[发明专利]一种基于多信噪比模型的心肺音分离方法及系统

权利要求书

1.一种基于多信噪比模型的心肺音分离方法，其特征在于，包括：

在基函数学习网络中对给定能量比的心肺音混合信号进行卷积运算，得到所述给定能量比的心肺音混合信号的时频模和相位谱；利用LSTM分离网络对所述时频模进行计算得到心音和肺音的时频掩码，利用所述时频掩码得到对应的心音时频谱和肺音时频谱；在时域重构网络中利用所述相位谱和所述心音或肺音时频谱计算重构矩阵，对所述重构矩阵进行对称扩展得到扩展矩阵，对所述扩展矩阵进行反卷积得到心音时域信号和肺音时域信号；

对不同能量比的心肺音混合信号重复上述操作，得到单信噪比分离模型；

把未知能量比的心肺音混合信号输入至多个所述单信噪比分离模型，估计出心音和肺音的时域待选信号，基于所述未知能量比的心肺音混合信号的STFT时频谱利用LSTM网络计算所述未知能量比的心肺音混合信号映射到不同所述单信噪比分离模型的最佳权重，根据所述最佳权重线性集成不同所述单信噪比分离模型对应的待选信号的输出得到心音时域信号和肺音时域信号。

2.根据权利要求1所述的基于多信噪比模型的心肺音分离方法，其特征在于，所述单信噪比分离模型的目标函数为

ω为该模型所有可训练的参数，c和r分别表示心音和肺音，y_π∈R^1×L为干净的心音或肺音的时域信号，π∈{c,r}，为y_π的估计值，f(·)表示单信噪比分离模型，x为给定能量比的心肺音混合信号，L表示时间采样点个数。

3.根据权利要求1所述的基于多信噪比模型的心肺音分离方法，其特征在于，所述对给定能量比的心肺音混合信号进行卷积运算，得到所述给定能量比的心肺音混合信号的时频模和相位谱包括：

把所述给定能量比的心肺音混合信号x∈R^1×L分别输入到一维实部卷积网络和一维虚部卷积网络，得到实部向量r_t＝[r₁,r₂,...,r_M]^T和虚部向量i_t＝[i₁,i₂,...,i_M]^T，其中t＝1,2,..,K为时间帧序号，M为基函数的个数，L为时间采样点个数；

分别合并实部向量和虚部向量得到M×K的实部矩阵R和虚部矩阵I，利用所述实部矩阵R和所述虚部矩阵I计算混合信号的时频模X∈R^M×K和相位谱θ∈R^M×K，其中θ＝arctan(I/R)。

4.根据权利要求1所述的基于多信噪比模型的心肺音分离方法，其特征在于，所述利用LSTM分离网络对所述时频模进行计算得到心音和肺音的时频掩码，利用所述时频掩码得到对应的心音时频谱和肺音时频谱包括：

把所述时频模输入LSTM分离网络的第一全连接层得到非线性谱，利用LSTM网络对所述非线性谱进行运算得到特征矩阵，把所述特征矩阵输入第二全连接层得到心音和肺音的时频掩码，利用式π∈{c,r}对时频掩码进行计算得到对应的心音时频谱和肺音时频谱，其中X表示时频模，M_π表示时频掩码，c表示心音，r表示肺音。

5.根据权利要求1所述的基于多信噪比模型的心肺音分离方法，其特征在于，所述重构矩阵包括实部重构矩阵和虚部重构矩阵，所述实部重构矩阵采用式R_π＝real(X_πe^jθ)计算，所述虚部重构矩阵采用式I_π＝imag(X_πe^jθ)计算，其中X_π表示时频谱，θ表示相位谱。

6.根据权利要求5所述的基于多信噪比模型的心肺音分离方法，其特征在于，对所述重构矩阵进行对称扩展得到扩展矩阵包括：

分别对所述实部重构矩阵和所述虚部重构矩阵进行对称扩展得到实部扩展矩阵和虚部扩展矩阵。