0 引言

    《中國心血管病報告2014概要》數據顯示因心血管病死亡的人數占城鄉居民總死亡人數的首位，農村為44.8%，城市為41.9%^[1]。由于地區環境、醫療條件的局限性，心血管疾病普查對醫療診斷器械的成本、便攜、準確等方面提出更高的需求，因此設計一種低成本且可靠的心音采集系統尤為重要。

    常見的心音采集系統^[2-4]一般由多個模塊組成，模塊與模塊連接不僅調試困難，而且會造成不可知的干擾，大大影響數據準確性。

    為了解決傳統系統成本高、體積大、功耗高的缺點，在PSoC技術基礎上設計了新型的可視化心音采集系統。該系統以“心音采集、傳輸、播放、存儲一體化”為研究目的，運用傳感器、信號采集、軟件濾波、藍牙通信等技術，對心音采集系統進行了有益的研究和探索。

1 系統概述

1.1 心音特征及特征參數定義

    心音是心臟及大血管機械運動狀況的反映，心音中出現的雜音是重要的診斷信息^[5]。一般正常心音的頻帶范圍主要集中在20~200 Hz，高頻雜音頻率可達700 Hz^[6]。一個正常心音圖特征參數定義如圖1所示。

1.2 系統總體設計

    系統總體設計如圖2所示。心音傳感器采集心音信號，PSoC4對心音信號模擬處理，主要對輸入的心音信號自舉放大和低通濾波處理，去除混雜的高頻噪聲；心音信號數字處理主要實現信號模數轉換，并采用軟件數字濾波器方式去除心音信號中的干擾信號，提高信噪比；最后由藍牙無線傳輸至上位機實時顯示和存儲，聽診模塊用于實時聽診，Capsense觸摸控制用于聽診音量控制和數據發送控制。

2 系統硬件設計

    系統的硬件設計分為兩部分，一是PSoC4片上硬件，包括自舉放大電路、低通濾波電路、UART、CapSense等；二是PSoC4片外硬件，包括心音傳感器、藍牙無線模塊、音頻功放模塊等。

2.1 自舉放大電路

    心音傳感器輸出的信號非常微弱，當用10 kΩ限流電阻、+3.3 V電壓向心音傳感器供電，通過示波器測得心音幅值約為-80 mV~+80 mV。由于PSoC4要求輸入模擬信號在0~3.3 V之間，故設計了自舉放大電路，由PSoC4內部的運算放大器和外圍元器件組成，放大倍數最高為21倍。

2.2 低通濾波電路

    本文設計的是二階有源低通濾波器，由PSoC4內部運算放大器和外圍元器件組成，電路中運用了同向輸入運放。濾波器截止頻率為700 Hz，品質因數Q≈0.714，電路基本滿足穩定要求。

2.3 音頻功放模塊

    經過濾波后的模擬信號一路進入A/D轉換器，一路輸出作為音頻功放模塊輸入信號。由于聽診的音源的功率比較小，無法直接驅動耳機，所以設計搭建了以耳機功放芯片LM4811為核心的音頻功放電路，實現高質量的功率放大。設計電路如圖3所示，該電路可以通過兩根控制線實現16級音量控制。

2.4 藍牙無線模塊

    本設計采用藍牙模塊實時無線通信。下位機通過藍牙串口通信傳輸數據，計算機通過藍牙虛擬串口接收下位機傳輸過來的數據，無需任何協議，且成本低，功耗低，操作方便。

3 下位機軟件設計

    下位機軟件設計在PSoC Creator 3.1上實現。它采用最先進的集成的ARM GCC編譯器編譯代碼，帶有創新性圖形設計編輯器，提供多種功能組件和處理器配置API，大大提高了編程效率。下位機軟件流程如圖4。

3.1 系統初始化配置

    系統初始化配置階段主要對集成的模擬電路進行配置以及設置相關系統運行參數。系統時鐘為48 MHz，2個運算放大器配置為輸出電流強度為10 mA，A/D轉換采樣頻率為2 kHz，UART通信方式為115 200 b/s、1個停止位、無校驗位、8個數據位，Capsense為按鍵模式，按鍵掃描分辨率為12 bit。

3.2 數字濾波器的實現

    經過前面的硬件濾波，在第一心音和第二心音外還存在一定的噪聲信號，綜合微控制器的運算能力和濾波器算法的復雜度，本文選用軟件設計階數較小的IIR數字濾波器的方法對信號進行濾波，提高信噪比。

    為使計算簡化，定義2階IIR濾波器表達式：

    本文涉及的心音信號頻帶范圍為20 Hz~700 Hz，故設計了一個截止頻率為20 Hz的IIR直接Ⅱ型高通濾波器，衰減至截止頻率點為-3 dB。

3.3 無線數據傳輸

    本設計采用HC-06從機模塊，默認自動連接模，即可以被其他藍牙主機搜索并連接。使用具有藍牙的筆記本電腦即可連接采集系統的藍牙從機，通過發送命令控制心音信號采集系統開始工作并傳輸數據。

4 上位機軟件設計

    上位機軟件設計主要包括數據接收、波形顯示、數據存儲三部分。以Microsoft Visual Studio 2010中的MFC為開發平臺，選擇基于對話框的編程進行開發。用戶首先配置采樣時間和采樣串口，打開串口后，若下位機發送，上位機開始接收數據并繪制心音波形，當到達采樣時間便停止。點擊保存，心音數據將以TXT格式保存在PC上，其最大存儲容量可以達到231個數據，根據采樣頻率2 kHz可知，上位機持續采集時間可達298 h。點擊關閉，初始化所有參數并向采集板發送復位指令。

5 系統驗證

    為了驗證系統是否滿足設計需求，進行了硬件處理測試、軟件濾波測試、系統可靠性測試。

5.1 硬件處理測試

    本部分測試對象為一名正常成年男性，平躺且穿有帶聽診頭的聽診服，利用Agilent DS05014A示波器觀察三尖瓣聽診區的心音波形，測試結果如圖5所示。圖中，CH1為原始心音信號，可看出峰峰值為189 mV，且信號含有大量的毛刺噪聲；CH2為圖中經過自舉放大和低通濾波后的心音信號，峰峰值為1.5 V，相比處理前的信號，放大了約8倍，毛刺噪聲基本濾除，且保留了原始信號的特征。

5.2 軟件濾波測試

    本部分測試對象和采集部位同前，利用上位機采集心音數據10 s并保存，將保存的數據在MATLAB中進行濾波對比。軟件濾波前后心音信號的對比圖如圖6所示。從圖中可明顯的看出，經過20 Hz數字高通濾波器后，第一心音與第二心音的間隔更加分明，為后續處理提供了便利。在處理器中加入軟件濾波程序后，筆記本電腦上實時顯示的心音信號波形界面如圖7所示。從圖中可以看出，經過實際處理后的心音波形和MATLAB中的預期波形一致，第一心音和第二心音間隔明晰。

5.3 系統可靠性測試

    在實驗室環境條件下，采集了9名正常成年男性三尖瓣聽診區的心音數據10 s并保存，在MATLAB平臺上分析數據采用的是西華大學電氣學院生物醫學信息處理研究室開發的心音時域分析算法。第一步，利用改進的小波閾值收縮降噪^[7]對心音信號進行降噪處理；第二步，利用單自由度模型提取特征波形^[8-9]；第三步，劃取適當的閾值線，提取心音信號的T1、T2、T11、T12四個時域特征值；第四步，繪制特征參數散點圖^[10]，計算心率，其中心率的計算公式為：HR=60/T11，測試結果如表1所示。

    由表1可以看出，除受測者M_ML的心音為異常，其他都為正常。M_ML的心音波形如圖7所示。M_ML的心音波形周期（T11）相比正常心音更短，舒張期也更短，通過查閱文獻可知，在心率增快時，收縮期和舒張期均會縮短，舒張期縮短的比例更大。從分析結果可以得出M_ML的心率為97次/分，接近正常人心率上限，且散點圖顯示，部分特征參數T11～T12不在正常范圍內，和時域波形特征吻合。對M_ML進行了多次心音采集和分析，后續實驗結果均表明該受測者心音正常，本次采集心音異常為緊張所致。

6 結論

    通過硬件和軟件設計，實現了心音采集、播放、傳輸、顯示及存儲一體化設計。本系統不僅可以實時聽診，還可以通過筆記本電腦實時地觀察心音波形并存儲心音數據。系統集成度高、體積小、成本低，為后續心音數據分析、智能診斷等研究提供了便利。通過臨床測試，驗證該系統能準確反映受測者的心音時域特征，可靠實用，為心血管疾病普查的推廣提供研究基礎，同時也將為遠程醫療、家庭護理等提供思路，具有很強的實用價值。

參考文獻

[1] 陳偉偉，高潤霖，劉力生，等.中國心血管病報告2014概要[J].中國循環雜志，2015，30(7)：617-622.

[2] 劉洋，王海濱，趙紅，等.基于ARM9和CPLD的四導心音采集顯示系統設計[J].電子技術應用，2013，39(12)：18-24.

[3] 李傳鵬，郭興明，張文英，等.基于智能手機的心音監測系統的研究與設計[J].計算機工程與應用，2014，50(13)：37-41.

[4] 倪任彬，王海濱，張岷淘，等.分布式心音采集及時域分析系統設計[J].西華大學學報(自然科學版)，2013，23(6)：59-72.

[5] 于云之，聶邦畿.心音的臨床意義及研究現狀[J].現代醫學儀器與應用，1997，9(3)：9-12.

[6] LIU W C，WANG H B，LIU J Q，et al.A heart sound acquisition and analysis system[J].Advanced Materials Research，2012，341-342：504-508.

[7] WANG Y，WANG H B，LIU L H.An improved wavelet threshold shrinkage algorithm for noise reduction of heart sounds[C].2010 International Conference on Electrical and Control Engineering，2010：5018-5021.

[8] JIANG Z W，CHOI S J，WANG H B.A new approach on heart murmur classification with SVM technique[C].IEEE International Symposium on Information Technology convergence，2007：240-244.

[9] HU Y L，WANG H B，QIAO J X.Quantized analysis for heart valve disease based on cardiac sound characteristic waveform method[C].IEEE ICSPS 2010，1：258-262.

[10] CHOI S J，JIANG Z W.Comparison of envelope extraction algorithms for cardiac signal segmentation[J].Expert Systems with Application，2008，34(2)：1056-1069.