The invention relates to an application of noise reduction of heart sound signal based on genetic algorithm and Mala algorithm. This method optimizes the threshold by genetic algorithm, and uses the optimized threshold of the Mala algorithm to denoise the heart sound signal in high and low frequency bands. Finally, the signal to noise ratio is used to denoise the effect. This method has the advantages of fast processing speed, retaining more detailed signals, distinguishing useful signals from noises without introducing new noises, and has good denoising effect.
【技术实现步骤摘要】
基于遗传算法优化阈值的Mallat算法在心音信号降噪的应用
本专利技术属于心音处理
和信号处理领域,具体设计一种基于遗传算法优化阈值的Mallat算法的小波变换对心音信号进行优化处理。
技术介绍
一个正常的心动周期包含四个心音的组成,往往用S1、S2、S3、S4来划分,通常情况下S3、S4强度很低,一般只考虑S1、S2信号。其中S1是在心室收缩时期,S2是在心室舒张时期。心音频率一般处于1-1000Hz范围内,其中S1、S2信号主要集中在50-200Hz,大部分噪音集中在40-600Hz甚至更高频率。杂音包括呼吸、心尖搏动、环境噪音,以及电子仪器的离散噪声、电阻热噪与音频格式转换时引入的噪声。仪器采集的心音信号不可避免的掺杂着机械噪声、肌电噪声等噪声,因此如何快速处理信号获取过程中由于各种原因而掺杂引入的噪声成为一个重要课题。传统的去噪方法,如傅立叶信号分析法等是对信号全局的分析,而不能很好的对信号的微细部分进行处理。小波变换(wavelettransform,WT)将信号细分为多个小波函数,再通过局部时频变化提取有效信息。马拉(Mallat)算法是一种处理信号的快速分解和重构算法。遗传算法(GeneticAlgorithm,GA),是一种全局搜索的优化方法。本专利技术通过遗传算法优化马拉算法分解过程中使用的阈值,使得在保留较好细节条件下提高对心音信号的去噪能力。经验模态分解(EmpiricalModeDecomposition,EMD),是一种实现信号平滑的自适应时频处理方法。随时间序列发展,方差、均值与当下是相同的,即可以在时间上预知未来,这样就 ...
【技术保护点】
1.基于遗传算法优化阈值的Mallat算法对心音信号进行快速去噪处理的方法,其特征在于,包括如下步骤:1)获取待处理的心音信号;2)确定小波基与分解层数;3)将步骤1所得的心音信号进行分解;4)通过GA对步骤3中的小波系数的阈值进行优化;5)重建心音信号,用EMD算法得到包络图;6)计算信噪比。
【技术特征摘要】
1.基于遗传算法优化阈值的Mallat算法对心音信号进行快速去噪处理的方法,其特征在于,包括如下步骤:1)获取待处理的心音信号;2)确定小波基与分解层数;3)将步骤1所得的心音信号进行分解;4)通过GA对步骤3中的小波系数的阈值进行优化;5)重建心音信号,用EMD算法得到包络图;6)计算信噪比。2.根据权利要求1所述的基于Mallat算法对心音信号进行处理的方法,其特征在于,所述步骤1具体为:具体流程如附图1所示,获取一段心音信号,设原始信号的模型为:(1)其中,S(x)为含噪信号,f(x)为真实信号,n(x)为噪声,我们主要滤去中高频信号中的噪声,信号实际采样频率f为2000Hz。3.根据权利要求1所述的基于遗传算法优化阈值的Mallat算法对心音信号进行处理的方法,其特征在于,所述步骤2具体为:选择db10小波函数作为小波基,它的特点是双正交性与支撑性,并且不严格对称,保证了良好的时频局部特性,平滑性强,重建时失真率低,分解后高频部分认为是噪声,低频部分是有效的信号,可对心音信号进行一定层数的分解,然后在每层上使用不同的阈值进行处理,达到去噪的目的,分解层数越多,其高频部分被去除得越多,但过多的层数会导致分解过度,即部分有用信号被剔除出去,根据所需的S1、S2信号所在频率,选用分解层数为6层。4.根据权利要求1所述的基于遗传算法优化阈值的Mallat算法对心音信号进行处理的方法,其特征在于,所述步骤3具体为:若原始信号为s(t)=A0,k,其分解算法为:(2)(3)其中:t为离散时间序列号,t=1,2,…,N;j为层数,j=1,2,…,J;J=log2N,H是低通滤波器,G是带通滤波器,Aj,k和Dj,k分别为信号在第j层的低频部分和高频部分的小波系数;由多分辨率理论可得:(4)其中,Pjf(t)是函数f(t)在分辨率j下的平滑逼近,xn(j)是线性组合的权重,Фjn(t)是离散正交小波基;再对信号进行一定层数分解,这里以第一层的分解为例,令式4中的j为0,可求得近似系数xk(1)为:(5)1层细节系数dk(1)为:(6)使用递归算法即可求得其余层数的近似系数及细节系数。5.根据权利要求1所述的基于遗传算法优化阈值的Mallat算法对心音信号进行处理的方法,其特征在于,所述步骤4具体为:一般来说,阈值是由原信号的信噪比选定的,阈值过大会使得信号边缘信息也被过滤掉,过小的阈值则无法有效过滤噪音,本发明采用遗传算法优化阈值,待阈值δj如式7所示:(7)式中n为信号的长度,ω为0到1之间的一个数值,根据分解层数的不同采用了不同的阈值,从而进一步在保留信号有效成分...
【专利技术属性】
技术研发人员:郑永军,狄韦宇,黄铭,
申请(专利权)人:中国计量大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。