目的:

据《中国心血管病报告2015》中数据统计显示，我国心血管病死亡占居民总死亡原因首位，已成为重大的公共卫生问题。心音中包含了人体心脏及血管的生理和病理信息，且有研究表明在心血管疾病还未发展到器质性病变之前，心音中就出现了杂音和畸变。研究心音信号分段处理有利于心音信号的特征提取以及分类识别，为后期心脏疾病的早期诊断奠定了基础。

方法: 针对心音信号的分段处理研究，本文首先通过三组对比实验确定了小波去噪的主要参数：小波母函数为coif3小波，以rigrsure规则对原始心音信号进行6层的小波分解，实现了心音信号的去噪处理，得到了信噪比高、均方根误差小的干净信号。其次重点基于心音信号的特征，分别研究了希尔伯特黄变换、归一化香农能量、多尺度特征波形三种方法提取心音信号特征包络的效果。由于多尺度特征波形方法提取心音信号特征包络方法简单，效率高，但不能明显的突出心音信号的主要特征成分，而香农能量具有抑制高、低强度信号的特性，因此结合二者的特性提出了一种改进的多尺度特征方法用于提取心音信号特征包络。最后，采用模糊均值（FCM）聚类方法确定了分段的阈值选取，在心音信号特征包络的基础上提取了心音信号的主要特征成分，并获取了心脏储备指标：第一心音与第二心音幅值比（S1/S2），舒张期与收缩期的时限比值（D/S）。

结果:

对临床采集的62例心音信号提取特征包络并进行分段处理，实验结果表明本文所述方法对正常信号的分段正确率达到了98.87%，异常信号分段正确率平均达到了94.32%。

结论:

综上所述，本文所提出的改进的多尺度特征波形方法对心音信号进行分段的效果显著，能有效的实现心音信号的分段处理，算法简单，运算效率高，尤其是对含有噪声的心音信号。这有利于心音信号特征提取以及自动分类识别，为临床心血管疾病的诊断提供一种可靠的辅助方法。