一种基于无线数据传输的压电薄膜超声传感器探测系统的制作方法

1.本发明属于超声传感器探测技术领域，具体为一种基于无线数据传输的压电薄膜超声传感器探测系统。


背景技术：

2.压电薄膜拥有独一无二的特性，作为一种动态应变传感器，非常适合应用于人体皮肤表面或植入人体内部的生命信号监测，一些薄膜元件灵敏到足以隔着外套探测出人体脉搏，压电薄膜超声传感器可以隔着衣服和被单准确测量收集患者的生命特征信息，柔性开关用于采集静态信号，病患所有的动态信号都由压电薄膜采集并转换成相应的电信号，在病床边上的显示器显示，而无需与病人直接接触。
3.目前，在通过压电薄膜超声传感器进行探测心音信号时，难免会引入一些噪声，对心音信号诊断之前必须对其做去噪处理，由于心音信号是非线性非平稳信号，对心音信号去噪处理常用小波变换去噪方法，但是传统的小波阈值函数去噪方法需要自定义阈值，去噪效果也不理想，且可能会滤除了大量的细节特征，从而无法对心音信号做出正确的判断，不利于压电薄膜超声传感器的精准探测工作。


技术实现要素：

4.(一)解决的技术问题
5.为了克服现有技术的上述缺陷，本发明提供了一种基于无线数据传输的压电薄膜超声传感器探测系统，本发明所要解决的技术问题是：通过压电薄膜超声传感器进行探测心音信号时，难免会引入一些噪声，对心音信号诊断之前必须对其做去噪处理，由于心音信是非线性非平稳信号，对心音信号去噪处理常用小波变换去噪方法，但是传统的小波阈值函数去噪方法需要自定义阈值，去噪效果也不理想，且可能会滤除了大量的细节特征，从而无法对心音信号做出正确的判断。
6.本发明的目的为：
7.通过探测模组采集心音信号，并且将信号放大后对其进行信号预处理，选用db6小波进行六层小波分解，通过自适应阈值的计算，并且进行最优阈值函数的选取，进行动态调整每一层小波系数的阈值计算函数实现更加合理的信号分解与降噪处理，其次利用蚁群算法的全局搜索性搜索最小均方误差的最佳阈值，蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声，还能保留信号细节特征，相较于传统降噪方式，信号的信噪比和均方根误差均得到明显的改善，有效对心音信号做出正确的判断。
8.进一步的，通过以无线smartair传输的方式进行信号传递，使信号得以快速远程传输至医务人员，有利于压电薄膜超声传感器的精准、高效探测工作。
9.(二)技术方案
10.为实现上述目的，本发明提供如下技术方案：一种基于无线数据传输的压电薄膜超声传感器探测系统，包括超声传感单元，所述超声传感单元的输入端与若干个探测模组
的输入端连接，所述超声传感单元的输出端通过前置电路放大模块与信号预处理单元的输入端连接，所述信号预处理单元的输出端通过去噪模块与a/d转换模块的输入端连接，所述a/d转换模块与数据储存单元双向连接，所述a/d转换模块的输出端分别与无线通讯模块和数字显示模块的输入端连接。
11.作为本发明的进一步方案：所述信号预处理单元包括信号提取模块和阈值处理单元，所述信号提取模块的输出端与阈值处理单元的输入端连接。
12.作为本发明的进一步方案：所述阈值处理单元包括自适应阈值计算模块和最优阈值函数选取模块，所述最优阈值函数选取模块的输入端与自适应阈值计算模块的输出端连接。
13.作为本发明的进一步方案：所述超声传感单元设置为压电薄膜超声传感器，且通过探测模组探测的动态信号由压电薄膜采集并转换成相应的电信号。
14.作为本发明的进一步方案：所述信号提取模块包含噪声信号模型，且表示为：
15.y(t)＝x(t) n(t)
16.其中，y(t)表示含噪心音信号，x(t)表示真实心音信号，n(t)表示高斯白噪声信号。
17.其中，离散小波函数表示为：
[0018][0019]
其中，2-j
为尺度因子，k.2-j
为平移因子。
[0020]
相应的离散小波变换表示为：
[0021][0022]
其中是的复合轭。
[0023]
作为本发明的进一步方案：所述对含有噪声心音y(t)的小波变换计算时，选用db6小波进行六层小波分解，进行小波六层分解得到相应层次的小波分解系数w
j,k
。
[0024]
作为本发明的进一步方案：所述自适应阈值计算模块用于根据小波分解系数进行最小均方误差的阈值计算。
[0025]
所述计算方式如下：
[0026]
001、首先对小波分解后的分解系数大于阈值的系数及低于阈值的系数进行计算，具体计算如下：
[0027][0028]
其中，小波分解后的分解系数大于阈值的系数分别为x(t)

、n(t)

，低于阈值的系数分别为x(t)-、n(t)-，得到新的阈值表达式表述为：
[0029]
[0030]
其中，wi(t)为离散小波变换系数，γ为阈值。
[0031]
002、其次，由离散小波变换分解获得的各分解系数的均方误差计算表达式为：
[0032][0033]
由于x(t)和n(t)之间的内积近似为零，简化上述公式mse(t)得出：
[0034][0035]
其中，
[0036]
所述简化后的公式中，分为以下两种表述方式：
[0037]
(1)当时，最小均方误差阈值函数为：
[0038][0039]
(2)当时，此时最小均方误差阈值函数为：
[0040][0041]
噪声方差表示为：
[0042][0043]
其中，wi(t)为离散小波变换的分解系数，median()为求中值函数，且不同层次的心音分解系数采用不同的最优阈值对其进行阈值处理。
[0044]
作为本发明的进一步方案：所述最优阈值函数选取模块采用全局搜索的蚁群算法进行计算，搜索最优阈值。
[0045]
所述最优阈值函数选取模块搜索阈值函数在最小均方误差mse(t)条件下，最小时的最优阈值t。
[0046]
所述最优阈值函数选取模块中蚁群算法优化搜索过程如下：
[0047]
a、首先进行相关参数初始赋值，n代表蚁群算法迭代次数，m代表蚁群中蚂蚁的数量，ρ表示信息素蒸发系数，τ0代表蚁群算法信息素强度初始值，q代表信息素增加的强度，α
代表信息素的重要程度，β代表启发式因子的重要程度，p表示转移概率。
[0048]
b、蚂蚁领域搜索的概率为：
[0049][0050]
其中，p
i,j
为蚂蚁从位置i转移到位置j的概率，τj为蚂蚁j的领域吸引强度，μ
i,j
定义为mse(t
i-tj)。
[0051]
c、τj表示为蚂蚁算法中信息更新强度，具体为：
[0052][0053][0054]
其中，δτj代表在本次计算中第j只蚂蚁吸引强度的增加量，lj为本次计算中mse(t)的变化量。
[0055]
d、判断算法是否收敛，若未收敛继续回到步骤b中继续搜索，若收敛则全局搜索结束，得到最优阈值t。
[0056]
设定蚂蚁数量50，迭代次数为100，α＝1，β＝6，ρ＝0.1，q＝100，τ0＝1，p＝0.9，通过蚂蚁算法对阈值进行优化选取，六层小波分解系数对应的阈值为(0.492，1.331，0352，0.056，0.061，0.058)。
[0057]
作为本发明的进一步方案：所述去噪模块用于将阈值处理单元计算的自适应阈值带入信号提取模块中进行计算，进行小波变换系数重构，最终得到去噪心音信号。
[0058]
作为本发明的进一步方案：所述a/d转换模块用于将去噪模块中得到的去噪心音模拟信号转换为时间离散、幅值也离散的数字信号。
[0059]
所述数字显示模块为lcd或oled显示器。
[0060]
所述无线通讯模块用于将a/d转化模块转化的数字信号通过无线smartair传输。
[0061]
(三)有益效果
[0062]
与现有技术相比，本发明的有益效果在于：通过探测模组采集心音信号，并且将信号放大后对其进行信号预处理，选用db6小波进行六层小波分解，通过自适应阈值的计算，并且进行最优阈值函数的选取，其次利用蚁群算法的全局搜索性搜索最小均方误差的最佳阈值，蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声，还能保留信号细节特征，相较于传统降噪方式，信号的信噪比和均方根误差均得到明显的改善，提高信号探测的准确性，有效对心音信号做出正确的判断，进一步的，通过以无线smartair传输的方式进行信号传递，使信号得以快速远程传输至医务人员，有利于压电薄膜超声传感器的精准、高效探测工作。
附图说明
[0063]
图1为本发明系统的原理示意图；
[0064]
图2为本发明阈值处理单元的示意框图；
[0065]
图3为本发明最优阈值函数选取模块中蚁群算法优化搜索流程图；
[0066]
图4为本发明自适应阈值计算模块的计算方式流程图；
[0067]
图5为本发明心音去噪流程图。
具体实施方式
[0068]
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0069]
如图1-图5所示，本发明提供一种技术方案：一种基于无线数据传输的压电薄膜超声传感器探测系统，包括超声传感单元，超声传感单元的输入端与若干个探测模组的输入端连接，超声传感单元的输出端通过前置电路放大模块与信号预处理单元的输入端连接，信号预处理单元的输出端通过去噪模块与a/d转换模块的输入端连接，a/d转换模块与数据储存单元双向连接，a/d转换模块的输出端分别与无线通讯模块和数字显示模块的输入端连接。
[0070]
信号预处理单元包括信号提取模块和阈值处理单元，信号提取模块的输出端与阈值处理单元的输入端连接。
[0071]
阈值处理单元包括自适应阈值计算模块和最优阈值函数选取模块，最优阈值函数选取模块的输入端与自适应阈值计算模块的输出端连接。
[0072]
超声传感单元设置为压电薄膜超声传感器，且通过探测模组探测的动态信号由压电薄膜采集并转换成相应的电信号。
[0073]
信号提取模块包含噪声信号模型，且表示为：
[0074]
y(t)＝x(t) n(t)
[0075]
其中，y(t)表示含噪心音信号，x(t)表示真实心音信号，n(t)表示高斯白噪声信号。
[0076]
其中，离散小波函数表示为：
[0077][0078]
其中，2-j
为尺度因子，k.2-j
为平移因子。
[0079]
相应的离散小波变换表示为：
[0080][0081]
其中是的复合轭。
[0082]
对含有噪声心音y(t)的小波变换计算时，选用db6小波进行六层小波分解，进行小波六层分解得到相应层次的小波分解系数w
j,k
。
[0083]
自适应阈值计算模块用于根据小波分解系数进行最小均方误差的阈值计算。
[0084]
计算方式如下：
[0085]
001、首先对小波分解后的分解系数大于阈值的系数及低于阈值的系数进行计算，具体计算如下：
[0086]
[0087]
其中，小波分解后的分解系数大于阈值的系数分别为x(t)

、n(t)

，低于阈值的系数分别为x(t)-、n(t)-，得到新的阈值表达式表述为：
[0088][0089]
其中，wi(t)为离散小波变换系数，γ为阈值。
[0090]
002、其次，由离散小波变换分解获得的各分解系数的均方误差计算表达式为：
[0091][0092]
由于x(t)和n(t)之间的内积近似为零，简化上述公式mse(t)得出：
[0093][0094]
其中，
[0095]
简化后的公式中，分为以下两种表述方式：
[0096]
(1)当时，最小均方误差阈值函数为：
[0097][0098]
(2)当时，此时最小均方误差阈值函数为：
[0099][0100]
噪声方差表示为：
[0101][0102]
其中，wi(t)为离散小波变换的分解系数，median()为求中值函数，且不同层次的心音分解系数采用不同的最优阈值对其进行阈值处理。
[0103]
最优阈值函数选取模块采用全局搜索的蚁群算法进行计算，搜索最优阈值。
[0104]
最优阈值函数选取模块搜索阈值函数在最小均方误差mse(t)条件下，最小时的最
优阈值t。
[0105]
最优阈值函数选取模块中蚁群算法优化搜索过程如下：
[0106]
a、首先进行相关参数初始赋值，n代表蚁群算法迭代次数，m代表蚁群中蚂蚁的数量，ρ表示信息素蒸发系数，τ0代表蚁群算法信息素强度初始值，q代表信息素增加的强度，α代表信息素的重要程度，β代表启发式因子的重要程度，p表示转移概率。
[0107]
b、蚂蚁领域搜索的概率为：
[0108][0109]
其中，p
i,j
为蚂蚁从位置i转移到位置j的概率，τj为蚂蚁j的领域吸引强度，μ
i,j
定义为mse(t
i-tj)。
[0110]
c、τj表示为蚂蚁算法中信息更新强度，具体为：
[0111][0112][0113]
其中，δτj代表在本次计算中第j只蚂蚁吸引强度的增加量，lj为本次计算中mse(t)的变化量。
[0114]
d、判断算法是否收敛，若未收敛继续回到步骤b中继续搜索，若收敛则全局搜索结束，得到最优阈值t。
[0115]
设定蚂蚁数量50，迭代次数为100，α＝1，β＝6，ρ＝0.1，q＝100，τ0＝1，p＝0.9，通过蚂蚁算法对阈值进行优化选取，六层小波分解系数对应的阈值为(0.492，1.331，0352，0.056，0.061，0.058)。
[0116]
去噪模块用于将阈值处理单元计算的自适应阈值带入信号提取模块中进行计算，进行小波变换系数重构，最终得到去噪心音信号。
[0117]
a/d转换模块用于将去噪模块中得到的去噪心音模拟信号转换为时间离散、幅值也离散的数字信号。
[0118]
数字显示模块为lcd或oled显示器。
[0119]
无线通讯模块用于将a/d转化模块转化的数字信号通过无线smartair传输。
[0120]
综上所得：
[0121]
通过探测模组采集心音信号，并且将信号放大后对其进行信号预处理，选用db6小波进行六层小波分解，通过自适应阈值的计算，并且进行最优阈值函数的选取，其次利用蚁群算法的全局搜索性搜索最小均方误差的最佳阈值，蚁群算法优化选取阈值的心音去噪效果不仅能够去除噪声，还能保留信号细节特征，相较于传统降噪方式，信号的信噪比和均方根误差均得到明显的改善，提高信号探测的准确性，有效对心音信号做出正确的判断，进一步的，通过以无线smartair传输的方式进行信号传递，使信号得以快速远程传输至医务人员，有利于压电薄膜超声传感器的精准、高效探测工作。
[0122]
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下
作出各种变化。