一种新型智能胎儿监护系统的研究与设计

3.1基于coif5小波的胎心音数据处理算法

上式说明，小波变换是将离散信号在小波基函数上的投影，不同的m、n代表不同的分辨率（尺度）和不同的时频（平移），小波函数正是通过不同的m、n来调节不同的局部时频和不同的分辨率，即小波的多分辨分析特性能将信号在不同尺度下进行多分辨的分解，并将交织在一起的各种不同频率组成的混合信号分解成不同频段的子信号，因而对信号具有按频带处理的能力。运用小波分析进行信号噪声消除是小波分析的一个非常重要的应用之一。

一个含噪声的一维信号的模型可表示为：

其中：s(i)为真实信号；e(i)为噪声；x(i)为含噪信号。在实际工程中，有用信号通常表现为低频信号或较平稳的信号，噪声信号则表现为高频信号，所以消噪过程可按以下方法进行处理。首先对实际信号进行小波分解，选择小波并确定分解层数为N，则噪声部分通常包含在高频中。然后对小波分解的高频系数进行门限阈值量化处理。最后根据小波分解的第N层低频系数和经过量化后的1～N层高频系数进行小波重构，达到消除噪声的目的，即抑制信号的噪声，在实际信号中恢复真实信号。

超声多普勒胎心音信号经过信号预处理电路，信号频率范围为0—500Hz，其中包含了低于4 Hz的胎儿心跳频率，所以对信号进行波形分析和胎心率计算时应针对信号的低频信息，而不是高频信息；小波变换的多分辨分析特性是随着尺度由细变粗，逐步得到信号的高频到低频，从细节到平滑一系列结果。所以可以利用小波的多分辨分析特性，通过选用合适的小波基，优化分解层数，分离多普勒胎心信号的高频部分和低频部分，并将高频部分全部剔除，得到包含全部胎儿心跳信息的低频部分，通过低频信号频率，计算出胎儿心跳周期，得到胎心率。本系统通过大量实验和理论推导选用 小波函数。利用小波具有的正交性、近似对称性、较好的光滑度和正则性的优点，通过6层小波分解提取，得到8Hz以下的第6层低频信号。这时的低频信号基本上就是胎儿的心跳信号。

由于存在随机噪声干扰，必须对小波算法提取到的胎心音信号进行处理，本文采用双重阈值识别噪声。首先计算幅度阈值为，计算公式为：

3.2 电脑胎儿监护的智能控制

针对以往胎儿监护只能医生通过研究监护曲线图形来告知胎儿健康状况，增加了医生工作量，不利于家庭监护。智能胎儿监护则重点考虑胎儿监护的智能化。智能监护的理论依据主要是根据实测胎心率和临床经验值。主要有界面颜色图形标识、语音提示和胎儿唤醒控制。为了增加智能控制的安全性和稳定性，这里的胎心率是监护一段时间内的平均值，段时间大小可通过界面自行设置。胎心率也受胎儿醒-睡状态的影响，声刺激能使胎儿从睡眠转清醒状态，引起胎动、胎心率改变，对了解产前胎儿安危有重要意义。因此本系统可根据胎心率检测情况自动启动声刺激唤醒胎儿，从而得到更有价值的胎儿监护曲线图。表1给出了智能胎儿监护系统胎心率监护值和智能控制对照表。

表1 胎儿监护智能控制措施表

胎儿心率（bpm）	临床分类	智能控制措施
>180	重度过速	红色标识、语音提示
160~180	轻度过速	黄色标识
120~160	正常心率	绿色标识
100~120	轻度缓慢	黄色标识
<100	重度缓慢	红色标识、语音提示、启动声振
相邻心率>25	脐带受压	蓝色标识、语音提示

以上胎儿心率是临床经验值，监护医生可根据孕妇实际情况现场设定，也可人为设定或取消以上智能控制。

4 结论

智能电脑胎儿监护系统采用MSC1210微处理器进行高速采样和通信，利用coif5小波结合双重阈值算法提取胎心音信号，并适时加入智能控制。根据上述原理和框架设计的智能胎儿监护系统具有高精度、高实时性、抗干扰能力强和适合家庭监护的特点，减轻了医生工作量，提高了围产期胎儿监护的临床价值。