一种电子听诊器的毛刺噪声消除方法与流程

1.本发明属于生物医学信号处理领域，尤其涉及一种电子听诊器的毛刺噪声消除方法。


背景技术：

2.听诊器听诊是内科医生常用的诊断方式。传统听诊技术往往受就诊地点、医技水平的制约。近年来，随着电子科技的进步和数字信号处理技术的发展，电子听诊器越来越受到广泛的关注。电子听诊器不仅能实时听诊病人，还能将采集到的心肺音数据上传到云端，为后期基于深度学习的人工智能诊疗提供了可能。在病人病情轻微，或离医院较远的情况下，通过电子听诊器采集心肺音信号通过无线通信上传到云端，云端建立的专家系统能快速诊断患者疾病并返回诊断结果。该模式极大方便了心血管疾病的诊断。
3.电子听诊器的传感器及其敏锐，能将微弱的心音、肺音等生理声信号转化为电信号。实际操作中，容易在采集的心肺音信号中夹杂摩擦噪声。如听诊位置的切换和患者衣物的摩擦，或者是患者无意识的情况下很难配合医生听诊，造成采集到的心肺音信号会出现摩擦声的干扰。摩擦噪声在时域信号上表现为高尖的毛刺。毛刺噪声的出现，一方面对临床医生的疾病诊断造成影响，另一方面对云端的人工智能自动诊断来说，大大降低了信号质量，影响心肺音的定位和疾病种类识别。对于智能诊断来说，消除电子听诊器的毛刺噪声干扰是亟待解决的问题。
4.目前，针对音频信号的摩擦噪声消除，尚未有很好的解决办法。现有的专利多从硬件设计的角度来考虑该问题，然而硬件电路一旦设定就只能针对某些场景的噪声消除，或一定程序上减弱毛刺噪声的干扰。而临床医生在使用的过程中，情况是多变的。因此单靠硬件设计，难以解决临床采集的信号质量问题。随着现代信号处理技术的发展，为采集的心肺音数据进行后处理提供了一种思路。
5.从信号处理的角度考虑，毛刺噪声的频段往往与有用的心肺音信号在一个频段。常规的高低通滤波器、带通滤波器或者小波变换、经验模态分解等算法多用于心肺音信号的分离或常规的噪声滤除，很难处理与心肺音信号在一个频带内的毛刺噪声信号。
6.目前，对毛刺噪声的定位与消除是音频信号处理中的一个难点。而要实现准确的心肺音疾病诊断，该问题又亟待解决。


技术实现要素：

7.本发明的目的是提供一种电子听诊器的毛刺噪声消除方法，不需要进行时频域变换，只对毛刺噪声区域进行处理，能最大程度减弱心肺音信号的失真，且方法简单，计算速度快。
8.为达到上述目的，本发明采用的技术方案是：一种电子听诊器的毛刺噪声消除方法，包括以下步骤：
9.(1)获取时长为n的听诊器音频信号采样序列x(n),n＝1,2,...,n，并将其表示为
音频信号向量x；
10.(2)对听诊器音频信号向量x进行分帧处理，其中，第i帧的音频信号为x
i
，对第i帧信号进行短时能量值计算，得到第i帧信号的短时能量值e
i
，并记录与之对应的时间点t
i
，所有子帧的短时能量值组成短时能量向量e，所有时间点组成时间向量t；
11.(3)对短时能量向量e进行升序排列，得到排序后的短时能量序列e1，求出e1的短时能量平均值计算短时能量阈值thr，其中λ为可调参数，根据背景噪声强度来选取；
12.(4)对比短时能量序列e1中各帧短时能量值e
i
与短时能量阈值thr的大小关系，若e
i
≥thr，则该帧为毛刺噪声所在帧，记录e
i
对应的时间点t
i’，t
i’即为毛刺噪声点时刻；若e
i
<thr，继续下一帧短时能量对比直至所有帧对比完毕；对比完成之后，记录的n个时间点t
i’(i＝1，2，
…
n)组成毛刺噪声时间点向量t’；
13.(5)截取毛刺噪声片段：在听诊器音频信号向量x中，由毛刺噪声点时刻t
i’定位第i个毛刺噪声所在的位置，得到第i个时刻的毛刺噪声向量n
i
；
14.(6)对所有毛刺噪声向量n
i
进行中值滤波处理，得到去除毛刺噪声的音频信号向量x’。
15.所述步骤(1)中听诊器信号采样序列为电子听诊器采集的音频信号，通过蓝牙传送获得。
16.所述步骤(2)中分帧处理为：根据设定的帧长l和帧移l/2，对采集的音频信号进行分帧处理。
17.所述步骤(2)中第i帧信号的短时能量值e
i
为该子帧所有采样点的平方和，即第i帧的音频信号x
i
的短时能量e
i
为：
[0018][0019]
步骤(3)中的短时能量平均值的计算公式如下：
[0020][0021]
排序后的短时能量序列e1的前n1项为所需音频信号的短时能量值，末尾n2项为毛刺噪声的短时能量值，其中n1远大于n2。
[0022]
所述步骤(5)中在毛刺噪声点时刻t
i’定位第i个毛刺噪声所在的位置后，将(t
i
’‑
0.01,t
i’ 0.01)时刻内的音频数据选中，作为毛刺噪声向量n
i
。
[0023]
本发明具有的优点是：
[0024]
1.本发明通过对电子听诊器的心肺音信号进行分帧处理和短时能量计算，快速准确的定位电子听诊器采集的心肺音信号中的毛刺噪声位置；然后对毛刺噪声区域进行中值滤波，实现心肺音信号的毛刺消除。
[0025]
2.本发明能够实现一段心肺音听诊数据的单个和多个毛刺噪声消除，有利于后期的自动识别诊断。
附图说明
[0026]
图1为本发明毛刺噪声消除方法的流程图；
[0027]
图2为本发明中选取肺音信号的波形图；
[0028]
图3为本发明中所选肺音信号的短时能量图；
[0029]
图4为本发明肺音信号消除毛刺噪声后的波形图。
具体实施方式
[0030]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明，另外，此处描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0031]
如图1所示，本发明公开了一种电子听诊器的毛刺噪声消除方法，包括以下步骤：
[0032]
(1)获取时长为n的听诊器音频信号采样序列x(n),n＝1,2,...,n，并将其表示为音频信号向量x，听诊器音频信号采样序列为电子听诊器采集的音频信号，通过蓝牙传送获得。
[0033]
(2)对听诊器音频信号向量x进行分帧处理，其中，第i帧的音频信号为x
i
，对第i帧信号进行短时能量值计算，得到第i帧信号的短时能量值e
i
，并记录与之对应的时间点t
i
，所有子帧的短时能量值组成短时能量向量e，所有时间点组成时间向量t。
[0034]
分帧处理为：根据设定的帧长l和帧移l/2，对采集的音频信号进行分帧处理，分帧之后第i帧的音频信号为x
i
。
[0035]
对各子帧信号进行短时能量值计算：每个子帧的短时能量值e
i
的计算过程为：
[0036][0037]
其中l为帧长，计算完成之后，将该子帧的短时能量值e
i
与该子帧的时间t
i
相对应。
[0038]
(3)对短时能量向量e进行升序排列，得到排序后的短时能量序列e1，e1中前n1项为所需音频信号的短时能量值，末尾n2项内含有毛刺噪声的短时能量值，其中n1远大于n2，(这个n1和n2的划分，主要是前面n1项是正常数据的短时能量值，因为正常数据占了大多数，毛刺噪声的短时能量值被包含在剩下的n1项中，可以使n1＝3/4*n，n为总音频帧数，即步骤(4)的时间点数，n2＝1/4*n)求出n1项的短时能量平均值
[0039][0040]
根据前n1项的短时能量平均值设置短时能量阈值thr，其中λ为可调参数，根据背景噪声强度来选取，看毛刺噪声比正常数据高出多少来定。
[0041]
(4)根据选取的阈值，定位出短时能量向量e中，毛刺噪声所在的时间点，对比短时能量向量e中各帧短时能量值e
i
与阈值thr的大小关系，若第i帧短时能量值e
i
≥thr，则该帧为毛刺噪声所在帧，记录下该帧对应的时间点t
i’，若e
i
<thr,继续对比下一帧的短时能量e
i 1
与thr的大小关系，重复上述过程，直到对比完短时能量向量e中所有值，记录的n个时间点t
i’(i＝1，2，
…
n)组成毛刺噪声时间点向量t’。
[0042]
(5)截取毛刺噪声片段：在听诊器音频信号向量x中，由毛刺噪声时间点t
i’定位第i个毛刺噪声所在的位置，将(t
i
’‑
0.01,t
i’ 0.01)时刻内的音频数据选中，作为毛刺噪声向量n
i
。
[0043]
(6)对所有毛刺噪声向量n
i
进行中值滤波处理，得到去除毛刺噪声的音频信号向
量x’。
[0044]
中值滤波处理是在听诊器音频信号向量x中对所有t
i’定位得到的噪声向量n
i
进行中值滤波，即得到去除毛刺噪声的音频信号向量x’。
[0045]
在使用时，本发明可用于对电子听诊器的心音或肺音数据的处理。例如读取一段时长15秒、采样率fs＝8khz，带有毛刺噪声的电子听诊器肺音向量x，其时域波形图如图2所示。
[0046]
把听诊器肺音向量x以0.025s，帧长200，帧移80进行分帧处理，汉宁窗长度为200。15秒的数据长度分得1500帧。
[0047]
计算各帧的短时能量值，建立短时能量向量e，并建立与之对应的时间向量t。所选音频数据计算得到的短时能量值如图3所示。
[0048]
对短时能量向量e进行升序排列，得到升序排列后的短时能量向量为e1，取e1的前500点计算均值根据整体噪声水平，可调参数值设置为λ＝25。则短时能量阈值
[0049]
对比短时能量向量e中的值与短时能量阈值thr的大小关系，大于thr的短时能量值e
i
所对应的帧即为毛刺噪声所在的帧。记录下所有e
i
大于阈值thr的时间点t
i’，组成毛刺噪声时间点向量t’。
[0050]
根据毛刺噪声时间向量t’，对肺音信号x中的毛刺噪声点依次进行定位。依次对每一个定位的毛刺噪声点前后各取0.01秒数据，作为毛刺噪声片段。对于第i个毛刺噪声点，毛刺噪声向量为n
i
，长度为161。
[0051]
如图4所示，依次对所有毛刺噪声向量n进行中值滤波，即可消除肺音信号中的毛刺噪声。