[发明专利]基于时序卷积网络的混合听诊信号分离方法及相关装置

权利要求书

1.基于时序卷积网络的混合听诊信号分离方法，其特征在于，包括：

通过预置线性编码网络将预置混合听诊信号进行编码处理，得到混合编码信号；

采用预置时序卷积神经网络对所述混合编码信号进行信号分离，得到源信号掩码，所述源信号掩码包括心音信号掩码和肺音信号掩码，所述预置时序卷积神经网络采用预置一维扩张卷积块提取所述混合编码信号的信号特征；

通过预置线性解码网络根据所述源信号掩码进行信号重构处理，得到目标分离信号，所述目标分离信号包括心音信号和肺音信号。

2.根据权利要求1所述的基于时序卷积网络的混合听诊信号分离方法，其特征在于，所述通过预置线性编码网络将预置混合听诊信号进行编码处理，得到混合编码信号，之后还包括：

将所述混合编码信号进行全局归一化处理，得到归一化混合编码信号。

3.根据权利要求2所述的基于时序卷积网络的混合听诊信号分离方法，其特征在于，所述将所述混合编码信号进行全局归一化处理，得到归一化混合编码信号，具体包括：

采用预置均值公式计算所述混合编码信号的均值，所述预置均值公式为：

其中，x_i为所述混合编码信号，m为信号总数，μ_β为所述均值；

采用预置方差公式计算所述混合编码信号的方差，所述预置方差公式为：

其中，为所述方差；

采用预置标准化公式进行归一化计算，得到所述归一化混合编码信号，所述预置标准化公式为：

其中，为所述归一化混合编码信号，ε为预置微小正数。

4.根据权利要求1所述的基于时序卷积网络的混合听诊信号分离方法，其特征在于，所述采用预置时序卷积神经网络对所述混合编码信号进行信号分离，得到源信号掩码，所述源信号掩码包括心音信号掩码和肺音信号掩码，所述预置时序卷积神经网络采用预置一维扩张卷积块提取所述混合编码信号的信号特征，还包括：

对所述预置一维扩张卷积块的输入进行零填充处理。

5.基于时序卷积网络的混合听诊信号分离装置，其特征在于，包括：

编码模块，用于通过预置线性编码网络将预置混合听诊信号进行编码处理，得到混合编码信号；

分离模块，用于采用预置时序卷积神经网络对所述混合编码信号进行信号分离，得到源信号掩码，所述源信号掩码包括心音信号掩码和肺音信号掩码，所述预置时序卷积神经网络采用预置一维扩张卷积块提取所述混合编码信号的信号特征；

解码模块，用于通过预置线性解码网络根据所述源信号掩码进行信号重构处理，得到目标分离信号，所述目标分离信号包括心音信号和肺音信号。

6.根据权利要求5所述的基于时序卷积网络的混合听诊信号分离装置，其特征在于，还包括：

归一化模块，用于将所述混合编码信号进行全局归一化处理，得到归一化混合编码信号。

7.根据权利要求6所述的基于时序卷积网络的混合听诊信号分离装置，其特征在于，所述归一化模块具体用于：

采用预置均值公式计算所述混合编码信号的均值，所述预置均值公式为：

其中，x_i为所述混合编码信号，m为信号总数，μ_β为所述均值；

采用预置方差公式计算所述混合编码信号的方差，所述预置方差公式为：

其中，为所述方差；

采用预置标准化公式进行归一化计算，得到所述归一化混合编码信号，所述预置标准化公式为：

其中，为所述归一化混合编码信号，ε为预置微小正数。

8.根据权利要求5所述的基于时序卷积网络的混合听诊信号分离装置，其特征在于，还包括：

填充处理模块，用于对所述预置一维扩张卷积块的输入进行零填充处理。