特點(diǎn)(S1信號(hào):40～150 Hz,S2信號(hào):50～200 Hz)決定了頻域分析在識(shí)別上的重要性。S1、S2信號(hào)的頻譜是比較穩(wěn)定的,不同個(gè)體的特征差異明顯,選擇合適的區(qū)間段進(jìn)行相關(guān)性分析以求出相關(guān)系數(shù),其絕對(duì)值大小與相關(guān)性成正比。經(jīng)驗(yàn)證，在30～80 Hz和50～110 Hz頻率段計(jì)算S1和S2的相關(guān)系數(shù),可以得到最佳區(qū)分度。身份識(shí)別模塊采用2種算法進(jìn)行分類識(shí)別[11]:一種是基于矢量化歐式距離識(shí)別,一種是最小相關(guān)距離識(shí)別,最后通過決策層融合算法處理。

深度學(xué)習(xí)網(wǎng)絡(luò)由若干RBM疊加組成,每一層RBM的輸出即為其高一層RBM的輸入,任意RBM的輸出和權(quán)值的調(diào)整僅與其輸入有關(guān)；深度學(xué)習(xí)網(wǎng)絡(luò)可以與分類器進(jìn)行組合,現(xiàn)在組合效果較為理想的是與BP(backpropagation)神經(jīng)網(wǎng)絡(luò)結(jié)合。BP神經(jīng)網(wǎng)絡(luò)所采用的有監(jiān)督的訓(xùn)練方法,有助于深度學(xué)習(xí)網(wǎng)絡(luò)更好的運(yùn)行。

6 結(jié)語

利用LabVIEW語言作為開發(fā)工具,結(jié)合Matlab小波工具箱以及Matlab的計(jì)算能力開發(fā)的心音信號(hào)采集與分析平臺(tái),綜合了模擬電路設(shè)計(jì)、數(shù)字電路設(shè)計(jì)、電子制作以及信號(hào)處理等內(nèi)容。學(xué)生可在這個(gè)平臺(tái)上結(jié)合電子技術(shù)軟、硬件知識(shí)進(jìn)行二次開發(fā),強(qiáng)化系統(tǒng)的功能、體驗(yàn)創(chuàng)新的樂趣,可以在身份識(shí)別和深度學(xué)習(xí)方面進(jìn)一步優(yōu)化處理,使該平臺(tái)更加完善和實(shí)用。