阅读说明：本技术 一种肺音信号采集装置与分析方法 (Lung sound signal acquisition device and analysis method ) 是由 韦海成 冯海青 王生营 何艳茹 肖明霞 于 2019-11-28 设计创作，主要内容包括：本发明涉及一种肺音信号采集装置与分析方法,包括依次电连接的肺音传感器、放大器、A/D采集卡、上位机搭载的采集装置,基于该装置采集的肺音信号,并上传至云端对其进行分析：接收原始的肺部声音信号；对原始的肺部声音信号进行分解,从原始的肺部声音信号中提取若干个本征模态函数IMF；获得本征模态函数IMF后,选取与原始肺部声音信号最接近的一个本征模态函数IMF,基于该本征模态函数进行希尔伯特黄变换,得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图；对Hilbert边际谱图中的瞬时频率极值和瞬时频率幅度进行分析,判断被测者的肺部情况。(The invention relates to a lung sound signal acquisition device and an analysis method, which comprise a lung sound sensor, an amplifier, an A/D acquisition card and an acquisition device carried by an upper computer, wherein the acquisition device is electrically connected in sequence, and lung sound signals acquired by the device are uploaded to a cloud end to be analyzed: receiving an original lung sound signal; decomposing the original lung sound signals, and extracting a plurality of intrinsic mode functions IMF from the original lung sound signals; after obtaining the intrinsic mode function IMF, selecting the intrinsic mode function IMF closest to the original lung sound signal, and performing Hilbert-Huang transform based on the intrinsic mode function to obtain a Hilbert time-frequency spectrogram and a Hilbert marginal spectrogram of the original lung sound signal; and analyzing the instantaneous frequency extreme value and the instantaneous frequency amplitude in the Hilbert marginal spectrogram to judge the lung condition of the tested person.)

一种肺音信号采集装置与分析方法

技术领域

本发明涉及生物医学信号分析技术领域，特别涉及一种肺音信号采集装置与分析方法。

背景技术

肺是人体的呼吸器官，也是人体重要的造血器官。肺音是肺与外界进行气体交换时产生的一种声音信号，通过反映人体呼吸道的状况，进而反映人体肺部的健康程度。通过对肺音信号提取特征并进行分析，判断出所属的疾病种类，是目前的一项热点研究领域。

常见呼吸系统疾病大致可以分为：哮喘、慢性阻塞性肺疾病、慢性支气管炎、气肿、肺癌、囊性纤维化、肺炎、胸腔积液等种类。在医院里，医生通常采用传统听诊器听取肺部声音，作为判断肺部疾病的依据，但受限于医生本身的听觉情况、从医经验等因素，判断结果会有失客观性。为此，希望引入数字声音分析算法来进行肺音的辨识。由于肺音本身非线性、非平稳的特性，使用传统的时域分析或者频域分析方法，其结果都不甚理想。

发明内容

本发明的目的在于改善现有技术中所存在的不足，提供一种肺音信号采集装置与分析方法。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种肺音信号采集装置，包括：

肺音传感器，用于采集肺部声音信号；

放大器，用于将肺音传感器采集的肺部声音信号进行放大；

A/D采集卡，用于将放大后的肺部声音信号转换为上位机可识别的肺部声音信号；

上位机，用于接收并分析A/D采集卡转换后的肺部声音信号。

使用肺音传感器采集被测者肺部声音信号，经放大器进行滤波放大后，使用USB连接A/D采集卡将肺部声音信号转换为上位机可识别的肺部声音信号，上位机对肺部声音信号进行暂存后，上传至云端进行存储和分析。

更进一步地，为了更好的实现本发明，所述肺音传感器的型号为HKY-06F。

所述肺音信号采用新型高分子聚合材料微音传感元件采集心脏搏动和其他体表动脉搏动信号，再经过高度集成化信号处理电路处理，输出低阻抗音频信号，且增加了抗环境噪音功能。

一种肺音信号分析方法，具体包括以下步骤：

步骤S1：接收原始的肺部声音信号；

步骤S2：对原始的肺部声音信号进行分解，从原始的肺部声音信号中提取若干个本征模态函数IMF；

步骤S3：获得本征模态函数IMF后，选取与原始肺部声音信号最接近的一个本征模态函数IMF，基于该本征模态函数进行希尔伯特黄变换，得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图；

在诸多研究方法中，希尔伯特黄变换方法具有时频联合分析的特性，能够同时对信号的时域和频域信息进行分析，且能够将信号多层分析，对具体分量信息进行处理，因而在肺音信号识别领域有着更好的效果与发展前景。

步骤S4：对Hilbert边际谱图中的瞬时频率极值和瞬时频率幅度进行分析，判断被测者的肺部情况。

对肺音信号进行希尔伯特黄变换，消除肺音信号受内脏器官影响而叠加的多种不同频率杂波信号；并提出肺音本征信号，利用希尔伯特时频谱和边际谱对本征肺音信号进行分析，通过肺音频率和幅度的变化作为呼吸道疾病检测的一个判断依据。

更进一步地，为了更好的实现本发明，所述基于该本征模态函数进行希尔伯特黄变换，得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图的步骤，包括：

步骤S3-1：对与原始肺部声音信号最接近的本征模态函数IMF的实信号p_i(t)做希尔伯特黄变换：

步骤S3-2：对通过希尔伯特黄变换的实信号p_i(t)构造其复函数：

z_i(t)＝p_i(t)+jH[p_i(t)]

将复函数z_i(t)表示为指数形式：

其中，幅值a_i(t)为：

相位φ_i(t)为：

对相位φ_i(t)做微分，获得p_i(t)的瞬时频率f_i(t)：

步骤S3-3：对实信号p_i(t)进行Hilbert时频谱求取：

记为：

步骤S3-4：对H(w,t)的时间轴进行积分，得到Hilbert边际谱：

步骤S3-5：根据Hilbert时频谱和Hilbert边际谱绘制原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图。

与现有技术相比，本发明的有益效果：

(1)本发明以肺音传感器、放大器、A/D采集卡、上位机搭建的肺音采集装置，其操作简单、体积小，方便对肺音信号进行采集，对受测者没有任何副作用；并且全电子数据采集的方式，排除了人为监听肺部声音的不准确影响，将采集的数据存储到云端，方便数据管理和提取；

(2)本发明对采集到的肺音信号进行希尔伯特黄变换，消除肺音信号受内脏器官和外界环境影响而叠加的不同频率杂波信号对肺音造成的影响，对于患有呼吸道疾病患者的辅助诊断，提高呼吸道疾病检测的准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明采集装置模块框图；

图2为本发明分析方法流程图；

图3(a)为正常健康人员的肺音信号波形图；

图3(b)为呼吸道疾病患者的肺音信号波形图；

图4(a)为正常健康人员的肺音信号本征模态函数IMF波形图；

图4(b)为呼吸道疾病患者的肺音信号本征模态函数IMF波形图；

图5(a)为正常健康人员的肺音信号Hilbert时频谱图；

图5(b)为呼吸道疾病患者的肺音信号Hilbert时频谱图；

图6(a)为正常健康人员的肺音信号Hilbert边际谱图；

图6(b)为呼吸道疾病患者的肺音信号Hilbert边际谱图；

图7为正常健康人员的Hilbert边际谱均值波形示意图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

实施例1：

本发明通过下述技术方案实现，如图1所示，一种肺音信号采集装置，包括依次电连接的肺音传感器、放大器、A/D采集卡、上位机，使用肺音传感器采集被测者肺部声音信号，以下简称肺音信号，经放大器进行滤波放大，由于肺音传感器采集的肺音信号为模拟信号，因此要使用USB连接A/D采集卡将来自肺音传感器的肺音信号转换为上位机可识别的数字信号，上位机将转换后的肺音信号进行暂存，再上传云端进行存储和分析。

其中，所述肺音传感器包括高度集成化信号处理电路，该传感器具有一定的抗环境噪音功能，具有可靠性高、灵敏度高、体积小、使用方便等优点。A/D采集卡为16位，将原始的肺音信号转换为上位机可识别的数字信号，再使用上位机内的音频录制软件来现实肺音信号的波形及数据存储。

需要说明的是，所述肺音传感器的型号为HKY-06F，其采用新型高分子聚合材料微音传感元件采集心脏搏动和其他体表动脉搏动信号，再经过高度集成化信号处理电路处理，输出低阻抗音频信号。该传感器在HKY-06B的基础上增加了抗环境噪音功能。

本装置直接获得有效的人体肺音信号，并且在上位机中现实信号波形，反应出波形的特征，从而判断被测者的肺部情况，排除了人为监听肺部声音的不准确影响。

基于上述肺音信号采集装置，对采集到的肺音信号进行分析，提出一种肺音信号分析方法，如图2所示，具体包括以下步骤：

步骤S100：接收原始的肺部声音信号。

肺音传感器采集被测者的肺音信号，经放大器滤波放大后，使用外置的A/D采集卡对肺音信号进行转换。

步骤S200：对原始的肺部声音信号进行分解，从原始的肺部声音信号中提取若干个本征模态函数IMF。

将采集的原始肺音信号进行分解，分解为如图4所示的若干个本征模态函数IMF，其中图4(a)为正常健康人员的波形图，图4(b)为呼吸道疾病患者的波形图。

步骤S300：获得本征模态函数IMF后，选取与原始肺部声音信号最接近的一个本征模态函数IMF，基于该本征模态函数进行希尔伯特黄变换，得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图。

原始肺音信号经步骤S200分解为多条本征模态函数IMF后，根据频率可以判断出，在如图4(a)或图4(b)所示的本征模态函数中，IMF1～IMF5的频率过高，为背景噪声或者引入噪声，IFM7～IMF10的频率过低，属于身体其他器官噪声，IMF6的波形特征符合肺音信号波形特征，因此选取IMF6作为与原始肺音信号最接近的一个本征模态函数。

所述基于该本征模态函数进行希尔伯特黄变换，得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图的步骤，包括：

步骤S301：对与原始肺部声音信号最接近的本征模态函数IMF6的实信号p_i(t)做Hilbert希尔伯特黄变换：

定义t的区间为(-∞＜t＜+∞)；

步骤S302：对通过希尔伯特黄变换的实信号p_i(t)构造其复函数z_i(t)，并求取其相位导数，构造的复函数为：

z_i(t)＝p_i(t)+jH[p_i(t)]

将复函数z_i(t)表示为指数形式：

其中，幅值a_i(t)为：

相位φ_i(t)为：

进一步地，对相位φ_i(t)做微分，获得p_i(t)的瞬时频率f_i(t)：

可以看出，f_i(t)是时间t的单值函数，即某一时间对应了某一频率，并且做Hilbert希尔伯特黄变换的序列必须是单分量信号，因此再次证明IMF6可用。

步骤S303：对实信号p_i(t)进行Hilbert时频谱求取：

记为：

H(w,t)精确地描述了信号的幅值随时间、频率的变化规律。

步骤S304：对H(w,t)的时间轴进行积分，得到Hilbert边际谱：

步骤S305：根据Hilbert时频谱和Hilbert边际谱绘制原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图。

通过Hilbert时频谱和Hilbert边际谱中的瞬时频率f_i(t)和幅值a_i(t)等可以绘制出原始肺音信号的Hilbert时频谱图和Hilbert边际谱图。由于将原始肺音信号进行分解时具有自适应性，因此得到的Hilbert边际谱图能比较准确、直观地反映出信号的实际频率成分。

步骤S4：对Hilbert边际谱图中的瞬时频率极值和瞬时频率幅度进行分析，判断被测者的肺部情况。

对得到的Hilbert边际谱图中瞬时频率极值和幅度进行分析，分析正常受测者和典型肺部疾病患者的频谱差异，并对结果进行简要分析。

本发明采用肺音传感器、放大器、A/D采集卡、上位机等硬件搭建肺音信号采集装置，利用该装置采集的原始肺音信号，上传至云端进行存储和分析，分析时首先对原始肺音信号进行希尔伯特黄变换，消除受内脏器官影响而叠加的多种不同频率杂波信号；并提出肺音本征模态函数，利用希尔伯特时频谱图和边际谱图对本征肺音信号进行分析，通过肺音频率振幅变化作为呼吸道疾病检测的一个判断依据。

实施例2：

对多名已知健康状况的实验人员进行肺音信号的采集和希尔伯特黄变换分析，其中典型正常健康人员的原始肺音信号波形图如图3(a)所示，典型呼吸道疾病患者的原始肺音信号波形图如图3(b)所示，分别对图3(a)、3(b)图进行希尔伯特黄变换，提取出本征模态函数IMF，得到的结果分别如图4(a)、图4(b)所示，继而得到如图5(a)、图5(b)所示的Hilbert时频谱图，如图6(a)、图6(b)所示的Hilbert边际谱图。

通过对图5(a)、图5(b)时频谱图的对比可以看出，正常健康人员的时频谱图随着时间的变化，能量集中分布在低频部分；与之相比，呼吸道疾病患者的时频谱图随着时间的变化，能量分散在高频部分。

更进一步地，选择正常健康人员的肺音信号均值进行分析，图7为正常健康人员的边际谱均值波形示意图，图7中的参数为边际谱的频率极值、幅值、面积。那么正常健康人员的边际谱均值计算结果如表1所示：

边际谱分析	频率	幅值	面积
				均值	11.945Hz	0.366	5.757

表1

正常健康人员的边际谱频率和幅值的均值为(11.945Hz，0.366)，图形区域面积为5.757；另外呼吸道疾病患者的边际谱频率和幅值的均值为(358.313Hz，0.031)，图形区域面积为0.530。正常健康人员和呼吸道疾病患者的边际谱均值计算结果如表2所示：

边际谱分析	频率	幅值	面积
				正常音	11.945Hz	0.366	5.757
异常音	358.313Hz	0.031	0.530

表2

通过表2的数据对比分析，正常肺音信号的边际谱中最大峰值所对应频率集中在低频部分，异常肺音信号边际谱中最大峰值所对应频率要比正常肺音信号高。结果表明，当人体出现疾病在肺部形成异常音，比如呼哧呼哧的声音时，该肺音信号的峰值会逐步偏移到高频部分，且声音的幅值降低，频域面积减小。

本发明提出一种肺音信号分析方法，通过肺音信号采集装置记录受测者的呼吸声，利用西伯尔特变换进行特征分析，得到以下结论：

呼吸道疾病患者的肺音信号，其希尔伯特时频谱和边际谱有可能会出现一种不同于健康人的状况。健康人的肺音信号时频谱图的能量集中分布在几十赫兹的低频部分，而肺部疾病患者的肺音信号时频谱图的能量较为分散，且分布在几百赫兹的高频部分。因此，通过对比分析两者的时频谱图以及边际谱图最大峰值所对应的频率、幅值、面积，就可以对正常健康人群和患有呼吸道疾病人群进行分类，从而判断受测者是否患有呼吸道疾病。

本实施列的其他部分与上述实施列相同，故不再赘述。

为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变换或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。