检索历史 清除

摘要在现代医学中，听诊是一种检查心肺系统健康状况有效、非侵入的医疗手段。通过听诊能够得到表征心脏和肺部器官健康状况的心肺音信号。心肺音信号包含了心脏和呼吸器官丰富的生理和病理学信息。但是在实际临床检查中，听诊器采集到的声音信号不仅包含了心音信号，也包含了肺音信号和外部的环境噪声。这种混合了心音、肺音和环境噪音的声音信号很难用于精细化的病症分析，从而妨害了的医生的诊断效果。由于心音与肺音在时域和频域上都相互混迭在一起，即使在没有噪声的环境中，依靠听诊也无法获得理想的效果。怎样将获取的听诊混迭信号分离成为独立的心音和肺音信号已经被广大的研究人员认定为一个盲源分离问题。<br>　　盲源分离(BSS)即盲信号分离技术已经在语音信号处理、图像处理、医学信号处理、地球信号处理、雷达信号处理、通信信号处理等等众多领域取得了广泛的应用。所谓盲源分离，即在混合过程和被混合信号均未知的情况下，如何对传感器观测信号进行分析，并从观测值中恢复或估计出源信号。这样一个看似不可能解决的问题，在一定的假设下取得了巨大的成功，很多新颖而有效的解决方案层出不穷。<br>　　本文为心肺音混合声信号提供了一种新的盲源分离方法，该方法利用了非负矩阵分解、聚类分析以及时频掩码技术，并成功的将混迭的临床听诊声信号分离为心音和肺音两个独立的声信号。该方法分为三个阶段:1、分离阶段—将混合声信号的时域信号通过短时傅里叶变换得到心肺音时频信号，再将时频信号通过非负矩阵分解技术降维，得到心音或者肺音源信号的独立分量集;2、聚类阶段—利用所提出的聚类分析技术对源信号独立分量集进行分类训练，得到心音和肺音的时频谱信号;3、重构阶段—利用时频掩码技术和逆短时傅里叶变换将心音和肺音的时频谱信号重构为时域上的心音和肺音信号;本文实验数据来自开源数据集，将开源听诊胸音信号通过MATLAB进行仿真得到的实验结果证明了该方法的可行性。与此同时，为了验证心肺音盲源分离的实际应用可行性，我们制作了一个Android应用程序，并取得了很好的效果。本文还就心肺音盲源分离的相关技术做了阐述，其中主要介绍了盲源分离技术中的分类情况、典型代表独立成分分析技术和单通道盲源分离问题。