郭興明，盧德林，湯麗平

◎信號(hào)處理◎

自回歸譜模型的運(yùn)動(dòng)員心音頻譜特征研究

郭興明，盧德林，湯麗平

S1/S2指標(biāo)是表征心肌收縮能力的重要標(biāo)志，為從頻域角度來(lái)了解運(yùn)動(dòng)對(duì)運(yùn)動(dòng)員心肌收縮功能的影響，將運(yùn)動(dòng)員和普通大學(xué)生在運(yùn)動(dòng)前后的心音信號(hào)納入到自回歸功率譜中加以研究。通過(guò)分析運(yùn)動(dòng)員組和普通大學(xué)生組心音次頻段（＜20 Hz）范圍的自回歸功率譜曲線，發(fā)現(xiàn)在該頻段范圍兩組之間的心音頻譜存在顯著的差異性，因此，提出了兩個(gè)新的評(píng)估的指標(biāo)R值和A值。結(jié)果顯示，運(yùn)動(dòng)前后兩組之間的特征參數(shù)R值和A值存在顯著性差異（P＜0.05），且兩組之間的特征值與指標(biāo)S1/S2有顯著的相關(guān)性（P＜0.01）。這表明通過(guò)頻域的角度所提出的兩個(gè)特征參數(shù)可以用于評(píng)估運(yùn)動(dòng)員心臟功能狀態(tài)和心肌的收縮能力。

心音；自回歸譜模型；心肌收縮能力；次頻段；S1/S2指標(biāo)

1 引言

1899年，自瑞典臨床學(xué)家亨申（Henschen）首次提出運(yùn)動(dòng)員心臟概念以來(lái)[1]，運(yùn)動(dòng)對(duì)心臟結(jié)構(gòu)和功能的影響情況逐漸成為人們研究和探討的熱點(diǎn)問(wèn)題。解剖學(xué)證明，長(zhǎng)期的運(yùn)動(dòng)可以導(dǎo)致人體心臟的形態(tài)和功能發(fā)生改變[2]，從而對(duì)心肌的收縮能力和心臟的基本功能產(chǎn)生影響。而心音信號(hào)是在心動(dòng)周期中，由于心肌收縮和舒張，瓣膜啟閉，血流沖擊心室壁和大動(dòng)脈等因素引起的機(jī)械振動(dòng)，通過(guò)周圍組織傳到胸壁形成聲音信號(hào)[3]。目前，心音信號(hào)作為臨床評(píng)估心臟功能狀態(tài)的基本參數(shù)，能形象地反映心臟活動(dòng)和血流狀況。Hansen等[4]人的研究表明：“第一心音幅值的變化和左心室壓力上升最大速率的變化呈正相關(guān)（r=0.955 1，P＜0.001）”。而Rice和Doyle等將心音強(qiáng)度和心肌的收縮能力聯(lián)系起來(lái)研究并得出結(jié)論：“第一心音的幅值是心肌收縮能力的標(biāo)準(zhǔn)量度”[5]。這為評(píng)估心臟功能和衡量心肌收縮能力的強(qiáng)弱提供了一條新的途徑。此后，肖守中等提出用相對(duì)值法[6]來(lái)建立心音幅值參數(shù)，通過(guò)第一心音的幅值（S1）與第二心音的幅值（S2）之比來(lái)反映心肌收縮能力和外周阻力的動(dòng)態(tài)變化關(guān)系，至此，該指標(biāo)逐漸得到國(guó)內(nèi)外學(xué)者的肯定。因此，指標(biāo)S1/SS2已成為評(píng)估心臟功能狀態(tài)和心肌收縮能力的重要量度。

目前主要是從心音的時(shí)域角度來(lái)評(píng)估心臟功能和心肌收縮能力。然而，胡旭東[7]研究發(fā)現(xiàn)，25～50 Hz頻率范圍內(nèi)的心音是心臟瓣膜活動(dòng)的結(jié)果，20 Hz以下稱為低頻（次聲帶），是心臟除瓣膜外的部分收縮舒張產(chǎn)生的結(jié)果，所以從心音的頻域分析，更能反映心肌收縮能力和功能的改變。文獻(xiàn)[8]討論了運(yùn)動(dòng)前后實(shí)驗(yàn)者心音頻譜的變化情況，卻沒(méi)有從頻域角度來(lái)描述心肌的收縮功能與運(yùn)動(dòng)狀態(tài)的相關(guān)性。鑒于此，本文主要研究心音信號(hào)次聲帶范圍（0～20 Hz）的頻譜，分析運(yùn)動(dòng)員和普通大學(xué)生在運(yùn)動(dòng)前后狀態(tài)下的心音信號(hào)頻譜特征。

對(duì)信號(hào)進(jìn)行功率譜分析的方法有很多，一般可以分為經(jīng)典的譜估計(jì)（非參數(shù)估計(jì)），如周期圖法、相關(guān)圖法等，以及現(xiàn)代的譜估計(jì)（參數(shù)估計(jì)）方法兩大類。經(jīng)典的譜估計(jì)方法是一種線性的非參數(shù)化方法，是在DFT的基礎(chǔ)上，將數(shù)據(jù)觀測(cè)區(qū)外的未知數(shù)據(jù)假設(shè)為零，相當(dāng)于數(shù)據(jù)加窗，具有分辨率低、功率泄露、頻譜混疊等固有的缺點(diǎn)[9-10]，適合于處理較長(zhǎng)時(shí)間序列的數(shù)據(jù)。而現(xiàn)代譜估計(jì)方法是一種非線性的參數(shù)化方法，是根據(jù)對(duì)過(guò)程的先驗(yàn)知識(shí)，建立一個(gè)近似實(shí)際過(guò)程的模型，而后利用觀測(cè)數(shù)據(jù)來(lái)估計(jì)假設(shè)的模型參數(shù)，回避了數(shù)據(jù)觀測(cè)區(qū)以外數(shù)據(jù)假設(shè)問(wèn)題，從而避免了功率泄漏，提高了分辨率[11]。同時(shí)，與傳統(tǒng)的譜估計(jì)方法相比（如周期圖法），基于AR模型的現(xiàn)代譜估計(jì)方法具有頻譜分辨率高，譜線更加平滑和適合分析非線性信號(hào)等特點(diǎn)，因此該方法更適合于用來(lái)分析和提取心音信號(hào)的頻譜特征值。

2 心音數(shù)據(jù)的采集

應(yīng)用重慶博精醫(yī)學(xué)信息研究所研制的“運(yùn)動(dòng)心力監(jiān)測(cè)儀”（ECCM，專利號(hào)01256971.2，第一代產(chǎn)品注冊(cè)證號(hào)：渝藥管械（試）字99第220007）進(jìn)行心音信號(hào)的采集。該系統(tǒng)由硬件系統(tǒng)和軟件系統(tǒng)兩大部分組成，其中硬件系統(tǒng)包括心音脈搏波傳感器、CCM信號(hào)采集器、計(jì)算機(jī)，軟件由Visual Basic、VC++寫(xiě)成；采集的信號(hào)最終以.wav格式保存，采樣頻率為11 025 Hz，量化值為8 bit。

實(shí)驗(yàn)對(duì)象分別是體育系的運(yùn)動(dòng)員和普通系的學(xué)生，分為實(shí)驗(yàn)組和對(duì)照組，實(shí)驗(yàn)組為76名運(yùn)動(dòng)員，其中男生54名，女生22名。平均年齡（21.0±1.5）歲，平均身高（173.8± 7.5）cm，平均體重（65.2±9.8）kg；對(duì)照組為35名普通系的學(xué)生，男生23名，女生12名，平均年齡（22.3±1.6）歲，平均身高（167.4±6.8）cm，平均體重（57.2±7.9）kg。所有參試學(xué)生身體良好，無(wú)心臟病史。

在研究中，先讓受試者在安靜狀態(tài)下靜坐，平靜呼吸，將心音傳感器置于心尖搏動(dòng)最明顯處，記錄其在靜息狀態(tài)下的心音圖。然后讓受試者完成規(guī)定運(yùn)動(dòng)量的登梯運(yùn)動(dòng)，運(yùn)動(dòng)后即刻記錄其心音圖，每例心音信號(hào)的記錄時(shí)間約為40 s，完全能滿足后續(xù)的分析處理要求。

3 自回歸譜模型

自回歸模型（Autogessive Model，AR）是一種非線性的參數(shù)化譜估計(jì)模型，其方法如下：

其中，均值為0，方差未知的預(yù)測(cè)誤差序列為：

通過(guò)對(duì)上述差分方程的變換和反變換，可得p階AR自回歸模型：

式中，ak為系數(shù)，k=1，2，…，p為模型的階數(shù)，w(n)是噪聲序列。若白噪聲的功率譜密度為Φ(ω)=σ2w，則全極點(diǎn)模型的輸出功率譜為[12]：

由式（4）可知，只要求出σ2W、aK，就可以求出AR模型的輸出功率譜。本研究應(yīng)用了Brug[13]算法來(lái)求解系數(shù)σ2W、aK，它是一種約束性的最小二乘算法。該算法是在Levinson-Durbin[14]遞推法這一約束條件下進(jìn)行的，因此處理較短的數(shù)據(jù)獲得的譜線分辨率更高。

AR模型階次的選擇對(duì)功率譜的估計(jì)有著重要的影響。如果階次過(guò)低，估計(jì)的譜會(huì)過(guò)于平坦，若選得過(guò)高，不但會(huì)大大增加計(jì)算量，而且會(huì)使譜出現(xiàn)虛假的細(xì)節(jié)。為此人們提出了許多確定階次的方法，其中用得較多的是最終預(yù)測(cè)誤差判據(jù)FPE和信息論判據(jù)AIC準(zhǔn)則，如下式[15]：

式中，P是模型的階次，Ep是P階AR模型的最終預(yù)測(cè)誤差能量，N是數(shù)據(jù)點(diǎn)數(shù)。當(dāng)階次P從小到大遞增時(shí)，F(xiàn)PE(p) 和AIC(p)將會(huì)在某一個(gè)P處取得極小值，這時(shí)的P即為所要選擇的階次。通過(guò)實(shí)驗(yàn)表明，階次P為15階時(shí)所得到譜線能達(dá)到最優(yōu)。

4 心音信號(hào)的自回歸譜分析

4.1 心音的預(yù)處理

本文使用的儀器采樣頻率為11 025 Hz，量化值為8 bit。為了減少每次處理的數(shù)據(jù)量，加快處理速度，在保證信號(hào)質(zhì)量的前提下，對(duì)信號(hào)進(jìn)行了重采樣，每隔15點(diǎn)取一次數(shù)據(jù)，則重采樣后的心音信號(hào)頻率為11 025/15=735 Hz。經(jīng)過(guò)重采樣后的信號(hào)雖降低了一定的數(shù)據(jù)量，但每次采集的信號(hào)至少持續(xù)了30 s，即至少存在735×30個(gè)數(shù)據(jù)點(diǎn)，對(duì)于后續(xù)的處理來(lái)說(shuō)，仍然存在數(shù)據(jù)量過(guò)大的問(wèn)題。為了滿足系統(tǒng)的實(shí)時(shí)性要求，從采樣后的數(shù)據(jù)中截取一段信號(hào)質(zhì)量較好心音作為實(shí)驗(yàn)樣本，每例樣本點(diǎn)數(shù)均取為4 000點(diǎn)。

由于心音信號(hào)在采集的過(guò)程中會(huì)受到多種噪聲的干擾，因此本文采用小波變換的方法來(lái)對(duì)信號(hào)進(jìn)行消噪處理。小波去噪的本質(zhì)就是利用小波變換將信號(hào)分解為不同的尺度，而不同尺度下的信號(hào)能量是不同的，噪聲信號(hào)的能量主要集中在高頻部分，有用信號(hào)則主要集中在低頻部分，因此要去除噪聲信號(hào)，最重要的是選擇小波模板和閾值。本文通過(guò)反復(fù)實(shí)驗(yàn)，選取了dB7小波和Rigrsure閾值法。如圖1中所示，消噪后的信號(hào)很好地保留了原有信號(hào)的局部化特征，去除了基線上的高頻噪聲和毛刺等，濾波效果較好，有利于后續(xù)的信號(hào)分析與處理。

圖1 心音小波去噪后的圖形

4.2 心音譜特征參數(shù)的提取

如圖2和圖3所示，分別表示運(yùn)動(dòng)員和普通大學(xué)生在靜息狀態(tài)下的心音功率譜圖，通過(guò)對(duì)運(yùn)動(dòng)員和大學(xué)生心音功率譜的分析，發(fā)現(xiàn)其心音次頻段的能量具有明顯的差異性。從圖2可以看出，實(shí)驗(yàn)組運(yùn)動(dòng)員在靜息狀態(tài)下的頻譜能量主要集中在0～200 Hz的范圍內(nèi)，而在該范圍內(nèi)出現(xiàn)了兩個(gè)頻譜峰值：第一個(gè)峰值位于0～20 Hz頻帶范圍，峰值頻率約為10 Hz；第二個(gè)峰值位于20～200 Hz范圍內(nèi)，其峰值頻率主要集中在50 Hz左右。而從其對(duì)照組圖3中可以看出，普通系的學(xué)生在靜息狀態(tài)下的頻譜能量也集中在0～200 Hz范圍內(nèi)，頻譜中卻只存在一個(gè)譜峰值，其峰值頻率約在60 Hz左右。但運(yùn)動(dòng)之后，實(shí)驗(yàn)組和對(duì)照組的心音頻譜基本相似，頻譜中只存在一譜峰值?；趯?shí)驗(yàn)組和對(duì)照組中運(yùn)動(dòng)員和普通學(xué)生在靜息狀態(tài)下的心音頻譜的特點(diǎn)，提出了一個(gè)評(píng)價(jià)指標(biāo)R，即采用0～20 Hz范圍內(nèi)功率譜曲線下的面積D1和20～200 Hz范圍內(nèi)功率譜曲線下的面積D2的比值，作為衡量次頻段頻譜能量變化的特征值，如圖2。即：

圖2 運(yùn)動(dòng)員靜息狀態(tài)下的功率譜圖

其中，D(f)為功率譜；f1為起始頻率（Hz），取1 Hz；f2為中間頻率（Hz），由于本實(shí)驗(yàn)主要研究心音次頻帶（＜20 Hz）范圍的頻譜曲線特征，故 f2取20 Hz；f3為終止頻率，心音成分主要集中在0～200 Hz范圍，而在20～200 Hz內(nèi)無(wú)論對(duì)于運(yùn)動(dòng)員還是普通學(xué)生，能量變化范圍不大，因此 f3取200 Hz。同時(shí)，這也有效消除了高于200 Hz的高頻噪聲的影響，這樣就使得R值能充分反映次頻段范圍心音能量的變化情況。

研究發(fā)現(xiàn)，不同的運(yùn)動(dòng)員在靜息狀態(tài)下所得到的R值可能出現(xiàn)相等，該單一指標(biāo)無(wú)法準(zhǔn)確地衡量出不同運(yùn)動(dòng)員的心音頻譜能量在次頻段范圍的變化。對(duì)此，本文提出了第二個(gè)評(píng)價(jià)指標(biāo)A，在0～20 Hz范圍內(nèi)，由于能量集中在10 Hz左右，因此取10 Hz所對(duì)應(yīng)的幅值作為該頻帶內(nèi)能量的最大值，即A被定義為10 Hz所對(duì)應(yīng)的幅值與20～200 Hz范圍內(nèi)的最大峰值頻率所對(duì)應(yīng)的幅值的比值。即為：

A=A1/A2 （8）

它是一個(gè)相對(duì)幅值比，能很好地反映不同運(yùn)動(dòng)員之間次頻段最大能量峰值的差異性，這樣有效地消除了因?yàn)榉挡▌?dòng)對(duì)R值的影響。因此，結(jié)合A值和R值，這兩個(gè)指標(biāo)更能夠準(zhǔn)確地反映心音次頻段的能量波動(dòng)狀況。

5 實(shí)驗(yàn)結(jié)果

5.1 運(yùn)動(dòng)員和普通大學(xué)生在靜息狀態(tài)下的不同指標(biāo)的比較

在靜息狀態(tài)下，76名運(yùn)動(dòng)員和35名普通大學(xué)生的次頻段能量譜中均出現(xiàn)了能量峰值，fmax為頻率20～200 Hz范圍內(nèi)的最大峰值頻率，運(yùn)動(dòng)員組和普通大學(xué)生組各指標(biāo)值之間均有顯著性差異（P＜0.05），如表1所示（表中，**P＜0.05 vs運(yùn)動(dòng)員組的不同指標(biāo)）。表1表明，在靜息狀態(tài)下，其指標(biāo)值可以用來(lái)反映他們的心臟功能狀態(tài)的不同。

表1 運(yùn)動(dòng)員組和普通大學(xué)生組在靜息狀態(tài)的不同指標(biāo)對(duì)比結(jié)果

圖3 普通大學(xué)生靜息狀態(tài)下的功率譜圖

表2 運(yùn)動(dòng)員組在運(yùn)動(dòng)前后不同指標(biāo)的對(duì)比結(jié)果

圖4 普通大學(xué)生S1/S2值與R、A值的散點(diǎn)分布圖

圖5 運(yùn)動(dòng)員S1/S2值與R、A值的散點(diǎn)分布圖

5.2 運(yùn)動(dòng)員在運(yùn)動(dòng)前后不同參數(shù)指標(biāo)的比較

76名運(yùn)動(dòng)員在靜息狀態(tài)下，有55名運(yùn)動(dòng)員的心音次頻段出現(xiàn)了能量的峰值。其中，男生中有50名出現(xiàn)了能量峰值（占男生總?cè)藬?shù)的92.5%），女生中有5名出現(xiàn)了能量峰值（占女生總?cè)藬?shù)的22.7%）；運(yùn)動(dòng)之后，各運(yùn)動(dòng)員心音次頻段的能量峰值均消失。而運(yùn)動(dòng)前和運(yùn)動(dòng)后的指標(biāo)R值和A值均有顯著性差異（P＜0.05），如表2所示（表中，**P＞0.05 vs運(yùn)動(dòng)前指標(biāo) fmax；**P＜0.05 vs運(yùn)動(dòng)前指標(biāo)R和A值）。

5.3 指標(biāo)R、A與S1/S2的對(duì)應(yīng)關(guān)系

本文對(duì)普通大學(xué)生和運(yùn)動(dòng)員的S1/S2值與所提出指標(biāo)R、A值進(jìn)行了Pearson相關(guān)性分析。分析結(jié)果表明，普通大學(xué)生和運(yùn)動(dòng)員的R、A值與S1/S2值在0.01水平上均有顯著的相關(guān)性，如表3所示（表中，**在P＜0.01水平（雙側(cè)）顯著相關(guān)）。

表3 普通大學(xué)生組和運(yùn)動(dòng)員組S1/S2值與R、A值的相關(guān)性分析結(jié)果

運(yùn)動(dòng)員和普通大學(xué)生靜息狀態(tài)下指標(biāo)R、A值與S1/S2值的散點(diǎn)關(guān)系圖，如圖4和圖5所示，分別為普通大學(xué)生和運(yùn)動(dòng)員在靜息狀態(tài)下的S1/S2值與指標(biāo)R和A值的散點(diǎn)分布圖及其擬合直線。

6 討論

由表1可知，運(yùn)動(dòng)員和普通大學(xué)生在靜息狀態(tài)下，其次頻段均有出現(xiàn)能量的峰值，但兩組出現(xiàn)峰值的頻數(shù)是不同的，運(yùn)動(dòng)員組出現(xiàn)峰值的頻數(shù)要明顯地大于普通大學(xué)生組（P＜0.05），表明長(zhǎng)期從事體育鍛煉的運(yùn)動(dòng)員其心音頻譜向低頻方向轉(zhuǎn)化。而普通大學(xué)生組由于較少的從事體育運(yùn)動(dòng)，其心音的頻譜主要集中在20 Hz以上的高頻部分。所以，這必然會(huì)使得運(yùn)動(dòng)員組在低頻段的心音頻譜能量要高于普通大學(xué)生組。另外，運(yùn)動(dòng)員組和大學(xué)生組在20～200 Hz范圍內(nèi)的峰值頻率 fmax也是有顯著性差異的（P＜0.05），但運(yùn)動(dòng)員組要明顯地高于普通大學(xué)生組。研究表明20 Hz以上的頻率范圍主要反映的是心臟瓣膜活動(dòng)的結(jié)果，因此，運(yùn)動(dòng)員的長(zhǎng)期運(yùn)動(dòng)可能會(huì)對(duì)心臟瓣膜的結(jié)構(gòu)產(chǎn)生一定的影響。而從R值和A值可以發(fā)現(xiàn)，運(yùn)動(dòng)員組的兩個(gè)參數(shù)值要明顯地高于普通大學(xué)生組（P＜0.05），這是由于指標(biāo)R、A值主要是反映次頻段心音的能量狀況，而心肌收縮振動(dòng)的頻率主要集中在該頻段范圍內(nèi)，所以，長(zhǎng)期從事體育鍛煉的運(yùn)動(dòng)員其心肌收縮更加有力，體循環(huán)阻力更小，心臟循環(huán)系統(tǒng)的功能更強(qiáng)[16]。因此，R值和A值能很好地反映出心臟功能狀態(tài)和心肌的收縮能力。

從表2中可以看出，運(yùn)動(dòng)員在靜息狀態(tài)下其心音次頻段出現(xiàn)了能量的峰值，而運(yùn)動(dòng)之后，所有運(yùn)動(dòng)員的心音次頻段的能量峰值均消失。從表2來(lái)看，反映心臟瓣膜活動(dòng)狀況的頻率 fmax在運(yùn)動(dòng)前后沒(méi)有顯著性的變化，而運(yùn)動(dòng)前和運(yùn)動(dòng)后的R值和A值具有顯著性的差異，這跟運(yùn)動(dòng)前后次頻段是否出現(xiàn)能量的峰值有關(guān)。

從表3可知，提出的指標(biāo)R值和A值與國(guó)際上已經(jīng)接受的用于評(píng)估心肌收縮能力的指標(biāo)S1/S2值具有顯著的相關(guān)性（P＜0.01）。隨著S1/S2值的增加，R與A的參考值也隨之遞增，如圖4和圖5所示。因此，R值和A值與S1/S2指標(biāo)值具有某種正的線性相關(guān)性，說(shuō)明本文從頻域角度提出的R值和A值也可以作為評(píng)估心臟功能狀態(tài)和心肌收縮能力的一個(gè)重要的參考指標(biāo)。

7 結(jié)論

本文從心音頻域的角度入手，應(yīng)用自回歸模型的方法對(duì)心音信號(hào)中聽(tīng)閾以下次聲帶范圍的頻率進(jìn)行分析，通過(guò)對(duì)比普通大學(xué)生和運(yùn)動(dòng)員的心音譜發(fā)現(xiàn)其心音信號(hào)次頻段范圍的功率譜曲線具有顯著性差異。因此，提出了兩個(gè)量化的指標(biāo)R值和A值來(lái)衡量其心音譜的關(guān)系，通過(guò)將這兩個(gè)指標(biāo)與國(guó)際上已經(jīng)確認(rèn)的用于評(píng)估心臟儲(chǔ)備的指標(biāo)進(jìn)行對(duì)比，結(jié)果表明它們之間具有顯著的相關(guān)性。這表明從頻域角度提出的兩個(gè)參數(shù)指標(biāo)R值和A值可以用于衡量心臟功能狀態(tài)和心肌收縮能力，也為心臟的無(wú)創(chuàng)診斷和運(yùn)動(dòng)員的選拔提供了一種新的評(píng)價(jià)指標(biāo)。

今后的工作中，將從心音的時(shí)域和頻域，綜合地分析心臟的功能狀態(tài)和心肌收縮能力，對(duì)應(yīng)激條件下心臟的功能狀態(tài)，尤其是心力衰竭病人的心臟狀況做出更準(zhǔn)確的評(píng)估。此研究不僅對(duì)于心臟病人，而且對(duì)處于亞健康狀況的心臟病患者的心臟預(yù)警都有重要的意義。

[1]和海珍.運(yùn)動(dòng)心臟研究進(jìn)展[J].安陽(yáng)師范學(xué)院學(xué)報(bào)，2006（2）：146-148.

[2]馬尚奎.長(zhǎng)期運(yùn)動(dòng)負(fù)荷導(dǎo)致心腔擴(kuò)大與心肌肥厚[J].長(zhǎng)江大學(xué)學(xué)報(bào)，2010，7（1）：41-44.

[3]羅建仲，羅琳.心臟聽(tīng)診[M].北京：人民衛(wèi)生出版社，2001.

[4]Hansen P B，Luisada A A.Phonocardiography as a monitor of cardiac performance during anesthesia[J].Anesth Analg，1989，68：385-387.

[5]Rice M L，Doyle D J.Comparison of phonocardiographic monitoring location[C]//Proceedings of IEEE EBMC'95 CDROM，1995.

[6]Xiao S，Guo X，Sun X，et al.A relative value method for measuring and evaluating cardiac reserve[EB/OL].（2002-01）[2011-06].http：//www.biomedical-engineering-online.com/content/1/1/6.

[7]胡旭東.無(wú)創(chuàng)傷心臟檢查方法和心功能監(jiān)測(cè)（二）心音頻譜圖對(duì)心臟的檢查和心功能監(jiān)測(cè)的進(jìn)展[J].心肺血管學(xué)報(bào)，1987（1）：35-38.

[8]俞潔，翁劍嶺，楊成斌.運(yùn)動(dòng)對(duì)青年學(xué)生和摔跤運(yùn)動(dòng)員心音頻譜的不同影響[J].中國(guó)運(yùn)動(dòng)醫(yī)學(xué)雜志，1994（1）：37-39.

[9]羅豐，段沛沛，吳順君.基于Burg算法的短序列譜估計(jì)研究[J].西安電子科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，32（5）：724-728.

[10]Marple S L.Digital spectral analysis with application[M]. Cliffs E New Jersey：Prentice-Hall，1987.

[11]傅廣操，樊明捷.Matlab在現(xiàn)代功率譜估計(jì)中的應(yīng)用[J].電腦學(xué)習(xí)，2003（6）：6-7.

[12]Xiao Y H，Xiao S Z，Cao Z H，et al.The phonocardiogram exercise test[J].IEEE Engineering in Med and Biol Magazine，1999，18（4）：111-115.

[13]Makhoul J.Linear prediction：a tutorial review[J].Proceedings of the IEEE，1975，63（5）：561-580.

[14]Kay S M.Spectrum analysis-a modern perspective[J].Proceedings of the IEEE，1981，69：1380-1419.

[15]楊福生.隨機(jī)信號(hào)分析[M].北京：清華大學(xué)出版社，1990.

[16]郭興明，楊勇，肖守中，等.運(yùn)動(dòng)員心功能評(píng)估新方法和新指標(biāo)的研究[J].中國(guó)應(yīng)用生理學(xué)，2010，26（3）：380-383.

GUO Xingming,LU Delin,TANG Liping

重慶大學(xué) 生物工程學(xué)院，重慶 400044

College of Bioengineering,Chongqing University,Chongqing 400044,China

S1/S2 is an important index which reflects the cardiac contractility.In order to study the influence of sports on the cardiac contractility from the viewpoint of frequency domain,heart sounds of athlete group and general college student group in pre-exercise and post-exercise have been processed using autoregressive power spectrum model.Significant difference is found between the two groups of the heart sound spectral curve in frequency domain by analyzing the autoregressive power spectral curve in the range of subbands（＜20 Hz）.Therefore,two new evaluation index R and A are proposed.The results show that index R and A of the two groups have significant differences（P＜0.05）in pre-exercise and post-exercise,and have significant correlation（P＜0.01）with the index S1/S2.This suggests that two characteristic parameters proposed from the angle of frequency domain can be used to evaluate the heart function state of athlete and cardiac contractility.

heart sound;autoregressive power spectrum model;cardiac contractility;subbands;S1/S2

A

TP391；TM711

10.3778/j.issn.1002-8331.1107-0563

GUO Xingming,LU Delin,TANG Liping.Study on heart sound spectral features for athletes using autoregressive power spectrum model.Computer Engineering and Applications,2013,49（7）：106-110.

中央高?；究蒲袠I(yè)務(wù)費(fèi)“研究生科技創(chuàng)新基金”項(xiàng)目（No.CDJXS11230049）。

郭興明（1964—），男，博士，教授，研究方向?yàn)樯镝t(yī)學(xué)電子與信息技術(shù)；盧德林（1987—），男，碩士研究生，研究方向?yàn)獒t(yī)學(xué)信號(hào)處理。E-mail：guoxm@cqu.edu.cn

2011-08-01

2011-11-04

1002-8331（2013）07-0106-05