基于阈值小波变换的心音滤波方法
专利汇可以提供基于阈值小波变换的心音滤波方法专利检索，专利查询，专利分析的服务。并且本 发明 属于数字信息处理和医学领域，具体涉及一种基于 阈值 小波变换 的心音 信号 滤波方法。从MIT-BIT 心律失常 数据库 获得未经处理的心音信号音频并对其求取 信噪比 SNR和均方根误差RMSE等数据，将所得的心音信号进行小波分解后，求取各层细节和对应细节系数。再对各层系数进行阈值处理。重构滤波后信号，并生成滤波心音音频文件求取滤波后音频求取信噪比SNR和均方根误差RMSE等数据，比对滤波前后数据变化，因为滤波前后信号的信噪比有很大提升，且方均根误差明显减小，因此对心音信号进行小波阈值滤波有明显效果。，下面是基于阈值小波变换的心音滤波方法专利的具体信息内容。
1.基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，包括以下步骤：
从MIT-BIT 心律失常数据库获得未经处理的心音信号音频并对其求取信噪比SNR和均方根误差RMSE等数据；
将步骤1所得的心音信号进行小波分解；
对步骤2中小波分解的各层细节求取对应细节系数；
对步骤3的各层系数进行阈值处理；
重构滤波后信号，并生成滤波心音音频文件；
对步骤5所得滤波后音频求取信噪比SNR和均方根误差RMSE等数据，比对滤波前后数据变化检验滤波效果；
根据权利要求1所述的基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，所述步骤1具体为：
从MIT-BIT 心律失常数据库获得未经处理的心音信号音频，设原始信号的模型为
（1）
其中， 为含噪信号， 为真实信号， 为噪声；
现任取一份心音信号音频文件，利用MATLAB编程求取其信噪比SNR以及方均根误差RMES。
2.根据权利要求1所述的基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，所述步骤2具体为：将心音进行小波分解后，对于心音信号，其有用部分集中在低频部分，高频部分是肌电干扰、检测机械等所带入的噪声，因此，可对心音信号进行一定层数的分解，然后在每层上使用相应的阈值进行处理，达到去噪的目的，分解层数越多，其高频部分被去除得越多，但层数过多会将部分有用信号一起剔除，即分解过度，对于小波基函数sym6，其尺度函数与心音信号的特征波段很接近，且其数学特性为正交但不严格对称，很适合用来对心音信号进行小波分解；因此本专利选用sym6小波基函数对心音信号进行6层小波分解。
3.根据权利要求1所述的基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，所述步骤3具体为：对步骤2中所得的6层分解中求取信号的六层近似 及其1 6层细节 ，其中j表示分解的层数，i表示第i个~
数据。
4.根据权利要求1所述的基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，所述步骤4具体为：使用计算出的阈值对第j层的细节部分 进行处理，处理公式如下：
(2)
即 时，令 ； 时，令 。
5.以此对 进行筛选处理，一般来说，阈值是由原信号的信噪比选定的，本专利中各层阈值 为调用MATLAB中的wdcbm函数求得。
6.根据权利要求1所述的基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，所述步骤5具体为：将6层近似和1 6层~
细节 利用算法进行重构，得到滤波后的心音信号。
7.根据权利要求1所述的基于阈值小波变换对心音原始信号进行快速滤波处理以达到去噪并保留心音信号有效信息的方法，其特征在于，所述步骤6具体为：对步骤5所得的滤波后心音信号进行信噪比SNR和均方根误差RMSE的求取，与步骤1所得的原信号信噪比SNR和均方根误差RMSE进行比较，检验滤波效果是否达到。
基于阈值小波变换的心音滤波方法
技术领域
背景技术
50 2000Hz之间。一个正常的心动周期包含四个心音的组成，往往用S1、S2、S3、S4来划分，其~
中S1是在心室收缩时期，S2是在心室舒张时期,S3发生在S2后0.1～0.2秒，其特点是频率较S1、S2低，这是由于在这一阶段血液快速冲击心室内壁，造成心室和瓣膜的振动，由于S3能量较低，较难传递到身体表面，因此只有在被测人员是儿童时能被监测到。S4由心房收缩引起，也称心房音。通常情况下S3、S4强度低，一般只考虑S1、S2之间的信号。
发明内容
2）将步骤1所得的心音信号进行小波分解；
3）对步骤2中小波分解的各层细节求取对应细节系数；
4）对步骤3的各层系数进行阈值处理；
5）重构滤波后信号，并生成滤波心音音频文件；
6）对步骤5所得滤波后音频求取SNR和RMSE等数据，比对滤波前后数据变化检验滤波效果。
附图说明
3）图3.原信号局部频域信号；
4）图4.重构六层近似系数；
5）图5.一层分解细节；
6）图6.二层分解细节；
7）图7.三层分解细节；
8）图8.四层分解细节；
9）图9.五层分解细节；
10）图10.六层分解细节；
11）图11.滤波处理后局部时频信号；
12）图12.滤波处理后局部频域信号；
13）图13.滤波前后局部信号时域对比图。
具体实施方式
（1）
其中， 为含噪信号， 为真实信号， 为噪声。
中j表示分解的层数，i表示第i个数据。
(2)
即若 时，则保留该细节；若 时，则提出该细节。以此对 进行筛
选处理。
的时域、频域特性图分别为图11、图12。由图3和图12对比可见滤波前后信号所带的能量有所减弱，是因为信号中的噪声大部分已经被滤除。对滤波后心音信号进行SNR和RMSE的求取，与原信号a0007.wav所求得的原信号SNR和RMSE进行比较如表1。
原信号 滤波信号
SNR 6.1578 15.2433
RMSE 0.4459
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于小波变换的全球剖分金字塔模型 | 2020-05-11 | 784 |
| 基于HyperX平台的9/7小波变换方法 | 2020-05-11 | 768 |
| 一种提升小波变换FPGA实现的方法 | 2020-05-12 | 369 |
| 用于数据压缩或解压的小波变换方法 | 2020-05-12 | 1028 |
| 小波变换编码/解码方法和装置 | 2020-05-13 | 415 |
| 利用小波变换分析核酸扩增曲线 | 2020-05-12 | 936 |
| 利用小波变换分析核酸扩增曲线 | 2020-05-12 | 679 |
| 用于离散小波变换的结构 | 2020-05-12 | 977 |
| 一种基于小波变换的语音识别方法 | 2020-05-13 | 647 |
| 基于FPGA的多级复用小波变换器 | 2020-05-13 | 546 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
