[发明专利]基于智能穿戴系统的肺音实时监测方法

权利要求书

1.基于智能穿戴系统的肺音实时监测方法，其特征在于：其包括以下步骤：

步骤1，通过肺音传感器收集肺音数据进行放大处理得到肺音信号，并对肺音信号进行EMD分解和希尔伯特变换得到Hilbert谱以获得频域特征；

步骤2，通过改变信号的采样频率将传感器所获取的肺音信号缩减成一个呼吸周期的肺音信号，再用最小二乘法消除趋势项去除设备导致的趋势误差，以完成去噪预处理；

步骤3，将去噪预处后的肺音信号采用以db6为小波基的小波变换分解为的五层细节层，

步骤4，应用自适应阈值方法用中值阈值函数及非线性中值阈值函数对小波系数过滤，最后通过高通滤波和低通滤波过滤噪声信号；

步骤5，将去噪后的肺音信号进行阈值化处理后，将分解后得到的系数经合成滤波器的二次插值及各自的滤波器的反滤波后，累加得到重构的肺音信号；

步骤6，计算重构的肺音信号的信噪比和拟合系数判断当次肺音去噪的效果好坏；当去噪后的肺音信号不符合要求时，则更换阈值并执行步骤4重新去噪处理；当去噪后的肺音信号符合要求时，执行步骤7；

步骤7，对正常肺音、哮鸣音和啰音进行特征提取得到该肺音信号的特征向量F。

2.根据权利要求1所述的基于智能穿戴系统的肺音实时监测方法，其特征在于：步骤1具体包括以下步骤：

步骤1-1-1，找出肺音信号x(t)所有的极值点连接起来得到x(t)上下包络线，计算得到均值m(t)；

步骤1-1-2，令x(t)减去均值m(t)得到h₁(t)＝x(t)-m(t),；

步骤1-1-3，判别h₁(t)是否符合IMF的停止条件；是则，判定h₁(t)为符合要求的IMF分量记作c_n(t)＝h₁(t)并执行步骤1-1-4，其中n的初始值为1；否则，令x(t)＝h₁(t)并执行步骤1-1-1；

步骤1-1-4，计算x(t)和c_n(t)的差值得到残留项r_n(t)，r_n(t)＝x(t)-c_n(t)；

步骤1-1-5，当c_n(t)或r_n(t)小于期望中的值，或者r_n(t)具有单调性时，停止分解得到n个IMF分量即c₁(t)、c₂(t)、c₃(t)……c_n(t)并执行步骤1-1-6；否则，令x(t)＝r_n(t)，n＝n+1,并执行步骤1-1-1；

步骤1-1-6，将x(t)分解为有限个IMF分量与一个余项r_n(t)，x(t)表示为：

3.根据权利要求2所述的基于智能穿戴系统的肺音实时监测方法，其特征在于：步骤1-1-3中IMF的停止条件有两种情况：第一个条件：在数据序列中，极值点的数量Ne与过零点的数量Nz必须相等或者相差1，即：(N_z-1)≤N_e≤(N_z+1)；第二个条件是根据信号局部极大值确定的上包络线f_max(t)和局部极小值确定的下包络线f_min(t)在任意时间点ti上的均值为零，即：[f_max(t)+f_min(t)]/2＝0t_i∈[t_a,t_b]。

4.根据权利要求3所述的基于智能穿戴系统的肺音实时监测方法，其特征在于：步骤1-1-5中得到的每一个IMF进行希尔伯特变换得到Hilbert时频谱；希尔伯特变换的公式如下：

其中，Re表示取实部，

Hilbert时频谱是关于时间与频率的函数，记作H(w,t)，Hilbert时频谱的公式为：