吳云飛 李海霞

（宿遷學(xué)院信息工程學(xué)院 宿遷 223800）

1 引言

心音是心臟節(jié)律的外在表現(xiàn)，醫(yī)學(xué)上可以通過監(jiān)聽心音實(shí)現(xiàn)對(duì)心臟健康狀況的分析。每一心動(dòng)周期可產(chǎn)生四個(gè)心音，在正常情況下，心音一般只包含第一心音（S1）和第二心音（S2），除S1、S2之外的心音稱為額外心音；而當(dāng)心瓣膜發(fā)生病變時(shí)，瓣膜會(huì)出現(xiàn)異常的振動(dòng)及血流的改變，從而產(chǎn)生異常的心音，稱心雜音。心雜音可與正常心音分開或相連續(xù)，亦可完全覆蓋正常心音，因此在心臟病診斷中占有極其重要的地位［1］。

端點(diǎn)檢測(cè)技術(shù)常用于語(yǔ)音信號(hào)的分析與識(shí)別，噪聲環(huán)境下的語(yǔ)音端點(diǎn)檢測(cè)一直是音頻信號(hào)分析的熱點(diǎn)［2］。由于心音信號(hào)中心雜音成分的存在，使用濾噪或高門限的端點(diǎn)檢測(cè)會(huì)導(dǎo)致游離于心音外的雜音被當(dāng)作噪聲忽視，而使用低門限的端點(diǎn)檢測(cè)則會(huì)增加誤檢率。

魯遠(yuǎn)耀等提出了利用小波閾值去噪實(shí)現(xiàn)強(qiáng)噪下的端點(diǎn)檢測(cè)技術(shù)［3］，但去噪的同時(shí)會(huì)造成心雜音成分的丟失，不適用于心音領(lǐng)域。路青起等提出了雙門限的方法［4］對(duì)聲紋進(jìn)行分級(jí)，但過于依賴門限的手動(dòng)設(shè)置，同一門限標(biāo)準(zhǔn)難以適用在不同類別的心音中。徐大為等利用有限狀態(tài)自動(dòng)機(jī)［5］，避免了單一端點(diǎn)檢測(cè)算法的缺陷，但心音和心雜音往往連續(xù)出現(xiàn)，算法要求對(duì)心音的狀態(tài)設(shè)定相對(duì)復(fù)雜。

綜上，目前的端點(diǎn)檢測(cè)技術(shù)，已經(jīng)不能適用于需要利用心雜音進(jìn)行診斷的情況。因此，本文提出了一種能夠有效區(qū)分心音和心雜音的心音信號(hào)的端點(diǎn)檢測(cè)方法。

2 端點(diǎn)檢測(cè)

在端點(diǎn)檢測(cè)算法中，頻域參數(shù)的抗噪性一般優(yōu)于時(shí)域參數(shù)，但當(dāng)噪聲與語(yǔ)音信號(hào)具有類似的變換域特征時(shí)會(huì)使方法失效。有效的端點(diǎn)檢測(cè)算法必須具有判決準(zhǔn)則能自適應(yīng)不同的語(yǔ)音信號(hào)、在噪聲情況下對(duì)端點(diǎn)判決的正確率高等特點(diǎn)［6］。所以本文結(jié)合頻域的自適應(yīng)子帶譜熵算法和時(shí)域下的短時(shí)平均幅度算法。在頻域設(shè)置具備自適應(yīng)性的高門限判決條件，在時(shí)域設(shè)置固定的低門限判決，實(shí)現(xiàn)對(duì)心音成分和獨(dú)立于心音外的心雜音成分的檢測(cè)。

2.1 自適應(yīng)子帶譜熵

信息熵是為解決對(duì)信息的量化度量問題而提出的參數(shù)，Jia-lin Shen等提出了基于譜熵的端點(diǎn)檢測(cè)算法，并表明譜熵算法的性能明顯優(yōu)于短時(shí)能量等時(shí)域方法［7］。

下式是信號(hào)經(jīng)過分幀及傅里葉變換后的譜熵計(jì)算公式：

其中N是幀長(zhǎng)，Pk為頻域分量k的概率密度。

譜熵只依賴于功率譜能量的變化，而不依賴譜的能量，具有一定的魯棒性。但在信號(hào)存在噪聲或雜音的情況下，譜熵算法在單個(gè)功率點(diǎn)上的幅度易受到噪聲影響而導(dǎo)致端點(diǎn)檢測(cè)的性能明顯下降。因此，Bing-Fei Wu［8］等提出的自適應(yīng)子帶譜熵算法，把一幀分成若干個(gè)子帶，利用歸一化最小帶能量參數(shù)（NMinBE）［9］自適應(yīng)的選擇子帶，確定頻帶的數(shù)量。

E（l，m）是第m幀的第l子帶的功率譜能量，則歸一化最小帶能量為

則最終的自適應(yīng)子帶譜熵公式如下：

其中的W(m，l)是m及（m±1）三幀的方差，在公式中做加權(quán)因子，但在實(shí)際應(yīng)用中，加權(quán)后的性能并不優(yōu)于加權(quán)前，故在本文中將W(m，l)設(shè)為1。

2.2 短時(shí)平均幅值

在心音中，病理性的雜音是心音分析中的重要部分，需要選取合適的處理方法，對(duì)除心音外的心雜音成分進(jìn)行標(biāo)記。

短時(shí)平均幅值在背景噪聲增加或者變化的情況下，它的漏檢和誤檢率會(huì)比較高［10］，而其對(duì)幅度的閾值難以設(shè)定，自適應(yīng)性較差［11］，在低信噪比的情況下不能有效地進(jìn)行語(yǔ)音端點(diǎn)檢測(cè)。但本文利用短時(shí)平均幅值，對(duì)其設(shè)定一個(gè)較低門限閾值，使其能夠?qū)λ行囊粲行С煞值臋z測(cè)，降低了其可能出現(xiàn)的漏檢率，且檢測(cè)方法簡(jiǎn)單，容易實(shí)現(xiàn)。

平均幅值M計(jì)算公式如下，其中n是幀長(zhǎng)。

3 算法實(shí)現(xiàn)

由于心音信號(hào)幅值小，變化多，在對(duì)心音信號(hào)進(jìn)行分析前，需進(jìn)行預(yù)處理。首先使用歸一化來歸納統(tǒng)一樣本，使其幅值在（-1，1）之間，保證設(shè)定閾值的可靠性。再通過預(yù)加重來提升信號(hào)的高頻部分，使信號(hào)的頻譜變得平滑，保持在低頻到高頻的整個(gè)頻帶中，能用同樣的信噪比求頻譜［12］。最后利用海明窗對(duì)信號(hào)分幀，改善截?cái)鄬?dǎo)致的頻率泄露。

圖1和圖2分別是對(duì)一例正常心音的未加重和加重的情況下譜熵（SE）和子帶譜熵（ABSE）曲線。

對(duì)比圖1（b）和圖2（b）可以看出加重處理后SE的性能得到了明顯改善，基本實(shí)現(xiàn)了端點(diǎn)檢測(cè)的功能，證明了加重處理的必要性。

圖1 未加重正常心音的SE與ABSE曲線

圖2（b）中加重后的SE性能與圖1（c）中未經(jīng)加重處理后求得的ABSE近似。而在圖2（c）中曲線平滑，端點(diǎn)明確，證明了經(jīng)加重的ABSE使端點(diǎn)檢測(cè)性能達(dá)到最優(yōu)。

圖2 加重正常心音的SE與ABSE曲線

圖3和圖4為一例主動(dòng)脈關(guān)閉不全的異常心音未加重和加重的情況下的SE和ABSE曲線。

由圖3（a）可以看出，在主動(dòng)脈關(guān)閉不全的心音信號(hào)中存在大量心雜音，心音成分S1、S2近乎淹沒在雜音中，但仍然存在。

圖3 未加重異常心音的SE與ABSE曲線

圖4 加重異常心音的SE與ABSE曲線

對(duì)比圖2（b）和圖4（b），可以看出，SE在心雜音的情況下即使經(jīng)過加重仍然失效，證明了SE難以適用于復(fù)雜的心音端點(diǎn)檢測(cè)。

對(duì)比圖 4（c）與圖 3（b）、圖3（c）、圖 4（b），未經(jīng)加重處理SE與ABSE以及加重處理后的SE均失效；而加重處理后ABSE曲線較為準(zhǔn)確地反應(yīng)了信號(hào)的音區(qū)，其閾值線也較好地將心音成分和其他雜音分隔，表現(xiàn)了算法的抗噪性和自適應(yīng)性，能夠用于較為復(fù)雜的異常心音的端點(diǎn)檢測(cè)。

圖5（a）是一例二尖瓣狹窄類型的心音，圖5（b）是對(duì)其進(jìn)行自適應(yīng)子帶譜熵的端點(diǎn)檢測(cè)，圖5（c）是對(duì)其進(jìn)行短時(shí)平均幅度的端點(diǎn)檢測(cè)。當(dāng)利用短時(shí)平均幅度檢測(cè)到的有效音覆蓋ABSE的有效音，且端點(diǎn)距離較近時(shí)，將其視為心音，其余部分視為心雜音。結(jié)合兩種算法得到最終端點(diǎn)檢測(cè)結(jié)果如圖6，其中A、D部分為心音段，B、C部分為心雜音段。

圖5 二尖瓣狹窄類型心音的頻域與時(shí)域分析

圖6 二尖瓣狹窄類型心音的端點(diǎn)檢測(cè)

為驗(yàn)證方法的有效性和適用性，本文又分別對(duì)一例主動(dòng)脈關(guān)閉不全（圖7和圖8）和動(dòng)脈導(dǎo)管未閉的異常心音（圖9和圖10）進(jìn)行了端點(diǎn)檢測(cè)。

圖7（c）的檢測(cè)結(jié)果及心音有效成分對(duì)應(yīng)圖8中的A部分。B、C部分是心音成分；在A部分內(nèi)除B、C外都為心雜音成分。圖10中B部分心音成分，C和除B外的A部分為心雜音成分。

圖7 主動(dòng)脈關(guān)閉不全心音的頻域與時(shí)域分析

圖8 主動(dòng)脈關(guān)閉不全心音的端點(diǎn)檢測(cè)

圖9 動(dòng)脈導(dǎo)管未閉心音的頻域與時(shí)域分析

圖10 動(dòng)脈導(dǎo)管未閉心音的端點(diǎn)檢測(cè)

4 結(jié)語(yǔ)

本文結(jié)合了頻域下的自適應(yīng)子帶譜熵和時(shí)域下的短時(shí)平均幅值，實(shí)現(xiàn)了對(duì)心音的端點(diǎn)檢測(cè)，利用自適應(yīng)子帶譜熵的高門限減少了一般端點(diǎn)檢測(cè)在心雜音情況下可能的誤檢，還通過短時(shí)平均幅度算法檢測(cè)出心音的全部有效成分，避免了對(duì)心雜音的漏檢。通過對(duì)三例異常心音的端點(diǎn)檢測(cè)，證明該算法具有自適應(yīng)性，能夠在多種類型的復(fù)雜心音條件下進(jìn)行有效的檢測(cè)，可以用于心音信號(hào)進(jìn)一步的分析和識(shí)別。但算法對(duì)于覆蓋在心音上的心雜音成分只能對(duì)其位置進(jìn)行標(biāo)記，還無法做到正確辨識(shí)，這將是下一步工作的重點(diǎn)。