一種新的人體運動強度檢測方法(改)

1、一種新的人體運動強度檢測方法的研究基金項目：國家自然科學基金( No.61271334), “心音特征提取和身份識別中新方法研究及應用”;作者簡介：姜煒（1986-），男，江蘇泰州人，碩士研究生，研究方向為智能信息系統(tǒng)與應用。Email：jw6232368成謝鋒 姜煒（南京郵電大學電子科學與工程學院, 江蘇南京 210003）摘 要：據(jù)統(tǒng)計，在運動場所因心臟疾病突發(fā)導致人員傷亡的事件數(shù)量正逐年增加。為了正確評估人體在運動過程當中的運動強度大小，使運動強度與個人健康控制在一個合理的范圍，本文基于小波包分解對人體心音和心電信號的處理技術，利用小波包的多分辨分析的特點，旨在將歸一化能量結合到小波包分

2、解當中，利用頻帶能量商作為檢測人體運動前后心音、心電信號的生理參數(shù)。經實驗論證該方法分辨率高，操作簡單，檢測標準可調性強，能夠很好地評估人體運動強度的大小，可以盡量避免因“過量運動”而導致心臟疾病突發(fā)事件的發(fā)生，防患于未然。關鍵字：心音，心電，運動強度，小波包分解，頻帶能量Study of a new method of exercise intensity detection CHENG XIE-feng JIANG-wei(College of Electronic Science and Engineering, University of Posts and Telecommunica

3、tions, Nanjing 210003, China)Abstract: According to statistics, at a sports field due to heart disease outbreaks are increasing year by year the number of events that lead to casualties. In order to evaluate the human body in motion during exercise intensity, which makes the exercise intensity and i

4、ndividual health control in a reasonable range, based on wavelet packet human heart sound and ECG processing techniques using of wavelet packet multi resolution analysis features combined with wavelet packet decomposition which aimed at normalization energy band energy as detect human motion before

5、and after heart sound and ECG physiological parameters. The experiment demonstrates that the method has the advantages of simple operation, high resolution, detection standard adjustable, can be very good to assess human motion intensity, can be avoided due to "overload movement " and lead

6、 to heart disease the occurrence of unexpected events, nip in the bud.Keywords: Heart sounds, ECG, Exercise intensity, Wavelet packet decomposition, Energy supplier1 引言我國近年來在學校運動場所因運動強度過量而猝死的學生傷亡事件屢見不鮮。據(jù)統(tǒng)計，在參與運動的人群中，每年的運動猝死率達到二十五萬分之一1。可見，及時對在校學生的運動強度與生理參數(shù)進行測試和評估，讓某些體質差的學生暫時不要參加高強度體育活動，盡可能地防止嚴重事故的發(fā)生，

7、已經迫在眉睫。心音信號和心電信號作為人體最重要的兩個生理信號，含有大量的關于人體心臟和血管的生理、病理信息2。二者既可以很好地反映心臟收縮力和心力儲備情況，同時還具有無創(chuàng)性、敏感性和特異性高、能重復采用和客觀量化等特點3。因此，對心音和心電信號的檢測和分析是了解人體心臟健康與否的一種必不可少的手段4。以上兩種生理信號的這些性質可以運用到各種運動場所，從而對人體進行體質評價和運動訓練的實時監(jiān)控。2 心音和心電信號的特性心音是由心臟的瓣膜和大血管在血流沖擊下形成的振動，以及心臟內血流的加速與渦流對心臟瓣膜、心房、室壁作用產生的振動，再加上心肌在周期性的心電活動作用下的剛性的迅速增加和減小形成的振動

8、而形成的5。作為人體最重要的生理信號之一，心音信號由第一心音(S1)、第二心音(S2)、第三心音(S3)、第四心音(S4)四個部分組成。其中，第一心音和第二心音信號較強，可以通過聽診器聽診。第三心音、第四心音很弱，一般不可聽測。一旦心臟功能出現(xiàn)異常，心音中將包含除S1和S2之外的外加音或雜音成份6。據(jù)分析，正常心音的主要頻率集中在250HZ以內，而雜音和外加音的頻率分布較高，如此一來，就可以根據(jù)心音中各成分的頻率分布的高低情況來判斷心臟是否健康。圖1 心音信號示意圖心臟周圍的組織和體液都能導電，心臟在每個心動周期中，由起搏點、心房、心室相繼興奮，其間伴隨著生物電的變化，這些生物電的變化稱為心電

9、。心電信號是心臟電生理活動在人體表的表現(xiàn)，提供心臟功能等生理狀況的有重要價值的臨床醫(yī)學信息，是臨床心臟病智能診斷的基礎。心電信號是一種非線性、非平穩(wěn)的微弱信號，頻率范圍為0.05-100HZ，90%的心電信號頻譜能量又都集中在35HZ以內。正常的心電信號包括P波、QRS波群、T波、U波J結合點等7，了解心電信號各個成分波的頻率分布，便可以對心電信號進行定性甚至定量地分析。圖2 心電信號示意圖3 小波包分解介紹和頻帶能量商算法的研究3.1小波包分解原理和優(yōu)勢小波變換將原始信號分解為高頻和低頻兩個部分，然后對低頻部分再作分解，而高頻部分則不能再進一步細化。因此，小波變換雖然具有頻率越高相應的時間分

10、辨率越高的特點，但其在頻域上的分辨率相應降低，這是小波變換的缺點8。而小波包分解的實質恰恰是對小波分析后沒有分解的高頻細節(jié)信號作進一步的分解。相比較原來的小波分解在高頻部分分辨率差的缺點，小波包分解達到了提高時頻分辨率的目的9。從圖3和圖4的比較當中可以看到，由于小波包是正交分解，每個頻帶分解后兩兩不相交疊，輸出頻帶帶寬減半，因此采樣率雖減半但信息保存完好10。圖3 信號的小波分解示意圖圖4 信號的小波包分解示意圖3.2小波包分解和重構算法1）小波包變換二尺度方程： (1) (2)其中：當n=0時，為尺度函數(shù)，為小波函數(shù)。定義函數(shù)序列為由所確定的小波包。2）小波包系數(shù)遞推公式： (3) (4)

11、對于信號，若j=0,則k=0和m=0，表示在分辨率水平j下的原始信號自身，記為。如果分解1次，即k=1，m=0，1，在小波包分解第1層上得到分解信號和。如果分解2次，即k=2，m=0，1，2，3，在小波包分解第2層上得到分解信號和。依次類推，信號在第3層分解后可表示為：=+。3）小波包重建公式： (5)其中：h和g分別是尺度函數(shù)和小波函數(shù)對應的低通和高通濾波器。3.3小波包最優(yōu)基的選擇小波包基庫是由許多小波包基組成的，不同的小波包基對應信號的不同特征。要選取小波包最優(yōu)基，就必須定義一個能反映出序列集中度或系數(shù)之間差異的代價函數(shù)。目前，應用得較多的代價函數(shù)是由Coifman等人提出的熵準則11。

12、定義一維序列= 的熵為： (6)其中：，且時，?？紤]到信息是半可加的，所以引入加函數(shù)，那么一維序列的熵為： (7)當最小時，也最小?！办販蕜t”通過計算小波包系數(shù)歸一化能量序列的熵值，來確定一組小波系數(shù)之間的差異12。實際應用中小波包最優(yōu)基產生的具體步驟13為:1）對信號函數(shù)進行N(N=2,3,) 層小波包分解；2）將小波包分解過程用小波包樹來表示，小波包子空間即為小波包樹結點。根據(jù)信號函數(shù)在各個小波包子空間（即樹結點）的系數(shù)，由計算出各結點的代價函數(shù)值；3）將最下層各結點的代價函數(shù)值都標上*號；4）將小波包樹中的上層結點稱為父結點，下層結點稱為子結點。從最下層開始，若兩個子結點的代價函數(shù)之和大

13、于父結點的代價函數(shù)值，就保留父結點的代價函數(shù)值，并將該父結點標上*號。否則父結點的代價函數(shù)值由兩個子結點的和值代替。以此類推，直至頂層；5）從最頂層開始，選擇首次遇到*號的結點。一經選定，該結點下方所屬的各結點就不再考慮。最終選出的帶*號的結點就組成了一組正交最優(yōu)基。3.4小波包分解頻帶交錯問題信號經過小波包分解，對應于小波包結點的順序，頻帶的分布并不連續(xù)，存在著交錯現(xiàn)象。經研究發(fā)現(xiàn)，這是由Mallat算法所決定的。Mallat算法定義如下：令，是多分辨率分析中的離散逼近系數(shù)，為滿足的二尺度差分方程的兩個濾波器，則，存在如下遞推關系： (8) (9)其中：。以上Mallat算法中體現(xiàn)的多分辨分

14、析的思路還可以用下圖表示：圖5 Mallat多分辨分析思路圖事實上，由于以上所示Mallat算法的特性，多層小波包分解在每層上都存在著頻帶交錯的現(xiàn)象，這就需要我們在對實驗信號進行小波包分解后，找到正確的頻帶排列順序。圖6 小波包多層分解頻帶交錯示例3.5小波包分解頻帶能量商無論是心音還是心電信號，都存在或多或少的雜音。雜音可見于正常人(良性雜音，如兒童及青年、運動后、妊娠時),亦見于心臟疾病患者14。經研究發(fā)現(xiàn)，良性雜音頻率與正常心音頻率相仿，屬于中低頻，而患者雜音一般分布在較高頻域。因此，經過小波包分解的信號，分析其低頻分量的歸一化能量與頻帶總能量的比例大小，可以推斷出當前人體心臟狀況的健康

15、程度。這便是提出小波包分解頻帶能量商用于檢測人體運動強度大小的依據(jù)。定義小波包分解頻帶能量商： (10)其中： 表示某頻帶歸一化能量； 表示某層頻帶能量總和，（n為頻帶序號）。4 運動強度檢測仿真實驗實驗一：將心音信號進行小波包分解，驗證心音小波包頻帶能量商能夠作為檢測人體運動強度大小的判別方法的合理性。實驗基于Windows7系統(tǒng)MATLAB7.10平臺進行。選取80組人體心音信號作為實驗對象。其中，40組為正常心音數(shù)據(jù)，另40組為心臟疾病患者心音數(shù)據(jù)。將數(shù)據(jù)進行小波包分解，分解時采用db6小波；計算小波包頻帶能量時采用wenergy指令和db6小波。小波包分解的層數(shù)取決于實驗信號的時頻分析

16、精度。分解層數(shù)少，則分析速度快，但頻率分辨率低；分解層數(shù)多，則分析速度慢，但頻帶分辨率高。由于實驗數(shù)據(jù)采用的心音信號采樣率為4000HZ，則奈奎斯特頻率為2000HZ。又已知正常心音信號頻率主要集中在250HZ以內，所以決定對心音信號進行三層小波包分解。以下是第三層分解的頻帶分布：0-250Hz、250-500Hz、500Hz-750Hz、750-1000Hz、1000-1250Hz、1250-1500Hz、1500-1750Hz、1750-2000Hz。由頻帶分布可以看出，第三層分解的第1頻帶正好符合正常心音的頻率集中范圍。因此，選取第三層分解中的第1頻帶的歸一化能量來定義心音小波包分解頻帶

17、能量商。即： (11)如圖7所示為實驗心音數(shù)據(jù)經小波包分解后各層頻帶能量商分布情況。圖7 心音小波包三層分解能量商分布圖為了防止頻帶交錯現(xiàn)象帶來的頻帶能量商計算不準確，需要將實驗心音數(shù)據(jù)在小波包分解后進行重構，并將各頻帶重構信號進行傅里葉變換從而了解各頻帶的頻率分布順序情況。圖8 重構心音信號傅里葉變換頻率分布從圖8中可以看出發(fā)生頻帶交錯現(xiàn)象后，各頻帶順序為（1、2、4、3、7、8、6、5）?？梢?，實驗所需的第1頻帶（第三層最低頻帶）并沒有出現(xiàn)順序錯亂，因此無需調整，可以進行下一步的數(shù)據(jù)統(tǒng)計。80組心音信號經小波包分解后，頻帶能量商的數(shù)據(jù)統(tǒng)計如表1所示。表1 心音小波包分解第三層頻帶能量商數(shù)據(jù)

18、統(tǒng)計第三層異常心音數(shù)據(jù)正常心音數(shù)據(jù)均值92.5899.84最大值99.51100最小值65.2499.04標準差9.470.19由表1中的統(tǒng)計數(shù)據(jù)可見,正、異常心音信號第三層分解頻帶能量商的均值差異明顯，標準差更是相差近50倍。因此，可嘗試將心音小波包分解頻帶能量商作為檢測人體運動強度大小的一種方法。表2 心音運動強度大小判別法則第一次檢測X/65.241通過X/65.241不通過第二次檢測X/99.041通過X/99.041不通過表3 算法檢驗結果實驗數(shù)據(jù)組數(shù)檢測正確數(shù)據(jù)錯漏檢數(shù)據(jù)準確率總體8078297.5%表2為根據(jù)表1的統(tǒng)計數(shù)據(jù)而設定的一種判別法則。其中，第一次檢測選取異常數(shù)據(jù)的最小值

19、為閾值，第二次檢測選取正常數(shù)據(jù)的最小值為閾值?，F(xiàn)實應用中，第一次檢測可放在學生參加熱身運動之前進行，用以判別出心臟健康狀況較差的人員。第二次檢測可放在學生參加完熱身運動后進行，用以判別出熱身運動后心臟出現(xiàn)不適的人員。兩次檢測均通過的學生可以允許參加后續(xù)的強度較大的體育運動。從表2中的數(shù)據(jù)可以看出，在現(xiàn)實應用中，可以根據(jù)測試人員的普遍體質情況和現(xiàn)場運動強度大小的需要，將兩次檢測中的閾值大小進行調節(jié)，這樣就達到了判別標準可調的理想效果。表3為閾值確定后的判別檢驗結果，從表中數(shù)據(jù)可見，只出現(xiàn)了2組數(shù)據(jù)錯漏檢，總體判別準確率達到97.5%，因此，心音小波包頻帶能量商可以作為檢測人體運動強度的一種方法。

20、 實驗二：將心電信號進行小波包分解，驗證心電小波包頻帶能量商能夠作為檢測人體運動強度大小的判別方法的合理性。選取60組人體心電信號作為實驗對象。其中，20組為正常心電數(shù)據(jù)，異常心電數(shù)據(jù)為美國麻省理工心電數(shù)據(jù)庫（MIT-BIH）提供的8種病變心電信號數(shù)據(jù)。8種病變數(shù)據(jù)分別為：一般性心率失常、惡性心率失常、呼吸暫停、心力衰竭、S-T段病變、房顫、心動過速、心肌梗塞。每種病變數(shù)據(jù)選取5組信號，共40組。將數(shù)據(jù)進行小波包分解，分解時采用db6小波；計算小波包頻帶能量時采用wenergy指令和db6小波。由于MIT-BIH數(shù)據(jù)庫采用的心電信號采樣率為360HZ，則奈奎斯特頻率為180HZ。正常心電信號頻

21、率主要集中在35HZ以內，所以將對心電信號進行四層小波包分解。第四層分解的頻帶分布為：0-11.25HZ、11.25-22.5HZ、22.5-33.75HZ、33.75-45HZ、45-56.25HZ、56.25-67.5HZ、67.5-78.75HZ、78.75-90HZ、90-101.25HZ、101.25-112.5HZ、112.5-123.75HZ、123.75-135HZ、135-146.25HZ、146.25-157.5HZ、157.5-168.75HZ、168.75-180HZ。由以上頻帶分布可以看出，第四層分解中，前三個頻帶正好符合正常心電信號的頻率集中范圍。因此，選取第四層分

22、解中的前三個頻帶的歸一化能量和來定義心電小波包分解頻帶能量商。即： (12)圖9所示即為實驗心電數(shù)據(jù)經小波包分解后各層頻帶能量商分布情況。圖9 心電小波包四層分解能量商分布圖同樣，為了防止頻帶交錯現(xiàn)象帶來的頻帶能量商計算不準確，需要了解各頻帶的頻率分布順序情況。圖10 重構頻帶的頻率分布從圖10中可以看出發(fā)生了頻帶交錯現(xiàn)象，在低頻的各頻帶中，第3頻帶與第四頻帶位置混淆。因此，需要將混淆的頻帶重新進行位置調整方可進行數(shù)據(jù)統(tǒng)計。60組心電信號經小波包分解后，頻帶能量商的數(shù)據(jù)統(tǒng)計如表4所示。表4 心電小波包分解第四層頻帶能量商數(shù)據(jù)統(tǒng)計第四層異常心電數(shù)據(jù)正常心電數(shù)據(jù)均值43.7999.69最大值80.

23、3999.92最小值16.8598.86標準差13.650.25由表4中的統(tǒng)計數(shù)據(jù)可知,正、異常心電信號第四層分解頻帶能量商的各個統(tǒng)計數(shù)據(jù)差異明顯，可嘗試將心電小波包分解頻帶能量商作為檢測人體運動強度大小的一種方法。表5 心電運動強度大小判別法則第一次檢測X/43.791通過X/43.791不通過第二次檢測X/98.861通過X/98.861不通過表6 算法檢驗結果實驗數(shù)據(jù)組數(shù)檢測正確數(shù)據(jù)錯漏檢數(shù)據(jù)準確率總體60600100%表5為根據(jù)表4的統(tǒng)計數(shù)據(jù)而設定的一種判別法則。其中，第一次檢測選取異常數(shù)據(jù)的均值為閾值，第二次檢測選取正常數(shù)據(jù)的最小值為閾值。跟實驗室中的心音一樣，現(xiàn)實應用中的第一次檢測

24、可放在學生參加熱身運動之前進行，用以判別出心臟健康狀況較差的人員。第二次檢測可放在學生參加完熱身運動后進行，用以判別出熱身運動后心臟出現(xiàn)不適的人員。兩次檢測均通過的學生可以允許參加后續(xù)的強度較大的體育運動。另外，在現(xiàn)實應用中，也可以根據(jù)測試人員的普遍體質情況和現(xiàn)場運動強度大小的需要，將兩次檢測中的閾值大小進行調節(jié)，達到判別標準可調的效果。表6為閾值確定后的判別檢驗結果，總體判別準確率為100%，可以將心電小波包頻帶能量商作為檢測人體運動強度的一種方法。 實驗三：檢驗“小波包頻帶能量商”算法作為檢測人體運動強度大小的一種方法在主程序運算時間上的效率。本實驗基于Intel(R) Core(TM)

25、i5-2430M CPU 2.40GHZ處理器以及Windows7系統(tǒng)MATLAB7.10平臺進行。分別選取心音、心電信號各10組，應用小波包頻帶能量商、功率譜、經驗模式分解、復雜度、小波熵等常用的信號特征參數(shù)對心音、心電信號進行處理，運用cputime指令對含有以上五種不同特征參數(shù)的主程序進行運算。表7 主程序運算時間特征參數(shù)頻帶能量商峭度和偏度P、QRS、T波檢測復雜度小波熵平均運算時間（S）1.050.136.5513.910.65由表7可以看出，小波包頻帶能量商在主程序運算時間上運行速度快，耗時較少，較其余幾個常用的特征參數(shù)比較來看，實際應用時的效率較高。5 運動強度檢測硬件實現(xiàn)5.1

26、人體運動強度檢測儀實現(xiàn)方案由于以上仿真實驗已經驗證了小波包分解頻帶能量商可以作為一種很好的檢測人體心音和心電信號的特征參數(shù)，為了理論聯(lián)系實際，使以上的理論研究能夠應用到現(xiàn)實生活當中，使之能夠真正轉化一種檢測人體運動強度大小的儀器，服務于用戶。本文提出了一種方案：將兩個金屬圓形電極相隔一定距離固定在同一個平面上，并與心電信號檢測功能模塊連接，由此構成一個平面掌心接觸式單極聯(lián)心電圖測試裝置。使用者在運動前，將雙手的掌心分別緊貼兩個金屬圓形電極，檢測一次心電信號，在做了一些熱身鍛煉后再用相同方法檢測一次心電信號，然后通過比較這兩次心電信號的變化情況，以反映出運動強度對人體生理參數(shù)的影響；利用心音進行

27、測試的方法相似，使用者在運動前，將心音檢測裝置放在胸前心臟位置，檢測一次心音信號，在做了一些熱身鍛煉后再用相同方法檢測一次心音信號，然后通過比較這兩次心音信號的變化情況，反應出運動強度對人體生理參數(shù)的影響。之后，可對使用者是否適合繼續(xù)參加更大強度的體育鍛煉給出一個評估或建議。圖11 方案實現(xiàn)結構框圖圖11即為方案的結構框圖。其中：1代表平面掌心式電極；2代表心電信號檢測功能模塊；3代表雙聽診頭心音傳感器；4代表心音信號檢測功能模塊；5代表中央控制單元；6代表數(shù)據(jù)存儲單元；7代表液晶顯示模塊。如圖a所示,平面掌心電極1由兩個金屬圓形電極相隔一定距離固定在同一個平面上組成，然后連接到心電信號檢測功

28、能模塊2，獲得的心電信號送到中央控制單元5進行處理，其結果可以存儲到數(shù)據(jù)存儲單元6，也可在液晶顯示模塊7上進行顯示。另外還有一路采集心音的裝置：雙聽診頭心音傳感器3用于采集心音，然后連接到心音信號檢測功能模塊4，獲得的心音信號送到中央控制單元5進行處理，其結果可以存儲到數(shù)據(jù)存儲單元6，也可在液晶顯示模塊7上進行顯示。使用者在運動前，將雙手的掌心分別緊貼兩個金屬圓形電極1，檢測一次心電信號，該信號經心電信號檢測功能模塊2送至中央控制單元5處理，或存儲到數(shù)據(jù)存儲單元6，或在液晶顯示模塊7顯示；在做了一些熱身鍛煉后再用相同方法檢測一次心電信號，然后通過比較這兩次心電信號的變化情況，對使用者是否適合繼

29、續(xù)參加更大強度的體育鍛煉給出一個評估或建議，并在液晶顯示模塊7上顯示。利用心音進行測試的方法相似，使用者在運動前，將雙聽診頭心音傳感器3放在胸前心臟位置，檢測一次心音信號，在做了一些熱身鍛煉后再用相同方法檢測一次心音信號，然后通過比較這兩次心音信號的變化情況，對使用者是否適合繼續(xù)參加更大強度的體育鍛煉給出一個評估或建議。例如在學生體育考試前，可先對其進行心音和心電的檢測，在做了一些熱身鍛煉后再進行一次相同的檢測，然后由本方案評估該同學是否適合繼續(xù)參加體育考試。本方案的有益效果是，通過檢測運動前后人體的心電、心音信號并進行比較，可以反映運動強度對健康的影響，而用于檢測心電信號的平面掌心式單極聯(lián)心

30、電測試裝置以及用于檢測心音信號的雙聽診頭本身操作方便，結構簡單，物美價廉，并可快速地檢測生理信號。體現(xiàn)了本方案的合理性。本裝置已申請中國發(fā)明專利(公開號CN201110067212.8)。5.2顯示模塊的人性化處理由于方案在具體操作時需要分別對使用者進行心音和心電的檢測，且根據(jù)之前提到的判別法則可知，需要對使用者進行相同步驟的兩次檢測。如表8所示，即熱身運動前和熱身運動后分別檢測一次。表8 檢測時間心音檢測心電檢測熱身運動前通過通過不通過不通過熱身運動后通過通過不通過不通過 將檢測結果“通過”，“不通過”變成MATLAB能識別的語言，即將“通過”賦值為“1”，將“不通過”賦值為“0”。如此一來

31、，兩次檢測后的可能出現(xiàn)的所有結果將如表9所示。表9熱身前心音檢測心電檢測熱身后心音檢測心電檢測0000010110101111本著以人為本的目的，不僅需要將空洞的數(shù)字轉變?yōu)榭梢暬奈淖终Z言，同時還需要考慮到在場學生的內心感受。所以，對檢測結果進行如下處理：表10熱身前心音檢測心電檢測溫馨提示熱身后心音檢測心電檢測溫馨提示00建議您根據(jù)自身情況盡快去醫(yī)院檢查- -（僅供參考）00建議您再檢測一次01建議您再檢測一次01101011建議您參加熱身11建議您參加考試圖12 MATLAB GUI操作界面表10中針對顯示模塊進行的人性化處理不僅可以達到檢測人體運動強度大小的效果，而且不會對學生造成可能的

32、心理傷害，并通過合理的建議，使學生對自身當前的身體狀況有了初步的認識。圖12為根據(jù)表10的思路設計的GUI操作界面示意。6 結論心音和心電作為人體的兩種重要的生理信號，包含了關于人體豐富的病理信息。近年來, 信號技術在理論上的不斷完善和應用方面的不斷深入使得對心音以及心電的研究由定性分析進入了量化分析階段15。計算機技術的應用使得對二者的檢測能夠很好地反映心臟健康狀況1617，在當今臨床醫(yī)學中具有極其重要的作用18。因此，將心音和心電分析的優(yōu)勢與運動強度檢測的有機結合既體現(xiàn)了當前醫(yī)學研究的價值也符合人們對自身健康的需求。本文利用小波包分解高分辨率的特點提出頻帶能量商作為定量分析心音和心電信號的

33、一種特征參數(shù)，經計算機仿真實驗證實了該方法在檢測人體運動強度方面的可行性，主程序運算方面的高效率性和判別法則的閾值可調性。隨后，根據(jù)以上的理論研究成果提出了硬件實現(xiàn)的方案。目前，我國的人體運動強度檢測才剛剛起步，如何有效的提高檢測系統(tǒng)中的信息傳輸速度以及檢測的準確度，成為了運動強度檢測系統(tǒng)進一步發(fā)展所要克服的問題，這為我們下一步的研究方向指明了道路。 參考文獻: 1徐昕,高崇玄,張麗申.我國運動猝死調查研究J.中國運動醫(yī)學雜志,1999,18（2）.2張家亮,江洪,闕大順,胡盼.基于小波的心音信號分析及其特征提取J.電腦與信息技術, 2011,19(1).3郭興明,顏彥,姚曉帥,肖守中.用于心

34、力變化趨勢評價的基于概率神經網絡的心音識別算法J.生物醫(yī)學工程學雜志,2006,(05).4 成謝鋒，馬 勇，劉陳等. 心音身份識別技術的研究J. 中國科學（F）：信息科學, 2012, （42）: 237251.Cheng Xiefeng, Ma Y, Liu C, et al. Research on heart sound identication technology J.2012, （42）: 237251.5 成謝鋒，馬勇，陶冶薇，張少白，張瑛 ，基于數(shù)據(jù)融合的三段式心音身份識別技術J，儀器儀表學報，2010. 8（31）:1712-1720.Cheng X F, Ma Y, etc. Three-step identity recognition technology using heart sound based on information fusion, Chinese Journal of Scientific Instrument(in Chinese), 2010. 8（31）:1712-1720.6周靜,楊永明,何為.心音信號的分析及其特征提取方法的研究J.中國生物醫(yī)學工程學報,2005,24(6):6852689.7袁少英.心電圖診斷基礎知識.天津:天津科學技術出版社,1981.8李世雄.小波變換及其應用M.