基于循环平稳信号理论的心音降噪声方法与应用研究

心音在获取过程中常常受到噪声的影响，比如听诊器（传感器）与皮肤的接触音和摩擦音、呼吸音、环境的音频干扰等等。噪声表现出非高斯、非平稳、有色等特性。噪声、心音的时频特征混叠在一起，导致传统的时频域降噪声方法性能不理想。从心音产生的机制看，心音具有周期性；而噪声是随机的。将信号分解到有关循环频率域，可实现心音与噪声分离。据此，本项目研究心音在循环频率域-时域、循环频率域-时域-频域等联合域的表达方法；研究心音的循环平稳增强方法（心音不是完全循环平稳的）；研究联合域内心音与噪声的分离方法；研究心音的循环平稳包络提取新方法；研究噪声的特性，提出模拟噪声的模型。预先理论研究表明，只要噪声与心音没有交叠的循环频率，可实现心音与噪声彻底分离。本项目极大地放宽了噪声的限制条件，提高了算法的适应性，使算法具有了实用价值。本项目的完成，有望使众多心音分析算法免受噪声的影响，成为自动心音分析的关键预处理技术。

心音在采集过程中常常会引入各种噪声，比如听诊器（传感器）与皮肤的接触音、摩擦音、呼吸音、环境的音频干扰等等。这些噪声常常兼具非高斯、非平稳、有色等特性。从时频域看，噪声与心音的时频特征常常混叠在一起，导致传统的时频域降噪声方法性能不理想。本项目从心音产生的机制出发，发现心音具有显著的周期性，而噪声通常是随机的，不具有周期性。为此，本项目将采集到的心音信号分解到循环频率域内，实现心音与噪声的分离，从而实现降噪声的目的。项目负责人将该项目分解为如下3部分研究内容：（1）研究心音在循环频率域-时域、循环频率域-时域-频域等联合域的表达方法；（2）研究心音的循环平稳增强方法（心音不是完全循环平稳的）；（3）研究噪声的特性，提出模拟噪声的模型。.围绕以上研究内容，本项目取得了如下研究成果。（1）提出了心音信号的循环平稳特性增强方法；（2）提出了心音信号在循环频率域-时域的联合表达方法、循环频率域-时域-频域的联合表达方法；（3）提出了联合域内的心音与噪声分离方法；（4）提出了心音信号的最佳子序列筛选方法；（5）提出了循环频率域内的心音分割方法；（6）提出了循环频率域内的心音与肺音的分离方法。.从理论上看，只要噪声与心音没有交叠的循环频率，可实现心音与噪声彻底分离，跟心音与噪声的信噪比无关。该方法极大的放宽了信噪比的限制条件，提高了降噪声算法的适应性。从实践结论上看，心音与噪声的信噪比可低至-10dB，相对于常规的频域、时频域降噪声方法有较大提高。本项目提出的算法，有一定使用价值，有望使众多心音分析算法免受噪声的影响，成为自动心音分析的关键预处理技术。.在以上研究内容的基础上，本项目小组发表了13篇相关论文，其中国际期刊9篇（含SCI刊源7篇），国内期刊2篇，国际会议1篇，国内会议1篇。以上研究论文有3篇获得辽宁省自然科学学术成果奖（学术论文类）一等奖。其中Segmentation of heart sounds based on dynamic clustering是Biomedical Signal Processing and Control在2012年最受欢迎的前25篇论文之一。