基于香农能量算法的心音信号包络提取源码

资 源 简 介

本项目主要用于对原始心音信号进行包络提取，是心音信号分析与自动诊断的前端预处理环节。程序首先对采集到的心音信号进行归一化处理，并利用巴特沃斯带通滤波器去除呼吸音、摩擦音等背景噪声干扰。核心处理阶段采用香农（Shannon）能量算法，通过计算归一化信号幅度的平方与其对数的乘积，非线性地放大信号中的高能量成分（如第一心音S1和第二心音S2），同时有效抑制低幅度的随机噪声。最后，系统通过特定的平滑滤波或滑动窗口算法对香农能量序列进行处理，生成平滑的心音包络曲线。该算法能清晰地勾勒出心音周期的形态，极大地提高了后续心音切分、特征提取以及病理性杂音识别的准确率。

详 情 说 明

基于香农能量算法的心音信号包络提取 (Shannon Energy Envelope Extraction)

项目介绍

本项目实现了一套基于香农（Shannon）能量算法的心音信号（PCG）包络提取系统。作为心音分析与自动诊断的前端预处理环节，该算法能够有效抑制背景噪声，放大心音信号中的关键成分（如第一心音S1和第二心音S2），并提取出光滑的包络曲线。这一处理过程对于后续的心音切分、特征提取以及病理性杂音识别具有重要的意义。

本项目完全基于MATLAB编写，包含了从信号模拟生成、预处理、核心特征计算到最终包络平滑的全流程实现。

功能特性

• 高保真信号模拟：内置心音生成算法，能够模拟包含S1、S2成分的心音信号，并叠加高斯白噪声、50Hz工频干扰以及低频基线漂移，以此模拟真实的采集环境。
• 信号预处理：集成归一化处理与高阶巴特沃斯带通滤波器，有效滤除呼吸音（极低频）和环境高频噪声。
• 香农能量计算：利用香农能量算法的非线性特性，增强信号中的有效成分，显著抑制低幅度的随机噪声。
• 包络平滑提取：采用零相位滑动平均滤波技术，从能量序列中提取出平滑且无相位延迟的心音包络。
• 全流程可视化：提供四个维度的波形对比显示，直观展示从原始含噪信号到最终包络的处理效果。

系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox（信号处理工具箱）

使用方法

直接运行主脚本即可启动程序。程序将自动执行以下步骤：

1. 生成一段时长为5秒、采样率为2000Hz的模拟心音信号。
2. 依次执行归一化、带通滤波、香农能量计算和平滑处理。
3. 弹出一个包含四个子图的图形窗口，展示处理过程中的各阶段波形。

算法实现细节与逻辑分析

本项目主要包含以下核心处理模块，其逻辑严格对应代码实现：

1. 信号获取与生成

程序并没有加载外部音频文件，而是通过内置算法生成模拟数据：

• 设定采样率为2000Hz，时长5秒。
• 模拟60 BPM的心率（周期1秒），在特定时间点生成由阻尼正弦波构成的S1（50Hz）和S2（70Hz）。
• 在纯净信号上叠加了三种干扰：0.05强度的随机高斯白噪声、0.02强度的50Hz工频干扰以及0.1强度的0.2Hz低频基线漂移（模拟呼吸波）。

2. 预处理阶段

为了提高后续算法的稳定性，首先对原始信号进行处理：

• 幅度归一化：将原始信号幅度线性缩放到 [-1, 1] 区间，消除不同信号源的量级差异。
• 带通滤波：设计了一个4阶巴特沃斯（Butterworth）带通滤波器。

* 通带范围：20Hz - 400Hz。这一范围涵盖了心音的主要频率成分，能够有效去除低频基线漂移（呼吸影响）和高频电子噪声。 * 零相位滤波：使用 filtfilt 函数进行滤波，确保输出信号相对于输入信号没有相位延迟，保证了心音发生时刻的准确性。

• 二次归一化：滤波后的信号再次被归一化，为香农能量计算做准备。

3. 香农（Shannon）能量提取（核心算法）

这是本项目的核心部分，旨在将时域信号转换为能量序列，突出高能量的心音成分。

• 算法公式：利用公式 E = -x^2 * log(x^2) 进行计算。
• 实现逻辑：

1. 计算归一化信号的平方（x^2）。 2. 为了防止对0取对数导致计算错误，在平方值上添加了一个极小值（epsilon = 1e-10）。 3. 计算对数值并乘以平方值，最后乘以-1将原本为负的结果转换为正能量值。 4. 对可能因浮点误差产生的微小负值进行截断处理（置零）。

• 原理：该非线性变换能够对中高强度的信号（S1, S2）进行放大，同时极大地衰减低幅度的背景噪声。

4. 包络平滑与提取

香农能量序列通常包含较多毛刺，需要平滑处理以获得清晰的包络。

• 滑动窗口：设定时间窗口为0.05秒（50ms），对应2000Hz采样率下的约100个采样点。
• 移动平均滤波：构建均值滤波器，再次利用 filtfilt 对能量序列进行零相位滤波。这相当于在时域上进行平滑卷积，填补了能量波峰间的缝隙。
• 最终归一化：将提取出的包络线归一化到 [0, 1] 区间，便于在绘图中与原始波形进行幅值对比。

5. 结果可视化

程序最后绘制了一个名为“基于香农能量的心音包络提取”的图表，包含四个子图：

1. 原始心音信号：展示包含各类噪声和漂移的初始波形。
2. 带通滤波信号：展示去除基线漂移和高频噪声后的干净波形。
3. 香农能量序列：展示经非线性变换后的能量脉冲序列。
4. 最终心音包络：将红色的平滑包络曲线叠加在灰色的滤波波形上，清晰展示了算法对S1和S2轮廓的提取能力。