摘 要： 为了分类识别不同部位的呼吸音，提出一种基于呼吸气持续时间相对值参数，以及呼吸气间歇时间相对值参数提取的呼吸音分析方法。该方法包括呼吸音预处理、包络提取、基于FCM聚类算法的自适应阈值线的选取、特征值提取为主的4个部分。对50例3种不同呼吸音进行分类实验，分类准确率为94%，从而验证了该方法的有效性。在此基础上，对该方法在同一种呼吸音病理和健康研究方面做出了展望。
关键词： 呼吸音； 呼吸音分类； Morlet小波； FCM聚类算法
1 数据采集
2 方法的实现
2.1 预处理和包络提取
在获取呼吸音包络前，原始呼吸音信号需要进行预处理。首先，对采集的呼吸音信号进行下采样，采样频率从20 kHz下采样到2 kHz；接着，用十阶巴特沃斯滤波器进行滤波保证呼吸音带宽在100～1 000 Hz之间，再通过小波收缩阈值降噪法来有效去除呼吸音中的白噪声；最后采用Morlet小波来提取呼吸音包络。在包络提取法中，用Morlet小波针对呼吸音包络提取比Hilbert变换法提取的包络信号更光滑，能有效地降低使用Hilbert变换法所带来的不够光滑，毛刺太多（随机干扰成分）等问题，因此，本论文采用Morlet小波方法来提取包络[3?4]。
2.3 呼吸信号的包络
图2为肺泡呼吸音，其音调相对较低，吸气时音响较强，音调相对较高，时相较长；呼气时音响较弱，音调相对较低，时相较短[6]。图3为胸膜摩擦音，其是随着呼吸便可出现脏胸膜和壁胸膜间的摩擦声，一般在吸气末与呼气开始时较为明显。正常人胸膜表面光滑，胸膜腔内只有微量液体存在，因此呼吸时胸膜脏层和壁层之间相互滑动并无音响发生。胸膜摩擦音为病理呼吸音的一种[6]。如图4所示，支气管呼吸音是呼吸时气流在声门、气管形成湍流所产生的声音，吸气时主动运动，吸气时声门增宽，气流通过快；呼气是被动运动，声门变窄，气流通过慢，因而呼气时相比吸气时相长，音调较高，音响较强[6]。
图5为支气管呼吸音伴大湿音，其是由于通过呼吸道内的分泌物如渗出液、血液、浓液等，形成的水泡破裂所产生的声音，变化在吸气早起，音调响亮[6]。
2.4 特征参数提取
2.4.1 FCM聚类算法
FCM的目标函数为：
式中：[pij]介于（0，1）间；[ci]为模糊组L的聚类中心；[dij=ci-Xj]为L个聚类中心与第j个数据点间的欧几里得距离；[m∈[1，∞）]为加权指数。构建目标函数式（7），可求得式（6）达到最小值的必要条件：
[ci=j=1n（pij）mxjj=1n（pij）m] （8）
2.4.2 阈值线选取
3 实验与验证
图8使用表4～表6所示的数据作为参数，可以清楚表明不同的呼吸音的特征值，使其有不同的分布区域，以达到识别分类的目的。在50例数据中共有47例数据得到准确的分类识别。
4 结 语
本文从时域的角度研究了一种呼吸音分类识别的分析方法，目的是分类识别不同部位的呼吸音，以及为研究在同一部位病理呼吸音和正常呼吸音的识别研究做基础。该方法基于临床实验采集数据库分析得出结论，对于实际应用和普遍性还需根据情况对算法做进一步的研究。
参考文献
[2] KANDASWAMY A， KUMAR C S， RAMANATHAN R P， et al. Neural classification of lung sounds using wavelet coefficients [J]. Computers in Biology and Medicine， 2004， 34（6）： 523?537.
[5] 孙延奎.小波分析及其应用[M].北京：机械工业出版社，2005.
[6] 陈文彬，潘祥林.诊断学[M].北京：人民卫生出版社，2008
[7] 孙晓霞，刘晓霞，谢倩茹.模糊C?均值（FCM）聚类算法的实现[J].计算机应用与软件，2008，25（3）：48?50.
