一种人体心肺音实时盲分离方法及系统技术方案

本发明专利技术公开了一种人体心肺音实时盲分离方法及系统，该方法包括：步骤1、采集人体心肺音信号；步骤2、对人体心肺音信号进行预处理，得到预处理后的人体心肺音信号；步骤3、将预处理后的人体心肺音信号变换到时频域，获得非负频谱；步骤4、采用非负频谱构造盲信号矩阵V，将盲信号矩阵V分离得到初始矩阵Wk和Hk；其中，Wk为系数矩阵，Hk为源矩阵；步骤5、采集新的人体心肺音信号，进行预处理后变换到时频域得到新的非负频谱，构造新的盲信号矩阵Vk+1进行在线非负矩阵分解，分解出新的矩阵Wk+1和hk+1，利用Wk+1和hk+1分离出新的人体心音信号和肺部呼吸音信号。该方法实现直接进行非负矩阵分解进行盲分离，无需把旧数据和新数据进行数据重组。

A real time blind separation method and system for human heart and lung sounds

The invention discloses a human heart lung sound real-time blind separation method and system, the method comprises the following steps: 1, collecting human heart and lung sound signal; step 2 on human body, heart and lung sound signal preprocessing, get the human heart and lung sound signal pretreatment; step 3, after pretreatment of the human body heart and lung sound signal into the time-frequency domain, non negative spectrum; step 4, using non negative matrix V spectrum structure of blind signal, blind signal matrix V isolated initial matrix Wk and Hk; among them, Wk is the coefficient matrix, Hk as the source matrix; step 5, the heart and lungs from the new collection number, for after the pretreatment is transformed to the frequency domain to get the new non negative spectrum, the construction of a new blind signal matrix Vk+1 on-line non negative matrix factorization, the decomposition of matrix Wk+1 and hk+1, using Wk+1 and hk+1 to separate the new human heart sound signal and respiratory information Number\u3002 This method realizes the blind separation of non negative matrix factorization directly, and does not need to recombine the old data and the new data.

【技术实现步骤摘要】
一种人体心肺音实时盲分离方法及系统
本专利技术涉及信号处理
，特别是涉及一种人体心肺音实时盲分离方法及系统。
技术介绍
目前的采用非负矩阵分解进行盲分离心肺音的方法，在采集到一段心肺音信号后，进行盲分离，分离出心音信号和肺部呼吸音信号后，如果采集到一个新的心肺音信号点后，必须把以前的心肺音信号结合一起，再重新进行盲分离。例如医院采集到100个心肺音信号数据点，开始进行盲信号分离，分离出心音信号和肺部呼吸音信号，之后又采集到一个新的心肺音信号数据点，系统需要把前面的100个数据点整合在一起，成为101个数据点，重新进行盲信号分离，得出新的心音信号和肺部呼吸音。若再采集到一个新的心肺音信号数据点，还必须按照上面的步骤重新开始，必须把旧数据和新数据进行数据重组，比较繁琐。现有的采用非负矩阵分解进行盲分离心肺音的方法的缺点是无法进行在线分离，若采集的数据点是100000点，分离出心音和肺音需要5分钟，当得到新的数据点的时候，又要花5分钟进行盲分离，必须把旧数据和新数据进行数据重组，比较繁琐。
技术实现思路
本专利技术的目的是提供一种人体心肺音实时盲分离方法及系统，以实现直接进行非负矩阵分解本文档来自技高网...

【技术保护点】
一种人体心肺音实时盲分离方法，其特征在于，包括：步骤1、采集人体心肺音信号；步骤2、对人体心肺音信号进行预处理，得到预处理后的人体心肺音信号；步骤3、将预处理后的人体心肺音信号变换到时频域，获得非负频谱；步骤4、采用非负频谱构造盲信号矩阵V，将盲信号矩阵V分离得到初始矩阵Wk和Hk；其中，Wk为系数矩阵，Hk为源矩阵；步骤5、采集新的人体心肺音信号，进行预处理后变换到时频域得到新的非负频谱，构造新的盲信号矩阵Vk+1进行在线非负矩阵分解，分解出新的矩阵Wk+1和hk+1，利用Wk+1和hk+1分离出新的人体心音信号和肺部呼吸音信号。

【技术特征摘要】
1.一种人体心肺音实时盲分离方法，其特征在于，包括：步骤1、采集人体心肺音信号；步骤2、对人体心肺音信号进行预处理，得到预处理后的人体心肺音信号；步骤3、将预处理后的人体心肺音信号变换到时频域，获得非负频谱；步骤4、采用非负频谱构造盲信号矩阵V，将盲信号矩阵V分离得到初始矩阵Wk和Hk；其中，Wk为系数矩阵，Hk为源矩阵；步骤5、采集新的人体心肺音信号，进行预处理后变换到时频域得到新的非负频谱，构造新的盲信号矩阵Vk+1进行在线非负矩阵分解，分解出新的矩阵Wk+1和hk+1，利用Wk+1和hk+1分离出新的人体心音信号和肺部呼吸音信号。2.如权利要求1所述的方法，其特征在于，步骤5之后，还包括：将得到的新的人体心音信号和肺部呼吸音信号进行在线分析。3.如权利要求1所述的方法，其特征在于，所述预处理为短时傅立叶变换。4.如权利要求1所述的方法，其特征在于，Wk+1的迭代公式如下：hk+1的迭代公式如下：其中，Wk+1为迭代更新后的系数矩阵，为初始的源矩阵，为原始数据矩阵，为新数据向量，为迭代更新后的源数据，δ＝10-9，α为旧数据的权重，β为新数据的权重。5.一种人体心肺音实时盲分离系统，其特征在...

【专利技术属性】
技术研发人员：杨祖元，何孝文，杨浩，谢胜利，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44