0 引言

    《中国心血管病报告2014概要》数据显示因心血管病死亡的人数占城乡居民总死亡人数的首位，农村为44.8%，城市为41.9%^[1]。由于地区环境、医疗条件的局限性，心血管疾病普查对医疗诊断器械的成本、便携、准确等方面提出更高的需求，因此设计一种低成本且可靠的心音采集系统尤为重要。

    常见的心音采集系统^[2-4]一般由多个模块组成，模块与模块连接不仅调试困难，而且会造成不可知的干扰，大大影响数据准确性。

    为了解决传统系统成本高、体积大、功耗高的缺点，在PSoC技术基础上设计了新型的可视化心音采集系统。该系统以“心音采集、传输、播放、存储一体化”为研究目的，运用传感器、信号采集、软件滤波、蓝牙通信等技术，对心音采集系统进行了有益的研究和探索。

1 系统概述

1.1 心音特征及特征参数定义

    心音是心脏及大血管机械运动状况的反映，心音中出现的杂音是重要的诊断信息^[5]。一般正常心音的频带范围主要集中在20~200 Hz，高频杂音频率可达700 Hz^[6]。一个正常心音图特征参数定义如图1所示。

1.2 系统总体设计

    系统总体设计如图2所示。心音传感器采集心音信号，PSoC4对心音信号模拟处理，主要对输入的心音信号自举放大和低通滤波处理，去除混杂的高频噪声；心音信号数字处理主要实现信号模数转换，并采用软件数字滤波器方式去除心音信号中的干扰信号，提高信噪比；最后由蓝牙无线传输至上位机实时显示和存储，听诊模块用于实时听诊，Capsense触摸控制用于听诊音量控制和数据发送控制。

2 系统硬件设计

    系统的硬件设计分为两部分，一是PSoC4片上硬件，包括自举放大电路、低通滤波电路、UART、CapSense等；二是PSoC4片外硬件，包括心音传感器、蓝牙无线模块、音频功放模块等。

2.1 自举放大电路

    心音传感器输出的信号非常微弱，当用10 kΩ限流电阻、+3.3 V电压向心音传感器供电，通过示波器测得心音幅值约为-80 mV~+80 mV。由于PSoC4要求输入模拟信号在0~3.3 V之间，故设计了自举放大电路，由PSoC4内部的运算放大器和外围元器件组成，放大倍数最高为21倍。

2.2 低通滤波电路

    本文设计的是二阶有源低通滤波器，由PSoC4内部运算放大器和外围元器件组成，电路中运用了同向输入运放。滤波器截止频率为700 Hz，品质因数Q≈0.714，电路基本满足稳定要求。

2.3 音频功放模块

    经过滤波后的模拟信号一路进入A/D转换器，一路输出作为音频功放模块输入信号。由于听诊的音源的功率比较小，无法直接驱动耳机，所以设计搭建了以耳机功放芯片LM4811为核心的音频功放电路，实现高质量的功率放大。设计电路如图3所示，该电路可以通过两根控制线实现16级音量控制。

2.4 蓝牙无线模块

    本设计采用蓝牙模块实时无线通信。下位机通过蓝牙串口通信传输数据，计算机通过蓝牙虚拟串口接收下位机传输过来的数据，无需任何协议，且成本低，功耗低，操作方便。

3 下位机软件设计

    下位机软件设计在PSoC Creator 3.1上实现。它采用最先进的集成的ARM GCC编译器编译代码，带有创新性图形设计编辑器，提供多种功能组件和处理器配置API，大大提高了编程效率。下位机软件流程如图4。

3.1 系统初始化配置

    系统初始化配置阶段主要对集成的模拟电路进行配置以及设置相关系统运行参数。系统时钟为48 MHz，2个运算放大器配置为输出电流强度为10 mA，A/D转换采样频率为2 kHz，UART通信方式为115 200 b/s、1个停止位、无校验位、8个数据位，Capsense为按键模式，按键扫描分辨率为12 bit。

3.2 数字滤波器的实现

    经过前面的硬件滤波，在第一心音和第二心音外还存在一定的噪声信号，综合微控制器的运算能力和滤波器算法的复杂度，本文选用软件设计阶数较小的IIR数字滤波器的方法对信号进行滤波，提高信噪比。

    为使计算简化，定义2阶IIR滤波器表达式：

    本文涉及的心音信号频带范围为20 Hz~700 Hz，故设计了一个截止频率为20 Hz的IIR直接Ⅱ型高通滤波器，衰减至截止频率点为-3 dB。

3.3 无线数据传输

    本设计采用HC-06从机模块，默认自动连接模，即可以被其他蓝牙主机搜索并连接。使用具有蓝牙的笔记本电脑即可连接采集系统的蓝牙从机，通过发送命令控制心音信号采集系统开始工作并传输数据。

4 上位机软件设计

    上位机软件设计主要包括数据接收、波形显示、数据存储三部分。以Microsoft Visual Studio 2010中的MFC为开发平台，选择基于对话框的编程进行开发。用户首先配置采样时间和采样串口，打开串口后，若下位机发送，上位机开始接收数据并绘制心音波形，当到达采样时间便停止。点击保存，心音数据将以TXT格式保存在PC上，其最大存储容量可以达到231个数据，根据采样频率2 kHz可知，上位机持续采集时间可达298 h。点击关闭，初始化所有参数并向采集板发送复位指令。

5 系统验证

    为了验证系统是否满足设计需求，进行了硬件处理测试、软件滤波测试、系统可靠性测试。

5.1 硬件处理测试

    本部分测试对象为一名正常成年男性，平躺且穿有带听诊头的听诊服，利用Agilent DS05014A示波器观察三尖瓣听诊区的心音波形，测试结果如图5所示。图中，CH1为原始心音信号，可看出峰峰值为189 mV，且信号含有大量的毛刺噪声；CH2为图中经过自举放大和低通滤波后的心音信号，峰峰值为1.5 V，相比处理前的信号，放大了约8倍，毛刺噪声基本滤除，且保留了原始信号的特征。

5.2 软件滤波测试

    本部分测试对象和采集部位同前，利用上位机采集心音数据10 s并保存，将保存的数据在MATLAB中进行滤波对比。软件滤波前后心音信号的对比图如图6所示。从图中可明显的看出，经过20 Hz数字高通滤波器后，第一心音与第二心音的间隔更加分明，为后续处理提供了便利。在处理器中加入软件滤波程序后，笔记本电脑上实时显示的心音信号波形界面如图7所示。从图中可以看出，经过实际处理后的心音波形和MATLAB中的预期波形一致，第一心音和第二心音间隔明晰。

5.3 系统可靠性测试

    在实验室环境条件下，采集了9名正常成年男性三尖瓣听诊区的心音数据10 s并保存，在MATLAB平台上分析数据采用的是西华大学电气学院生物医学信息处理研究室开发的心音时域分析算法。第一步，利用改进的小波阈值收缩降噪^[7]对心音信号进行降噪处理；第二步，利用单自由度模型提取特征波形^[8-9]；第三步，划取适当的阈值线，提取心音信号的T1、T2、T11、T12四个时域特征值；第四步，绘制特征参数散点图^[10]，计算心率，其中心率的计算公式为：HR=60/T11，测试结果如表1所示。

    由表1可以看出，除受测者M_ML的心音为异常，其他都为正常。M_ML的心音波形如图7所示。M_ML的心音波形周期（T11）相比正常心音更短，舒张期也更短，通过查阅文献可知，在心率增快时，收缩期和舒张期均会缩短，舒张期缩短的比例更大。从分析结果可以得出M_ML的心率为97次/分，接近正常人心率上限，且散点图显示，部分特征参数T11～T12不在正常范围内，和时域波形特征吻合。对M_ML进行了多次心音采集和分析，后续实验结果均表明该受测者心音正常，本次采集心音异常为紧张所致。

6 结论

    通过硬件和软件设计，实现了心音采集、播放、传输、显示及存储一体化设计。本系统不仅可以实时听诊，还可以通过笔记本电脑实时地观察心音波形并存储心音数据。系统集成度高、体积小、成本低，为后续心音数据分析、智能诊断等研究提供了便利。通过临床测试，验证该系统能准确反映受测者的心音时域特征，可靠实用，为心血管疾病普查的推广提供研究基础，同时也将为远程医疗、家庭护理等提供思路，具有很强的实用价值。

参考文献

[1] 陈伟伟，高润霖，刘力生，等.中国心血管病报告2014概要[J].中国循环杂志，2015，30(7)：617-622.

[2] 刘洋，王海滨，赵红，等.基于ARM9和CPLD的四导心音采集显示系统设计[J].电子技术应用，2013，39(12)：18-24.

[3] 李传鹏，郭兴明，张文英，等.基于智能手机的心音监测系统的研究与设计[J].计算机工程与应用，2014，50(13)：37-41.

[4] 倪任彬，王海滨，张岷淘，等.分布式心音采集及时域分析系统设计[J].西华大学学报(自然科学版)，2013，23(6)：59-72.

[5] 于云之，聂邦畿.心音的临床意义及研究现状[J].现代医学仪器与应用，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.