心音信號(hào)特征分析與識(shí)別方法研究.pdf

1、心音信號(hào)是心臟及心血管系統(tǒng)機(jī)械狀況的反映,是包含了人類心臟各部分的生理和病理信息的重要信號(hào)。目前通過(guò)心音信號(hào)診斷疾病的方法主要是人工聽診,如果能夠研究出一套行之有效的算法對(duì)采集到的心音進(jìn)行自動(dòng)識(shí)別分類,當(dāng)發(fā)現(xiàn)病變的心音時(shí)能自動(dòng)做出判斷提示甚至發(fā)出報(bào)警信號(hào),這對(duì)心臟疾病的臨床研究具有極其重要的研究?jī)r(jià)值,本課題正是根據(jù)這一需求來(lái)開展的。本文主要做了如下工作。
　　①本論文首先從生理學(xué)角度對(duì)心音信號(hào)的產(chǎn)生進(jìn)行了闡述,并分析了心音信號(hào)的主

2、要成分及其時(shí)頻特性、心音信號(hào)中常見的心雜音及其時(shí)頻特性。作為心音信號(hào)自動(dòng)識(shí)別系統(tǒng)的數(shù)據(jù)采集部分,本文采用HKY-06B心音傳感器采集心音信號(hào),通過(guò)CoolEditPro2.1錄音軟件實(shí)現(xiàn)對(duì)心音信號(hào)的格式轉(zhuǎn)換和儲(chǔ)存。
　?、谛囊粜盘?hào)的預(yù)處理。這個(gè)過(guò)程包括心音信號(hào)的分幀、心音信號(hào)端點(diǎn)檢測(cè)以及心音信號(hào)去噪。心音信號(hào)的分幀是利用滑動(dòng)的矩形窗對(duì)心音信號(hào)進(jìn)行處理的。采用雙門限檢測(cè)法對(duì)心音信號(hào)進(jìn)行端點(diǎn)檢測(cè),去噪采用的是小波分析法。文章通過(guò)討論與

3、分析小波分析法中基函數(shù)、分解層次、閾值等的選取,結(jié)合心音信號(hào)的特點(diǎn),選擇合適的方法進(jìn)行預(yù)處理過(guò)程。通過(guò)實(shí)驗(yàn)可以證明,利用系數(shù)可調(diào)節(jié)閾值法,選用sym7小波函數(shù)對(duì)心音信號(hào)進(jìn)行5層分解,能夠達(dá)到理想的去噪效果。
　?、塾脙煞N方法對(duì)心音信號(hào)的特征參數(shù)進(jìn)行了提取,分別是對(duì)心音信號(hào)進(jìn)行EMD分解以及提取心音信號(hào)的Mel頻率倒譜系數(shù)(MFCC參數(shù))。通過(guò)對(duì)比得出了MFCC參數(shù)能夠比EMD分解取得更好的識(shí)別效果,并大大縮短模型訓(xùn)練的時(shí)間。

4、>　?、苄囊粜盘?hào)的識(shí)別。對(duì)心音信號(hào)的識(shí)別方法研究,本文采用的是高斯混合模型法。即建立一個(gè)由44例正常心音建立的高斯混合模型庫(kù)。對(duì)于待識(shí)別的心音信號(hào),對(duì)其建立高斯混合模型輸入模型庫(kù)進(jìn)行識(shí)別,識(shí)別結(jié)果輸出被識(shí)別心音在高斯混合模型庫(kù)中的最大后驗(yàn)概率。當(dāng)此概率大于95％,認(rèn)為此被測(cè)心音屬正常心音,若低于95%,認(rèn)為被測(cè)者心音信號(hào)出現(xiàn)異常,建議接受進(jìn)一步的檢查。實(shí)驗(yàn)結(jié)果驗(yàn)證了心音信號(hào)模式識(shí)別系統(tǒng)的可行性,對(duì)正常心音和病理性心音的正確識(shí)別率均高于9