一种基于短时能量的肺音吸呼比和呼吸频率计算方法

摘要

本发明公开了一种基于短时能量的肺音吸呼比和呼吸频率计算方法，包括以下步骤：(1)获取电子听诊器的肺音信号向量X；(2)对肺音信号向量X进行预处理；(3)对预处理后的肺音信号向量X进行归一化处理，得到向量X1；(4)对向量X1进行音频信号分帧处理；(5)计算各子帧的短时能量值e(i)，得到与时间相对应的短时能量向量E；(6)对短时能量向量E进行样条插值；(7)设置合适的阈值th，划分吸气间期yxq(i)和呼气间期yhq(i)，得到该段时间内的吸气间期向量Yxq和呼气间期向量Yhq；(8)计算吸气间期向量Yxq和呼气间期向量Yhq的平均值和得到吸呼比数值Ra和呼吸频率数值Fr。本发明能够根据肺音信号计算吸呼比和呼吸频率，方法简单，高效便捷。

说明书

技术领域

本发明涉及生物医学信号处理领域，具体涉及一种基于短时能量的肺音吸呼比和呼吸频率计算方法。

背景技术

近年来，由于历史工业发展的遗留问题，空气污染一直存在。因环境问题导致呼吸系统疾病的发病率也越来越高，肺部又是呼吸系统疾病诊断的关键。

目前，临床上大量的呼吸系统疾病都需要通过呼吸音来诊断。呼吸音信号是人体重要的生理信号之一，它是由正常人呼吸时，气流通过呼吸道和肺泡，产生湍流引起振动而产生。随着国内外电子听诊设备的研究与发展，为呼吸音的定量分析与呼吸音信号的特征值提取提供了便利。

常规吸呼比和呼吸频率的计算多采用肺功能测试仪，在病人病情不严重，或不方便去医院的情况下，采用电子听诊器进行远程辅助监测既操作简单又节省了病人开销。因此，可以开发一种计算吸呼比和呼吸频率的新方法，能更好的利用电子听诊器采集的呼吸音数据，为临床诊断提供更多的生理参数信息。

发明内容

本发明的目的是提供一种基于短时能量的肺音吸呼比和呼吸频率计算方法，能够根据肺音信号计算吸呼比和呼吸频率，方法简单，高效便捷。

为实现上述目的，本发明采用的技术方案是：一种基于短时能量的肺音吸呼比和呼吸频率计算方法，其特征在于，包括以下步骤：

(1)、获取电子听诊器的肺音信号向量X；

(2)、对肺音信号向量X进行预处理；

(3)、对预处理后的肺音信号向量X进行归一化处理，得到向量X

(4)、对向量X

(5)、计算各子帧的短时能量值e(i)，得到与时间相对应的短时能量向量E；

(6)、对短时能量向量E进行样条插值；

(7)、对短时能量向量E进行峰值检测，检测出短时能量向量E的峰值点，然后设置合适的阈值th，划分吸气间期y

(8)、计算吸气间期向量Y

进一步地，所述步骤(1)中肺音信号向量X为电子听诊器采集的数字音频信号向量X。

进一步地，所述步骤(2)中预处理包括带通滤波、毛刺噪声消除、低频噪声消除、高频噪声消除。

进一步地，所述步骤(3)中归一化处理为对肺音信号数字信号向量X的第i值x(i)归一化的值v为：

v＝x(i)/max(abs(x)) (1)。

进一步地，所述步骤(4)中音频信号分帧处理为：根据设定的帧长l和帧移l/2，对采集的肺音信号进行分帧处理，分帧之后第i帧的肺音信号为Y

进一步地，所述步骤(5)中计算各子帧的短时能量值e(i)，每个子帧的短时能量为该子帧所有采样点的平方和，第i帧的肺音信号Y

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，生成短时能量向量E。

进一步地，所述步骤(6)中样条插值的次数为3次，降低短时能量向量E的稀疏度，减小吸气和呼气间期选取的误差。

进一步地，所述步骤(7)中划分吸气间期y

本发明具有的优点是：

本发明提供的基于短时能量的肺音吸呼比和呼吸频率计算方法，通过对电子听诊器采集的肺音信号进行特征提取，根据吸气阶段和呼气阶段的短时能量差异来区分吸气间期和呼气间期，进而计算吸呼比和呼吸频率。本方法计算简单高效，适用于远程听诊系统。

本发明能够根据肺音信号计算吸呼比和呼吸频率，能更好的利用电子听诊器采集的呼吸音数据，为临床诊断提供更多的生理参数信息。

附图说明

图1为本发明吸呼比和呼吸频率计算方法的流程图；

图2为本发明实施例中毛刺信号消除算法的流程图；

图3为本发明实施例中所选音频信号片段的波形图；

图4为本发明实施例中所选音频的短时能量图。

具体实施方式

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。

如图1所示，本发明公开了一种基于短时能量的肺音吸呼比和呼吸频率计算方法，其特征在于，包括以下步骤：

(1)、获取电子听诊器的肺音信号向量X，肺音信号向量X为电子听诊器采集的数字音频信号向量X，如图3所示。

(2)、对肺音信号向量X进行预处理，预处理包括带通滤波、毛刺噪声消除、低频噪声消除、高频噪声消除。选用巴特沃斯带通滤波器滤波，过滤掉25Hz和高于400Hz的部分。同时采集的肺音信号因听诊器与皮肤接触不可避免的引入摩擦噪声，摩擦噪声在时域信号上表现为高尖的毛刺信号，其幅值经常高于肺音信号。为避免引入误差，需对肺音信号进行毛刺噪声消除。如图2所示，毛刺噪声消除过程如下：

(a)将肺音信号按0.5秒窗宽进行等间距分割，所选数据采样率为8000Hz，每个窗内有4000个采样点；

(b)对窗内采样点取绝对值，计算出该窗口内绝对幅值Ave的平均值并找出最大绝对幅值fmax；

(c)若当前窗口的最大绝对幅值fmax超过绝对幅值平均值Ave的三倍，该点即为毛刺噪声点，执行步骤(d)，若不满足跳转至步骤(e)；

(d)该点之前最后的过零点为毛刺噪声的开始点，该点之后的第一个过零点为毛刺噪声的结束点，对毛刺噪声区间内的信号进行平滑滤波。

(e)预处理结束，进行下一步处理。

(3)、对预处理后的肺音信号向量X进行归一化处理，得到向量X

v＝x(i)/max(abs(x)) (1)。

(4)、对向量X

(5)、计算各子帧的短时能量值e(i)，每个子帧的短时能量为该子帧所有采样点的平方和，第i帧的肺音信号Y

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，生成短时能量向量E，如图4所示。

(6)、对短时能量向量E进行3次样条插值，降低短时能量向量E的稀疏度。

(7)、对短时能量向量E进行峰值检测，检测出短时能量向量E的峰值点，然后设置合适的阈值th，此处的阈值th根据短时能量向量E的峰值点来确定，具体可以设置为：(短时能量向量E的峰值点的平均值)/5；划分吸气间期y

(8)、计算吸气间期向量Y