[0001] 本实用新型涉及生物医学信号分析技术领域，特别涉及一种肺音信号采集装置。

[0002] 肺是人体的呼吸器官，也是人体重要的造血器官。肺音是肺与外界进行气体交换时产生的一种声音信号，通过反映人体呼吸道的状况，进而反映人体肺部的健康程度。通过对肺音信号提取特征并进行分析，判断出所属的疾病种类，是目前的一项热点研究领域。

[0003] 常见呼吸系统疾病大致可以分为：哮喘、慢性阻塞性肺疾病、慢性支气管炎、气肿、肺癌、囊性纤维化、肺炎、胸腔积液等种类。在医院里，医生通常采用传统听诊器听取肺部声音，作为判断肺部疾病的依据，但受限于医生本身的听觉情况、从医经验等因素，判断结果会有失客观性。为此，希望引入数字声音分析算法来进行肺音的辨识。由于肺音本身非线性、非平稳的特性，使用传统的时域分析或者频域分析方法，其结果都不甚理想。实用新型内容

[0004] 本实用新型的目的在于改善现有技术中所存在的不足，提供一种肺音信号采集装置。

[0005] 为了实现上述实用新型目的，本实用新型实施例提供了以下技术方案：

[0006] 一种肺音信号采集装置，包括：

[0007] 肺音传感器，用于采集肺部声音信号；

[0008] 放大器，用于将肺音传感器采集的肺部声音信号进行放大；

[0009] A/D采集卡，用于将放大后的肺部声音信号转换为上位机可识别的肺部声音信号；

[0010] 上位机，用于接收并分析A/D采集卡转换后的肺部声音信号。

[0011] 使用肺音传感器采集被测者肺部声音信号，经放大器进行滤波放大后，使用USB连接A/D采集卡将肺部声音信号转换为上位机可识别的肺部声音信号，上位机对肺部声音信号进行暂存后，上传至云端进行存储和分析。

[0012] 更进一步地，为了更好的实现本实用新型，所述肺音传感器的型号为HKY-06F。

[0013] 所述肺音信号采用新型高分子聚合材料微音传感元件采集心脏搏动和其他体表动脉搏动信号，再经过高度集成化信号处理电路处理，输出低阻抗音频信号，且增加了抗环境噪音功能。

[0014] 与现有技术相比，本实用新型的有益效果：

[0015] 本实用新型以肺音传感器、放大器、A/D采集卡、上位机搭建的肺音采集装置，其操作简单、体积小，方便对肺音信号进行采集，对受测者没有任何副作用。

[0028] 下面将结合本实用新型实施例中附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本实用新型实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本实用新型的实施例的详细描述并非旨在限制要求保护的本实用新型的范围，而是仅仅表示本实用新型的选定实施例。基于本实用新型的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本实用新型保护的范围。

[0029] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

[0030] 实施例1：

[0031] 本实用新型通过下述技术方案实现，如图1所示，一种肺音信号采集装置，包括依次电连接的肺音传感器、放大器、A/D采集卡、上位机，使用肺音传感器采集被测者肺部声音信号，以下简称肺音信号，经放大器进行滤波放大，由于肺音传感器采集的肺音信号为模拟信号，因此要使用USB连接A/D采集卡将来自肺音传感器的肺音信号转换为上位机可识别的数字信号，上位机将转换后的肺音信号进行暂存，再上传云端进行存储和分析。

[0032] 其中，所述肺音传感器包括高度集成化信号处理电路，该传感器具有一定的抗环境噪音功能，具有可靠性高、灵敏度高、体积小、使用方便等优点。A/D采集卡为16位，将原始的肺音信号转换为上位机可识别的数字信号，再使用上位机内的音频录制软件来现实肺音信号的波形及数据存储。

[0033] 需要说明的是，所述肺音传感器的型号为HKY-06F，其采用新型高分子聚合材料微音传感元件采集心脏搏动和其他体表动脉搏动信号，再经过高度集成化信号处理电路处理，输出低阻抗音频信号。该传感器在HKY-06B的基础上增加了抗环境噪音功能。

[0034] 本装置直接获得有效的人体肺音信号，并且在上位机中现实信号波形，反应出波形的特征，从而判断被测者的肺部情况，排除了人为监听肺部声音的不准确影响。

[0035] 基于上述肺音信号采集装置，对采集到的肺音信号进行分析，提出一种肺音信号分析方法，如图2所示，具体包括以下步骤：

[0036] 步骤S100：接收原始的肺部声音信号。

[0037] 肺音传感器采集被测者的肺音信号，经放大器滤波放大后，使用外置的A/D采集卡对肺音信号进行转换。

[0038] 步骤S200：对原始的肺部声音信号进行分解，从原始的肺部声音信号中提取若干个本征模态函数IMF。

[0039] 将采集的原始肺音信号进行分解，分解为如图4所示的若干个本征模态函数IMF，其中图4(a)为正常健康人员的波形图，图4(b)为呼吸道疾病患者的波形图。

[0040] 步骤S300：获得本征模态函数IMF后，选取与原始肺部声音信号最接近的一个本征模态函数IMF，基于该本征模态函数进行希尔伯特黄变换，得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图。

[0041] 原始肺音信号经步骤S200分解为多条本征模态函数IMF后，根据频率可以判断出，在如图4(a)或图4(b)所示的本征模态函数中，IMF1～IMF5的频率过高，为背景噪声或者引入噪声，IFM7～IMF10的频率过低，属于身体其他器官噪声，IMF6的波形特征符合肺音信号波形特征，因此选取IMF6作为与原始肺音信号最接近的一个本征模态函数。

[0042] 所述基于该本征模态函数进行希尔伯特黄变换，得到原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图的步骤，包括：

[0043] 步骤S301：对与原始肺部声音信号最接近的本征模态函数IMF6的实信号pi(t)做Hilbert希尔伯特黄变换：

[0044]

[0045] 定义t的区间为(-∞＜t＜+∞)；

[0046] 步骤S302：对通过希尔伯特黄变换的实信号pi(t)构造其复函数zi(t)，并求取其相位导数，构造的复函数为：

[0047] zi(t)＝pi(t)+jH[pi(t)]

[0048] 将复函数zi(t)表示为指数形式：

[0049]

[0050] 其中，幅值ai(t)为：

[0051]

[0052] 相位φi(t)为：

[0053]

[0054] 进一步地，对相位φi(t)做微分，获得pi(t)的瞬时频率fi(t)：

[0055]

[0056] 可以看出，fi(t)是时间t的单值函数，即某一时间对应了某一频率，并且做Hilbert希尔伯特黄变换的序列必须是单分量信号，因此再次证明IMF6可用。

[0057] 步骤S303：对实信号pi(t)进行Hilbert时频谱求取：

[0058]

[0059] 记为：

[0060]

[0061] H(w,t)精确地描述了信号的幅值随时间、频率的变化规律。

[0062] 步骤S304：对H(w,t)的时间轴进行积分，得到Hilbert边际谱：

[0063]

[0064] 步骤S305：根据Hilbert时频谱和Hilbert边际谱绘制原始肺部声音信号的Hilbert时频谱图和Hilbert边际谱图。

[0065] 通过Hilbert时频谱和Hilbert边际谱中的瞬时频率fi(t)和幅值ai(t)等可以绘制出原始肺音信号的Hilbert时频谱图和Hilbert边际谱图。由于将原始肺音信号进行分解时具有自适应性，因此得到的Hilbert边际谱图能比较准确、直观地反映出信号的实际频率成分。

[0066] 步骤S4：对Hilbert边际谱图中的瞬时频率极值和瞬时频率幅度进行分析，判断被测者的肺部情况。

[0067] 对得到的Hilbert边际谱图中瞬时频率极值和幅度进行分析，分析正常受测者和典型肺部疾病患者的频谱差异，并对结果进行简要分析。

[0068] 本实用新型采用肺音传感器、放大器、A/D采集卡、上位机等硬件搭建肺音信号采集装置，利用该装置采集的原始肺音信号，上传至云端进行存储和分析，分析时首先对原始肺音信号进行希尔伯特黄变换，消除受内脏器官影响而叠加的多种不同频率杂波信号；并提出肺音本征模态函数，利用希尔伯特时频谱图和边际谱图对本征肺音信号进行分析，通过肺音频率振幅变化作为呼吸道疾病检测的一个判断依据。

[0069] 实施例2：

[0070] 对多名已知健康状况的实验人员进行肺音信号的采集和希尔伯特黄变换分析，其中典型正常健康人员的原始肺音信号波形图如图3(a)所示，典型呼吸道疾病患者的原始肺音信号波形图如图3(b)所示，分别对图3(a)、3(b)图进行希尔伯特黄变换，提取出本征模态函数IMF，得到的结果分别如图4(a)、图4(b)所示，继而得到如图5(a)、图5(b)所示的Hilbert时频谱图，如图6(a)、图6(b)所示的Hilbert边际谱图。

[0071] 通过对图5(a)、图5(b)时频谱图的对比可以看出，正常健康人员的时频谱图随着时间的变化，能量集中分布在低频部分；与之相比，呼吸道疾病患者的时频谱图随着时间的变化，能量分散在高频部分。

[0072] 更进一步地，选择正常健康人员的肺音信号均值进行分析，图7为正常健康人员的边际谱均值波形示意图，图7中的参数为边际谱的频率极值、幅值、面积。那么正常健康人员的边际谱均值计算结果如表1所示：

[0073] 边际谱分析 频率 幅值 面积均值 11.945Hz 0.366 5.757

[0074] 表1

[0075] 正常健康人员的边际谱频率和幅值的均值为(11.945Hz，0.366)，图形区域面积为5.757；另外呼吸道疾病患者的边际谱频率和幅值的均值为(358.313Hz，0.031)，图形区域面积为0.530。正常健康人员和呼吸道疾病患者的边际谱均值计算结果如表2所示：

[0076]

[0077]

[0078] 表2

[0079] 通过表2的数据对比分析，正常肺音信号的边际谱中最大峰值所对应频率集中在低频部分，异常肺音信号边际谱中最大峰值所对应频率要比正常肺音信号高。结果表明，当人体出现疾病在肺部形成异常音，比如呼哧呼哧的声音时，该肺音信号的峰值会逐步偏移到高频部分，且声音的幅值降低，频域面积减小。

[0080] 本实用新型提出一种肺音信号分析方法，通过肺音信号采集装置记录受测者的呼吸声，利用西伯尔特变换进行特征分析，得到以下结论：

[0081] 呼吸道疾病患者的肺音信号，其希尔伯特时频谱和边际谱有可能会出现一种不同于健康人的状况。健康人的肺音信号时频谱图的能量集中分布在几十赫兹的低频部分，而肺部疾病患者的肺音信号时频谱图的能量较为分散，且分布在几百赫兹的高频部分。因此，通过对比分析两者的时频谱图以及边际谱图最大峰值所对应的频率、幅值、面积，就可以对正常健康人群和患有呼吸道疾病人群进行分类，从而判断受测者是否患有呼吸道疾病。

[0082] 本实施列的其他部分与上述实施列相同，故不再赘述。

[0083] 为本实用新型的具体实施方式，但本实用新型的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内，可轻易想到变换或替换，都应涵盖在本实用新型的保护范围之内。因此，本实用新型的保护范围应所述以权利要求的保护范围为准。