基于奇異譜去噪的心音信號混沌動力學(xué)分析.pdf

1、心音是人體重要的生理信號之一，它包含了心臟大量的生理和病理信息。而心臟是一個復(fù)雜的非線性動力系統(tǒng)，決定了由其產(chǎn)生的心音信號也具有一定的非線性特性和復(fù)雜性。常規(guī)的心音信號處理方法，如時頻分析、功率譜分析等都是建立在線性模型基礎(chǔ)之上的分析方法，只能反映信號的時域信息或頻域特性，卻并不能全面反映本質(zhì)為非線性的生理系統(tǒng)的動力學(xué)特性。新發(fā)展起來的混沌理論以及信號處理方法為研究心音信號提供了新的途經(jīng)。
　　然而，在對心音信號進行混沌分析之前，

2、必須對其進行去噪處理。傳統(tǒng)心音去噪方法在對心音進行去噪時常因去噪過度或者不完全，容易造成大量非線性特征信息的丟失，從而破壞了心音本身的動力學(xué)特性，這給后續(xù)心音的混沌動力學(xué)分析帶來了不利影響。
　　針對傳統(tǒng)心音去噪算法存在的不足，本文提出采用一種基于奇異譜分析的小波去噪方法來對心音信號進行去噪處理。首先，針對實際心音信號的噪聲特點，根據(jù)奇異譜的主成分分析特性，提出了一種多級奇異值分解算法（MS-SVD）來提取強噪聲條件下的心音信號，

3、通過對信號進行奇異值分解和重構(gòu)，能夠有效的從強噪聲中分離出心音信號。其次，由于分離出的心音信號在各個頻段仍含有部分噪聲，所以利用小波的多分辨率分析特性來對心音信號作進一步的去噪處理。而傳統(tǒng)小波閾值去噪方法在估計噪聲閾值時容易將部分高頻心音當(dāng)成噪聲，導(dǎo)致估計的閾值過大而造成心音能量損失。因此，本文采用心音基線來對信號中的噪聲閾值進行估計，并提出相應(yīng)的基線自動提取算法。最后，結(jié)合MS-SVD算法和改進的小波閾值去噪算法，提出了一種基于奇異譜

4、分析的心音信號小波去噪算法，并通過提出的改進算法對含噪心音信號進行仿真實驗。結(jié)果表明，不管是針對正常心音還是異常心音，改進的算法在對其進行去噪時均能達到滿意的去噪效果，且性能優(yōu)于傳統(tǒng)的心音去噪方法。同時，去噪后心音本身的動力學(xué)特性和非線性特征信息也得到了很好的保留。
　　另外，在深入分析心音信號去噪算法的基礎(chǔ)上，將混沌理論應(yīng)用到心音信號的分析中，開展對不同心臟疾病狀態(tài)下心音信號的混沌動力學(xué)研究。本文從混沌動力學(xué)系統(tǒng)所具有復(fù)雜性、確

5、定性以及自相似性等基本特征出發(fā)，采用基于熵的復(fù)雜性、基于定量遞歸的確定性以及基于分形幾何結(jié)構(gòu)的自相似性分析方法來研究心音，并從中選取了近似熵、遞歸值（遞歸率、確定率）和關(guān)聯(lián)維等4個關(guān)鍵混沌特征指標(biāo)對心音進行分析。文中主要選取正常心音和5種不同類型的心臟瓣膜疾病心音作為研究的對象，首先通過相空間圖和遞歸圖分別對這幾類心音進行定性的分析；然后利用所選特征參數(shù)對心音進行定量的分析，并計算其混沌特征值。結(jié)果表明，近似熵和關(guān)聯(lián)維能夠定量的反映心音