[发明专利]基于VMD和多小波的心音分割定位方法

权利要求书

1.一种心音分割定位方法，其特征在于，包括以下步骤：

S1：采集若干心音信号样本X_d(t)，其中d＝1,2,…,D，D表示心音信号样本的数量，t表示时间；对每个心音信号样本X_d(t)进行去噪处理，然后按照采样频率F_s进行重采样得到每个心音信号样本的采样信号X_d(n)，其中n＝1,2,…,S_d，S_d表示采样信号X_d(n)的采样点数；在每个心音信号样本的采样信号X_d(n)中标记第一心音S1和第二心音S2的区间，记标记得到的第k个心音区间为其中分别表示第d个心音信号样本的采样信号X_d(n)中第k个心音区间的起点和终点，k＝1,2,…,K_d，K_d表示采样信号x_d(n)中心音区间的数量，并根据心音类型设置其标签flag_d,k，flag_d,k＝1,2；

S2：采用滑动窗对各个采样信号X_d(n)进行片段划分得到N_d个采样信号片段X_d,i(n′)，i＝1,2,…,N_d，n′＝1,2,…,w，w表示采样信号X_d(n)每个信号片段的长度；

S3：对于每个采样信号X_d(n)，在步骤S2划分得到N_d个信号片段X_d,i(n′)后，对每个信号片段分别进行V层VMD分解，记信号片段X_d,i(n′)经VMD分解得到的第v个分量为

S4：对于每个信号片段X_d,i(n′)经过VMD分解得到的V个分量分别计算信号片段X_d,i(n′)和每个分量的峭度值，选择峭度值与信号片段X_d,i(n′)峭度值的L2范数最大的分量作为信号片段X_d,i(n′)对应的IMF分量信号

S5：将各个IMF分量信号插值到预设长度W，得到信号x_d,i(n″)，n″＝1,2,…,W，W为2^λ的整数倍值；然后对每个信号片段x_d,i(n″)进行预滤波处理，得到大小为2×W的预滤波信号采用GHM多小波系统对每个预滤波信号进行分解，记分解得到的信号分量数量为K，记第j个信号分量为y_d,i,j，j＝1,2,…,K，信号分量y_d,i,j的大小为2×W′，W′＝W/2^λ，λ表示GHM多小波系统的分解层数；

S6：对于各个信号x_d,i(n″)经GHM多小波分解得到K个大小为2×W′信号分量y_d,i,j，构建得到大小为2K×W′的信号矩阵Z_d,i：

对于同一心音信号样本的N_d个信号片段x_d,i(n′)，采用其所对应的N_d个信号矩阵Z_d,i构建得到大小为2K×L_d的时频域矩阵M_d：

其中，表示时频域矩阵M_d中坐标为(α,β)的元素值，其中α＝1,2,…2K，β＝1,2,…,L_d；令元素按照以下公式确定：

其中，分别表示向下取整和向上取整；

S7：对于得到的每个时频域矩阵M_d对行进行降维，得到降维后大小为P×L_d的时频域矩阵其中P根据实际需要设置；

S8：对步骤S1中每个心音信号样本所标记的心音区间进行展宽得到区间其中γ_d＝[L_d/N_d]，然后根据区间从时频域矩阵提取对应列构成大小为P×U_d的子矩阵其中

对各个子矩阵进行奇异值分解，其分解结果采用如下公式表示：

其中，Q_d,k表示P×P阶的酉矩阵，V_d,k表示U×U阶的酉矩阵，∑_d,k表示大小为P×U_d的奇异值矩阵；

在奇异值矩阵∑_d,k选择最大的前M个奇异值，其中M根据实际需要设置，从矩阵Q_d,k中提取出M个坐标为(m,m)的元素值从矩阵V_d,k中提取出M个坐标为(m,m)的元素值其中m＝1,2,…,M，然后拼接得到时间频率列向量F_d,k：

S9：将步骤S8得到的各个时间频率列向量F_d,k作为输入，对应的标签flag_d,k作为输出，对预设的分类模型进行训练；

S10：采集待分割定位的心音信号然后按照预设采样频率F_s进行采样得到采样信号其中N表示采样信号所包含的采样点数；

S11：采用步骤S2中的相同方法对待分割定位心音信号的采样信号进行片段划分，得到N个采样信号片段采用步骤S3中的相同方法对每个信号片段进行VMD分解，采用步骤S4中的相同方法筛选得到IMF分量信号采用步骤S5中的相同方法对每个IMF分量信号进行插值、预滤波处理和GHM多小波分解，得到K个大小为2×W′的信号分量y′_i,j，采用步骤S6中的相同方法构建得到大小为2K×L的时频域矩阵M′，

S12：对于待分割定位心音信号的时频域矩阵M′，分别计算每一列的香农能量SSE(b)，从而得到香农能量包络；

S13：对于待分割定位心音信号所对应的香农能量包络，筛选出香农能量最大值SSE_max，然后基于最大类间方差法获取区分噪音和心音的分类阈值TH，然后使用类间方差法确定的分类阈值TH作为较高的门限T₁，即T₁＝TH，在香农能量包络中提取出连续高于阈值TH的区间，将区间长度小于预设阈值的区间删除，剩余区间即为第一心音S1或第二心音S2所在的粗定心音区间K′表示待分割定位心音信号的心音区间数量；然后再在TH的基础上确定一个较低的阈值T₂，令T₂＝TH-η，η为预设的大于0的偏差值，在Z′_{k′_temp}的基础上向两旁扩展搜索，分别找到香农能量包络与阈值T₂相交的两个端点作为心音的正确起始端点，得到心音区间

S14：根据步骤S12得到的心音区间Z_k′，从时频域矩阵M′提取对应列构成子矩阵M′_k′，采用步骤S8中的相同方法，基于奇异值分解得到该心音区间的时间频率列向量F′_k′；

S15：将每个心音区间的时间频率列向量F′_k′分别输入步骤S9训练好的分类模型，其分类结果即为该心音区间内心音信号的类型；

S16：将待分割定位心音信号的每个心音区间还原得到区间γ＝[L/N]，然后在采样信号x′(n)标记每个区间Z_k′，并根据步骤S15中的分类结果确定该区间内心音信号的类型，从而得到心音信号的分割定位结果。