心音信号质量评估方法、电子设备及可读存储介质

技术领域

本申请涉及信号处理技术领域，尤其涉及一种心音信号质量评估方法、电子设备及可读存储介质。

背景技术

心音是指由心肌收缩、心脏瓣膜关闭和血液撞击心室壁、大动脉壁等引起的振动所产生的声音。它可在胸壁一定部位用听诊器听取。而现在也可以用电子听诊器听取，将心音转化为数字音频信号从而保存起来。

由于临床环境的复杂性，采集心音信号的过程中不可避免的会引入人为或者环境因素所造成的干扰和噪声。对于这个问题，现有方法常采用滤波等去噪手段来减少干扰和噪声的影响。但是由于噪声干扰无论在时域、频域还是其他变换域，都可能与心音混叠在一起，因此去噪的方法对于某些噪声干扰的去除效果并不好。为了保证基于心音信号分析的结果准确性，必须对信号的质量进行评估。

但是，目前还缺乏一种对心音信号有效的质量评估方法，用以实现对心音信号的质量(Signal Quality Index，SQI)进行评估。

以上背景技术内容的公开仅用于辅助理解本申请的发明构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导，在于提供一般的背景信息，并不一定构成现有技术。

发明内容

本申请的主要目的在于提供一种心音信号质量评估方法、装置、电子设备及可读存储介质，旨在解决如何实现有效地评估心音信号的信号质量的技术问题。

为实现上述目的，本申请提供一种心音信号质量评估方法，所述心音信号质量评估方法包括：

采集心音信号；

对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；

将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。

可选地，所述对所述心音信号进行特征提取得到信号特征的步骤，包括：

对所述心音信号进行滑动窗口处理，将在滑动窗口内的所述心音信号作为子心音信号；

对于每一所述子心音信号，对所述子心音信号进行特征提取，得到所述子心音信号对应的信号特征。

可选地，在所述信号特征包括局部方差特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

对所述子心音信号进行滑动窗口处理，将在滑动窗口内的所述子心音信号作为二级子心音信号；

确定每一所述二级子心音信号的信号值标准差，将所有所述信号值标准差的方差作为第一方差特征；

将所有所述信号值标准差的均值作为第一均值，对所有所述信号值标准差进行排序，得到标准差序列，其中，所述标准差序列包括基于数值从大到小依次排序的所述信号值标准差；

确定所述标准差序列中前预设数量个信号值标准差；

将所述前预设数量个信号值标准差的均值作为第二均值，将所述第一均值与所述第二均值的比值作为第二方差特征；

将所有所述窗口起始采样点位置的方差作为第三方差特征；

将所述第一方差特征、第二方差特征、第三方差特征中一种或多种作为局部方差特征。

可选地，在所述信号特征包括局部峰值特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

确定所述子心音信号的信号峰值，基于第一预设调整系数调整所述信号峰值得到第一阈值，其中，所述第一阈值小于所述信号峰值；

确定所述子心音信号的信号值中大于所述第一阈值的第一目标信号值，将所述第一目标信号值对应的信号采样点的采样点数量作为第一采样点数量；

基于第二预设调整系数调整所述信号峰值得到第二阈值，其中，所述第一阈值小于所述信号峰值，所述第二预设调整系数小于所述第一预设调整系数；

确定所述子心音信号的信号值中小于所述第二阈值的第二目标信号值，将所述第二目标信号值对应的信号采样点的采样点数量作为第二采样点数量；

将所述第一采样点数量和/或所述第二采样点数量作为局部峰值特征。

可选地，在所述信号特征包括信号能量特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

对所述子心音信号进行傅里叶变化，将傅里叶变化后的所述子心音信号作为目标信号；

确定所述目标信号的每一频率对应的信号能量，确定所有所述信号能量的总信号能量；

确定所述目标信号包括的所有频率中小于第一预设频率的第一频率，确定每一所述第一频率对应的信号能量，将所有所述第一频率对应的信号能量的总能量作为低频率能量分布占比；

确定所述目标信号包括的所有频率中大于第二预设频率的第二频率，确定每一所述第二频率对应的信号能量，将所有所述第二频率对应的信号能量的总能量作为高频率能量分布占比，其中，所述第二预设频率大于或等于所述第一预设频率；

将所述目标信号输入至预设的对数能量特征提取模型中，输出得到对数能量；

将所述总信号能量、所述低频率能量分布占比、所述高频率能量分布占比与所述对数能量中的一种或多种作为信号能量特征。

可选地，在所述信号特征包括对数能量特征的情况下，在所述信号特征包括过零率特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

确定每一帧所述子心音信号的过零率，其中，所述过零率包括过零的信号采样点数量与一帧所述心音信号的总信号采样点数量的比值；

确定所有所述过零率中的最大过零率，确定所有所述过零中的最小过零率；

对所有所述过零率进行差分处理，得到一阶差分过零率；

确定所有所述一阶差分过零率中的最大一阶差分过零率，确定所有所述一阶差分过零率的方差；

对所有所述一阶差分过零率进行差分处理，得到二阶差分过零率；

确定所有所述二阶差分过零率中的最大二阶差分过零率，确定所有所述二阶差分过零率的标准差；

将所述最大过零率、所述最小过零率、所述最大一阶差分过零率、所述方差、所述最大二阶差分过零率与所述标准差中的一种或多种作为过零率特征。

可选地，所述将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果的步骤，包括：

将每一所述子心音信号对应的信号特征输入至预训练的信号质量评估模型中，输出得到每一子心音信号的信号质量评估结果。

可选地，所述对所述心音信号进行特征提取得到信号特征的步骤之前，所述方法还包括：

对所述心音信号进行信号滤波处理，得到滤波后的心音信号，其中，所述信号滤波包括零相移巴特沃斯滤波；

对滤波后的心音信号进行信号裁剪处理，得到预处理后的心音信号，其中，所述信号裁剪包括裁剪预设时间长度的首端心音信号，和/或裁剪预设时间长度的尾端心音信号；

基于预处理后的所述心音信号，执行：对所述心音信号进行特征提取，得到信号特征。

此外，为实现上述目的，本申请还提供一种心音信号质量评估装置，所述心音信号质量评估装置包括：

信号采集模块，用于采集心音信号；

特征提取模块，用于对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；

质量评估模块，用于将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。

本申请还提供一种电子设备，所述电子设备为实体设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述心音信号质量评估方法的步骤。

本申请还提供一种可读存储介质，所述可读存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有实现心音信号质量评估方法的程序，所述实现心音信号质量评估方法的程序被处理器执行以实现如上所述心音信号质量评估方法的步骤

本申请还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的心音信号质量评估方法的步骤。

本申请中采集心音信号；对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。如此，本申请实施例提取心音信号的局部方差特征、局部峰值特征、信号能量特征、过零率特征等信号特征，基于心音信号的信号特征多维度的评估心音信号的信号质量，从而实现了对心音信号的信号质量的有效评估。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请心音信号质量评估方法第一实施例的流程示意图；

图2为本申请心音信号质量评估方法一具体应用场景流程示意图；

图3为本申请心音信号质量评估方法一具体应用场景另一流程示意图；

图4为本申请心音信号质量评估装置的装置模块示意图；

图5为本申请实施例中心音信号质量评估装置涉及的硬件运行环境的设备结构示意图。

本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，均属于本发明保护的范围。

实施例一

本申请提出第一实施例的心音信号质量评估方法，请参照图1，所述心音信号质量评估方法包括：

步骤S10，采集心音信号；

作为一种可行的实施方式，可通过传感器采集心音信号，如VPU(Voice Pick Up，骨传导)传感器、麦克风传感器中的一种或多种，本实施例对此并做不具体限制。且进一步地，可以预设信号采样率采集心音信号，该预设信号采样率可为提前设置的任意采样率，如1000赫兹等等，本实施例对此并不做具体限制。

进一步地，在提取信号特征之前，为提高提取到的信号特征的准确度，可对心音信号进行信号预处理，如对心音信号进行滤波、降噪、归一化等处理。基于预处理后的心音信号进行信号特征的提取。

此外，还可以通过6轴信号采集模块采集用户的加速度信号，加速度和陀螺仪信号主要通过6轴信号采集模块采集得到，所述6轴信号采集模块主要由设备内部集成的6轴传感器构成。在信号采集进行之前，6轴信号采集模块能够计算当前的欧拉角，辅助用户定位采集位置以及姿势；在进行信号采集的过程中，6轴信号采集模块能够监测用户手臂的移动情况，与心音信号结合，进行信号的去噪，能够在采集过程中提高上述信号的信噪比。

步骤S20，对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；

该信号特征包括但不限于过局部方差特征、局部峰值特征、信号能量特征、过零率特征，如还可以包括峰度与偏度。本实施例中，优选地，信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征，从而从多角度评估心音信号的信号质量，可以提高心音心音信号质量评估的准确度。

记峰度为ssqi、峰度为ksqi，则

在一种可能的实施方式中，所述对所述心音信号进行特征提取得到信号特征的步骤，包括：

步骤S201，对所述心音信号进行滑动窗口处理，将在滑动窗口内的所述心音信号作为子心音信号；

可以预设窗口长度与预设步长对心音信号进行滑动窗口处理，预设窗口长度与预设步长可提前分别进行设置，如五秒为长度，两秒为步长进行滑窗，本实施例对此并做具体限制。需要说明地是，本实施例中，优选地，窗口长度大于步长，以使相邻两个窗口之间有重叠，从而可以提高信号质量评估的精度，减少被丢弃的信号(示例性地，本实施例中丢弃信号质量评估结果差的信号)。举例来说，假设滑动窗口的步长为q，窗口长度为q*3，心音信号以q长度为单位进行划分得到【q1、q2、q3、q4】，【q1、q2、q3】为一个子心音信号进行信号质量评估的评估结果为差，【q2、q3、q4】为一个子心音信号进行信号质量评估的评估结果为中，此时，仅q1被丢弃，而不会将q1、q2、q3均丢弃，从而减少了被丢弃的信号。

步骤S202，对于每一所述子心音信号，对所述子心音信号进行特征提取，得到所述子心音信号对应的信号特征。

对于每一子心音信号进行特征提取，从而可基于每一子心音信号各自对应的信号特征，评估该子心音信号的信号质量。

步骤S30，将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。

该信号质量评估模型为使用训练数据集完成预训练的信号质量评估模型，具体地，该信号质量评估模型可使用机器学习算法，实现非线性的、高效轻量化的心音信号质量评估。该信号质量评估结果可包括质量等级，如好、中、差三种质量等级。

作为其中一种实施方式，可提取整段心音信号的信号特征(如采集到的完整的心音信号)，并将提取到的信号特征输入至预训练的信号质量评估模型中，输出得到则整段心音信号质量评估结果。

作为另一种实施方式，所述将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果的步骤，包括：

步骤S301，将每一所述子心音信号对应的信号特征输入至预训练的信号质量评估模型中，输出得到每一子心音信号的信号质量评估结果。

基于每一子心音信号各自对应的信号特征，评估该子心音信号的信号质量，使得可以整段信号中不同部分的信号质量分布，提高了心音信号质量评估的精细度。

本实施例中采集心音信号；对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。如此，本实施例提取心音信号的局部方差特征、局部峰值特征、信号能量特征、过零率特征等信号特征，基于心音信号的信号特征多维度的评估心音信号的信号质量，从而实现了对心音信号的信号质量的有效评估。

实施例二

基于本申请第一实施例，在本申请另一实施例中，与上述实施例一相同或相似的内容，可以参考上文介绍，后续不再赘述。在此基础上，在所述信号特征包括局部方差特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

步骤A10，对所述子心音信号进行滑动窗口处理，将在滑动窗口内的所述子心音信号作为二级子心音信号；

可以预设窗口长度与预设步长对子心音信号进行滑动窗口处理，预设窗口长度与预设步长可提前分别进行设置，如200个信号采样点为长度，50个信号采样点位步长进行滑窗，本实施例对此并做具体限制。

步骤A20，确定每一所述二级子心音信号的信号值标准差，将所有所述信号值标准差的方差作为第一方差特征；

记第i段子心音信号的第一方差特征为σ

步骤A30，将所有所述信号值标准差的均值作为第一均值，对所有所述信号值标准差进行排序，得到标准差序列，其中，所述标准差序列包括基于数值从大到小依次排序的所述信号值标准差；

步骤A40，确定所述标准差序列中前预设数量个信号值标准差；

步骤A50，将所述前预设数量个信号值标准差的均值作为第二均值，将所述第一均值与所述第二均值的比值作为第二方差特征；

记第i段子心音信号的第二方差特征为

作为其中一种实施方式，该信号采样点位置具体可为第几个信号采样点，如依次从1开始对子心音信号的信号采样点进行顺序编号，则可得到每一信号采样点对应采样点编号，该采样点编号即可作为信号采样点的信号采样点位置。作为另一种实施方式，可将每一信号采样点对应的时间作为信号采样点位置，本实施例中，优选地，将采样点编号作为信号采样点的信号采样点位置。

步骤A60，将所有所述窗口起始采样点位置的方差作为第三方差特征；

记i段子心音信号的第三方差特征为

需要说明地是，第三方差特征可为一个或多个，N每一个不同的取值，对应一个第三方差特征，N可为提前设置的任意值，如24、12、6等等，本实施例对此并不做具体限制。

步骤A70，将所述第一方差特征、第二方差特征、第三方差特征中一种或多种作为局部方差特征。

本实施例中，优选地，将第一方差特征、第二方差特征与第三方差特征作为局部方差特征。

本实施例中针对采集的心音信号，对子心音信号进一步设计了合适的时间窗长和步长的滑动窗，计算了滑动窗的方差变化特征，可以有效提取出采样时间内心脏震动产生的峰值和由于外界噪声导致的峰值，提取这些峰值的分布情况特征(本实施例中的第一方差特征、第二方差特征与第三方差特征等)就可以有效的反映出噪声在这段心音信号中的强弱情况，具有很好的灵敏度和鲁棒性。

在一种可能的实施方式中，在所述信号特征包括局部峰值特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

步骤B10，确定所述子心音信号的信号峰值，基于第一预设调整系数调整所述信号峰值得到第一阈值，其中，所述第一阈值小于所述信号峰值；

步骤B20，确定所述子心音信号的信号值中大于所述第一阈值的第一目标信号值，将所述第一目标信号值对应的信号采样点的采样点数量作为第一采样点数量；

记第i段子心音信号的第一采样点数量为C

需要说明地是，第一采样点数量可为一个或多个，h1每一个不同的取值，对应一个第一采样点数量，h1可为提前设置的任意值，如0.8、0.6等等，本实施例对此并不做具体限制。

步骤B30，基于第二预设调整系数调整所述信号峰值得到第二阈值，其中，所述第一阈值小于所述信号峰值，所述第二预设调整系数小于所述第一预设调整系数；

步骤B40，确定所述子心音信号的信号值中小于所述第二阈值的第二目标信号值，将所述第二目标信号值对应的信号采样点的采样点数量作为第二采样点数量；

记记第i段子心音信号的第一采样点数量为C

需要说明地是，第二采样点数量可为一个或多个，h2每一个不同的取值，对应一个第二采样点数量，h2可为提前设置的任意值，如0.4、0.1等等，本实施例对此并不做具体限制。

步骤B50，将所述第一采样点数量和/或所述第二采样点数量作为局部峰值特征。

本实施例中，优选地，将第一采样点数量与第二采样点数量作为局部峰值特征。

在一种可能的实施方式中，在所述信号特征包括信号能量特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

步骤C10，对所述子心音信号进行傅里叶变化，将傅里叶变化后的所述子心音信号作为目标信号；

具体地，可对子心音信号进行短时傅里叶变化，可以理解地是，傅里叶变化后会得到子心音信号的每一时间t下，F个不同频率点对应的能量值。也即目标信号包括每一时间t下，F个不同频率点对应的能量值。

步骤C20，确定所述目标信号的每一频率对应的信号能量，确定所有所述信号能量的总信号能量；

记第i段子心音信号的总信号能量为total_power_i，则

步骤C30，确定所述目标信号包括的所有频率中小于第一预设频率的第一频率，确定每一所述第一频率对应的信号能量，将所有所述第一频率对应的信号能量的总能量作为低频率能量分布占比；

记第i段子心音信号的低频率能量分布占比为energy_below_i_f1则energy_below_i_f1＝∑

需要说明地是，低频率能量分布占比可为一个或多个，f1每一个不同的取值，对应一个低频率能量分布占比，f1可为提前设置的任意值，如100Hz、120Hz等等，本实施例对此并不做具体限制。

步骤C40，确定所述目标信号包括的所有频率中大于第二预设频率的第二频率，确定每一所述第二频率对应的信号能量，将所有所述第二频率对应的信号能量的总能量作为高频率能量分布占比，其中，所述第二预设频率大于或等于所述第一预设频率；

记第i段子心音信号的高频率能量分布占比为energy_above_i_f2则energy_above_i_f2＝∑

需要说明地是，高频率能量分布占比可为一个或多个，f2每一个不同的取值，对应一个高频率能量分布占比，f2可为提前设置的任意值，如250Hz、270Hz等等，本实施例对此并不做具体限制。

步骤C50，将所述目标信号输入至预设的对数能量特征提取模型中，输出得到对数能量；

该预设的对数能量特征提取模型可包括以下一个或多个计算式：

log_energy_diff[t]＝log_energy[t]-log_energy[t-1]

log_energy_std＝std(log_energy)

log_energy_diff_max＝max(log_energy_diff)

log_energy_diff_std＝std(log_energy_diff)

其中，std表示标准差。

从而对数能量包括log_energy[t]、log_energy_diff[t]、log_energy_std、log_energy_diff_mean、log_energy_diff_max、log_energy_diff_std中的一种或多种对数能量，本实施例中，优选地点，对数能量包括log_energy[t]、log_energy_diff[t]、log_energy_std、log_energy_diff_mean、log_energy_diff_max与log_energy_diff_std。

步骤C60，将所述总信号能量、所述低频率能量分布占比、所述高频率能量分布占比与所述对数能量中的一种或多种作为信号能量特征。

本实施例中，优选地，将总信号能量、低频率能量分布占比、高频率能量分布占比与对数能量作为信号能量特征。

考虑到心音信号本质是心脏震动产生的震动信号，其信号特点与声音信号很相似。本实施例中，利用在声音信号处理中常用的频谱图，过零率，对数能量谱等特征，可以有效判断出信号在某一时刻是否存在想要的声音信号，在心音信号处理中，即这些特征可以有效判断心脏收缩和舒张两个时间段的发生时间和强度，以及其他噪声的发生时间和强度。从这些特征的时间分布上，就可以有效判断出所处理的心音信号是否符合生理心脏震动情况，进而判别所处理的信号质量是否达到要求，提高心音信号质量评估的准确度。

在一种可能的实施方式中，在所述信号特征包括对数能量特征的情况下，在所述信号特征包括过零率特征的情况下，所述对所述子心音信号进行特征提取，得到所述子心音信号对应信号特征的步骤，包括：

步骤D10，确定每一帧所述子心音信号的过零率，其中，所述过零率包括过零的信号采样点数量与一帧所述心音信号的总信号采样点数量的比值；

具体地，可以预设数量个信号采样点为一帧信号，如50个信号采样点为一帧信号。即第i段子心音信号的第k帧过零率为Z

步骤D20，确定所有所述过零率中的最大过零率，确定所有所述过零中的最小过零率；

记第i段子心音信号的最大过零率为zero_crossing_rate_i_max，则zero_crossing_rate_i_max＝max(Z

记第i段子心音信号的最小过零率为zero_crossing_rate_i_min，则zero_crossing_rate_i_min＝min(Z

步骤D30，对所有所述过零率进行差分处理，得到一阶差分过零率；

步骤D40，确定所有所述一阶差分过零率中的最大一阶差分过零率，确定所有所述一阶差分过零率的方差；

记第i段子心音信号的最大一阶差分过零率为zero_crossing_rate_i_diff_max，则zero_crossing_rate_i_diff_max＝max(diff(Z

记第i段子心音信号的一阶差分过零率的方差为zero_crossing_rate_i_diff_var，则，zero_crossing_rate_i_diff_var＝var(diff(Z

步骤D50，对所有所述一阶差分过零率进行差分处理，得到二阶差分过零率；

步骤D60，确定所有所述二阶差分过零率中的最大二阶差分过零率，确定所有所述二阶差分过零率的标准差；

记第i段子心音信号的最大二阶差分过零率为zero_crossing_rate_i_diff2_max，则zero_crossing_rate_i_diff2_max＝max(diff(diff(Z

记第i段子心音信号的二阶差分过零率的标准差为zero_crossing_rate_i_diff2_std，则zero_crossing_rate_i_diff2_std＝std(diff(diff(Z

步骤D70，将所述最大过零率、所述最小过零率、所述最大一阶差分过零率、所述方差、所述最大二阶差分过零率与所述标准差中的一种或多种作为过零率特征。

本实施例中，优选地，将最大过零率、最小过零率、最大一阶差分过零率、一阶差分过零率的方差、最大二阶差分过零率与二阶差分过零率的标准差作为过零率特征。

本申请实施例的信号特征提取方式不基于心脏跳动周期，不需要进行第一心音和第二心音的位置识别，而第一心音和第二心音的位置识别算法多较为复杂且误差较大。本申请实施例所涉及的特征均可以用很小的计算复杂度实现，同时保证了在心音信号质量评估上的灵敏度和特异性，以方便在穿戴式等计算能力较弱的设备上部署，进行信号质量的实时分析，使本申请实施例的心音信号质量评估方法可应用于更多的电子设备，提高了心音信号质量评估的普适性。

实施例三

基于本申请第一实施例与第二实施例，在本申请另一实施例中，与上述实施例一、实施例二相同或相似的内容，可以参考上文介绍，后续不再赘述。在此基础上，所述对所述心音信号进行特征提取得到信号特征的步骤之前，所述方法还包括：

步骤E10，对所述心音信号进行信号预处理，得到预处理后的心音信号；

步骤E20，基于预处理后的所述心音信号，执行：对所述心音信号进行特征提取得到信号特征。

可提前设置信号预处理的预处理方式，如归一化、滤波与降噪。可选地，将采集到的信号进行归一化操作，进一步的经预先设计好的滤波器，对心音信号进行滤波，将滤波后的数据与加速度信号再经自适应滤波进行二次处理，滤除由于运动伪迹产生的噪声，得到干净的高质量心音信号。

在一种可能的实施方式中，所述对所述心音信号进行信号预处理，得到预处理后的心音信号的步骤，包括

步骤F10，对所述心音信号进行信号滤波处理，得到滤波后的心音信号，其中，所述信号滤波包括零相移巴特沃斯滤波；

本实施例中，优选地，通过巴特沃斯滤波器，并采用零相移的方式对心音信号进行滤波处理，避免信号滤波后产生相移，对后续的特征提取产生影响。

在采集信号的时候，不可避免的会有各种噪声，包括运动伪影，工频干扰等等。而像工频干扰等已知的噪声是可以通过滤波滤除很大一部分的，从而提高采集到信号的信噪比。可以保证最大程度的利用信号质量较好的信号进行后续的分析。如果不进行滤波直接进行信号质量评估，很可能因为一些看起来很大，本实施例通过对心音信号进行信号滤波处理，可以滤除的噪声，避免噪声的存在而把信号分到了质量较差的一类，影响后续分析。

步骤F20，对滤波后的心音信号进行信号裁剪处理，得到预处理后的心音信号，其中，所述信号裁剪包括裁剪预设时间长度的首端心音信号，和/或裁剪预设时间长度的尾端心音信号。

本实施例中，优选地，裁剪预设时间长度的首端心音信号与预设时间长度的尾端心音信号，分别对数据头尾进行数据裁剪，去除导联建立时间和带通滤波产生的信号失真带来的影响，获取可用的心音信号，方便后续数据处理。

示例性，在一具体应用场景中，质量等级为好时，信号质量评估模型输出数值1，质量等级为中时，信号质量评估模型输出数值2，质量等级为差时，信号质量评估模型输出数值2，参照图2-3所示，在本具有应用场景中：

1.采集心电(ECG，electrocardiogram)、脉搏(PPG，Photoplethysmography)，心音(PCG，phonocardiogram)三路同步生理信号。首先将数据通过所述数据预处理模块，随后通过所述信号质量评估模块将信号分为好，中，差三种等级，随后将信号质量为好的信号通过所述信号分割模块和特征工程模块，最后将提取的特征送入机器学习血压估计分析模块，得到收缩压(SBP)，舒张压(DBP)，心率(HR)。

2、包括数据预处理模块、信号质量评估模块、信号分割模块、特征工程模块和血压估计模块。

3、数据预处理模块包括数据滤波和数据裁剪两个部分。数据滤波对心电，脉搏，心音三个信号分别采用不同通带的巴特沃斯滤波器，并采用零相移实现方法，避免三路信号滤波后产生相移，对后续的特征提取产生影响。数据裁剪是将三路信号的长度进行同步裁剪，分别对数据头尾进行数据裁剪，去除导联建立时间和带通滤波产生的信号失真带来的影响，获取可用的，等长的，同步的三路生理信号，方便后续数据处理。

4、信号质量评估模块，包括心电信号质量评估，脉搏信号质量评估模块，心音信号质量评估模块。信号质量评估模块以五秒为长度，两秒为步长进行滑窗，分别对滑窗内信号计算所提出的特征值，并利用预训练的机器学习集成模型进行分类预测。利用模型可以得到整段信号中不同部分的信号质量分布。

对于心电信号质量评估模块，提取了多个适用于心电信号质量评估的信号特征，包括峰度(ssqi)、偏度(ksqi)等。

对于脉搏信号质量评估模块，采用多个适用于脉搏信号质量评估的信号特征，包括过零次数(zero_cross),局部小于零极小值数量(L

对于心音信号质量评估模块，通过参考语音信号处理中常用的多个特征，结合心音信号特征，创新性的提出了多个适用于心音信号质量评估的信号特征，包括时域特征和频域特征两部分。时域特征包括信号的均值，方差，局部方差特征，局部峰值特征。频域特征包括总能量，能量分布占比，过零率特征，过零率一阶差分和二阶差分，对数能量特征，对数能量一阶差分和二阶差分。

5.信号分割模块，对信号质量较好的片段进行信号分割，以分割出不同的心拍。信号分割分为两步，首先对心电信号的QRS波群或脉搏的谷值进行识别，将信号初步分割为不同的心拍。随后，对分割出的心拍进行后处理，设定心拍长度上下限阈值，剔除识别异常点(如剔除心拍长度大于上限阈值，或心拍长度小于下限阈值的此心拍信号)，得到准确度高的信号分割结果。

6.特征工程模块，包括心电信号特征，脉搏信号特征，心音信号特征，多信号联合时间差特征和个人信息特征。心电信号特征，包括HRV时域特征，HRV频域特征和非线性特征。脉搏信号特征，包括脉搏幅度特征，心率特征，脉搏形态特征和脉搏变异性特征等。心音信号特征，包括第一心音时长，收缩期时长，舒张期时长，能量特征，主要频率成分特征等。多信号联合时特征，包括心电R波时间点，脉搏谷值，第一心音峰值时间点等，通过计算上述时间点的差值，得到联合特征，如射血前期持续时间(PEP)，脉搏传递时间，脉搏到达时间，脉搏信号和心音信号收缩期持续时间比，脉搏信号和心音信号舒张期持续时间比等。个人信息特征，通过对采集对象的个人数据进行采集和分析，包括年龄，身高，体重等，作为个人信息特征。

通过采用心电，脉搏，心音信号进行分析的生理信号，疾病诊断等算法中，利用算法分析出的质量较好的片段实现后续的信号分析计算，可以大幅提高数据分析算法的精确度和鲁棒性。

实施例四

本发明实施例还提供一种心音信号质量评估装置，请参照图4，所述装置包括：

信号采集模块10，用于采集心音信号；

特征提取模块20，用于对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；

质量评估模块30，用于将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。

所述特征提取模块20，还用于：

对所述心音信号进行滑动窗口处理，将在滑动窗口内的所述心音信号作为子心音信号；

对于每一所述子心音信号，对所述子心音信号进行特征提取，得到所述子心音信号对应的信号特征。

在所述信号特征包括局部方差特征的情况下，所述特征提取模块20，还用于：

对所述子心音信号进行滑动窗口处理，将在滑动窗口内的所述子心音信号作为二级子心音信号；

确定每一所述二级子心音信号的信号值标准差，将所有所述信号值标准差的方差作为第一方差特征；

将所有所述信号值标准差的均值作为第一均值，对所有所述信号值标准差进行排序，得到标准差序列，其中，所述标准差序列包括基于数值从大到小依次排序的所述信号值标准差；

确定所述标准差序列中前预设数量个信号值标准差；

将所述前预设数量个信号值标准差的均值作为第二均值，将所述第一均值与所述第二均值的比值作为第二方差特征；

将所有所述窗口起始采样点位置的方差作为第三方差特征；

将所述第一方差特征、第二方差特征、第三方差特征中一种或多种作为局部方差特征。

在所述信号特征包括局部峰值特征的情况下，所述特征提取模块20，还用于：

确定所述子心音信号的信号峰值，基于第一预设调整系数调整所述信号峰值得到第一阈值，其中，所述第一阈值小于所述信号峰值；

确定所述子心音信号的信号值中大于所述第一阈值的第一目标信号值，将所述第一目标信号值对应的信号采样点的采样点数量作为第一采样点数量；

基于第二预设调整系数调整所述信号峰值得到第二阈值，其中，所述第一阈值小于所述信号峰值，所述第二预设调整系数小于所述第一预设调整系数；

确定所述子心音信号的信号值中小于所述第二阈值的第二目标信号值，将所述第二目标信号值对应的信号采样点的采样点数量作为第二采样点数量；

将所述第一采样点数量和/或所述第二采样点数量作为局部峰值特征。

在所述信号特征包括信号能量特征的情况下，所述特征提取模块20，还用于：

对所述子心音信号进行傅里叶变化，将傅里叶变化后的所述子心音信号作为目标信号；

确定所述目标信号的每一频率对应的信号能量，确定所有所述信号能量的总信号能量；

确定所述目标信号包括的所有频率中小于第一预设频率的第一频率，确定每一所述第一频率对应的信号能量，将所有所述第一频率对应的信号能量的总能量作为低频率能量分布占比；

确定所述目标信号包括的所有频率中大于第二预设频率的第二频率，确定每一所述第二频率对应的信号能量，将所有所述第二频率对应的信号能量的总能量作为高频率能量分布占比，其中，所述第二预设频率大于或等于所述第一预设频率；

将所述目标信号输入至预设的对数能量特征提取模型中，输出得到对数能量；

将所述总信号能量、所述低频率能量分布占比、所述高频率能量分布占比与所述对数能量中的一种或多种作为信号能量特征。

在所述信号特征包括对数能量特征的情况下，所述特征提取模块20，还用于：

确定每一帧所述子心音信号的过零率，其中，所述过零率包括过零的信号采样点数量与一帧所述心音信号的总信号采样点数量的比值；

确定所有所述过零率中的最大过零率，确定所有所述过零中的最小过零率；

对所有所述过零率进行差分处理，得到一阶差分过零率；

确定所有所述一阶差分过零率中的最大一阶差分过零率，确定所有所述一阶差分过零率的方差；

对所有所述一阶差分过零率进行差分处理，得到二阶差分过零率；

确定所有所述二阶差分过零率中的最大二阶差分过零率，确定所有所述二阶差分过零率的标准差；

将所述最大过零率、所述最小过零率、所述最大一阶差分过零率、所述方差、所述最大二阶差分过零率与所述标准差中的一种或多种作为过零率特征。

所述质量评估模块30，还用于：

将每一所述子心音信号对应的信号特征输入至预训练的信号质量评估模型中，输出得到每一子心音信号的信号质量评估结果。

所述装置还包括预处理模块，所述预处理模块，用于：

对所述心音信号进行信号滤波处理，得到滤波后的心音信号，其中，所述信号滤波包括零相移巴特沃斯滤波；

对滤波后的心音信号进行信号裁剪处理，得到预处理后的心音信号，其中，所述信号裁剪包括裁剪预设时间长度的首端心音信号，和/或裁剪预设时间长度的尾端心音信号；

基于预处理后的所述心音信号，特征提取模块对所述心音信号进行特征提取得到信号特征。

本发明提供的心音信号质量评估装置，采用上述实施例一、实施例二或实施例三中的心音信号质量评估方法，能够解决如何实现有效地评估心音信号的信号质量的技术问题。与现有技术相比，本发明实施例提供的心音信号质量评估装置的有益效果与上述实施例提供的心音信号质量评估方法的有益效果相同，且所述心音信号质量评估装置中的其他技术特征与上一实施例方法公开的特征相同，在此不做赘述。

实施例五

本发明实施例提供一种电子设备，电子设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述实施例一中的心音信号质量评估方法。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的该电子设备可为便携式设备等。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备可以包括处理装置1001(例如中央处理器、图形处理器等)，其可以根据存储在只读存储器(ROM1002)中的程序或者从存储装置加载到随机访问存储器(RAM1004)中的程序而执行各种适当的动作和处理。在RAM1004中，还存储有电子设备操作所需的各种程序和数据。处理装置1001、ROM1002以及RAM1004通过总线1005彼此相连。输入/输出(I/O)接口也连接至总线1005。

通常，以下系统可以连接至I/O接口1006：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置1007；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置1008；包括例如磁带、硬盘等的存储装置1003；以及通信装置1009。通信装置1009可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备，但是应理解的是，并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置从网络上被下载和安装，或者从存储装置1003被安装，或者从ROM1002被安装。在该计算机程序被处理装置1001执行时，执行本公开实施例的方法中限定的上述功能。

本发明提供的电子设备，采用上述实施例中的心音信号质量评估方法，能解决如何实现有效地评估心音信号的信号质量的技术问题。与现有技术相比，本发明实施例提供的电子设备的有益效果与上述实施例提供的心音信号质量评估方法的有益效果相同，且该电子设备中的其他技术特征与上一实施例方法公开的特征相同，在此不做赘述。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

实施例六

本发明实施例提供一种计算机可读存储介质，具有存储在其上的计算机可读程序指令，计算机可读程序指令用于执行上述实施例一中的心音信号质量评估方法。

本发明实施例提供的计算机可读存储介质例如可以是U盘，但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。计算机可读存储介质的更具体地例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读存储介质可以是电子设备中所包含的；也可以是单独存在，而未装配入电子设备中。

上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被电子设备执行时，使得电子设备：采集心音信号；对所述心音信号进行特征提取得到信号特征，其中，所述信号特征包括局部方差特征、局部峰值特征、信号能量特征、过零率特征中的一种或多种；将所述信号特征输入至预训练的信号质量评估模型中，输出得到信号质量评估结果。可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该单元本身的限定。

本发明提供的可读存储介质为计算机可读存储介质，所述计算机可读存储介质存储有用于执行上述心音信号质量评估方法的计算机可读程序指令，能够解决如何实现有效地评估心音信号的信号质量的技术问题。与现有技术相比，本发明实施例提供的计算机可读存储介质的有益效果与上述实施例一、实施例二或实施例三提供的心音信号质量评估方法的有益效果相同，在此不做赘述。

实施例七

本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的心音信号质量评估方法的步骤。

本申请提供的计算机程序产品能够解决如何实现有效地评估心音信号的信号质量的技术问题。与现有技术相比，本发明实施例提供的计算机程序产品的有益效果与上述实施例一、实施例二或实施例三提供的心音信号质量评估方法的有益效果相同，在此不做赘述。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利处理范围内。