心音信號(hào)的分析與分類方法研究.pdf

1、心血管疾病一直是嚴(yán)重威脅人類健康的疾病之一，且其發(fā)病率在不斷的提高，所以提高心血管疾病的早期診斷能力和確診率是一項(xiàng)非常重要的任務(wù)。心音信號(hào)作為人體最重要的生理信號(hào)之一，含有關(guān)于心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量病理信息，是心臟及大血管機(jī)械運(yùn)動(dòng)狀況的反映。因而心音檢測(cè)是了解心臟狀態(tài)的一項(xiàng)重要手段，并具有心電檢測(cè)不可取代的臨床價(jià)值。
　　 心音信號(hào)是一種時(shí)變、非平穩(wěn)的復(fù)雜信號(hào)，需要從時(shí)域、頻域、時(shí)．頻域

2、三方面分析，才能全面了解其特征。由于在心音信號(hào)采集時(shí)會(huì)有各種干擾存在，因此除了需要硬件上進(jìn)行濾波外，還需要在分析之前對(duì)心音信號(hào)進(jìn)行預(yù)處理，來保證分析時(shí)心音信號(hào)的質(zhì)量。
　　 本文采用自回歸(AR)參數(shù)模型、短時(shí)傅里葉變換、小波變換、希爾伯特．黃變換(HHT)及支持向量機(jī)(SVM)等方法對(duì)心音信號(hào)進(jìn)行分析和分類研究。本文主要工作如下：
　　 1.噪聲去除。提出了一種改進(jìn)的小波閾值去噪方法--雙變量閾值去噪，通過實(shí)驗(yàn)效果對(duì)比

3、，證明其對(duì)心音信號(hào)的去噪效果好于傳統(tǒng)的軟硬閾值方法。
　　 2.包絡(luò)提取。本文采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)包絡(luò)算法進(jìn)行心音包絡(luò)的提取，為第一心音和第二心音的定位以及時(shí)域特征的提取奠定了基礎(chǔ)。
　　 3.特征提取。本文采用了HHT方法來獲取心音信號(hào)任意時(shí)刻的頻率分布，利用瞬時(shí)頻率的均值和方差等統(tǒng)計(jì)方法量作為頻域特征參數(shù)，并將時(shí)域和頻域提取的參數(shù)一起組成心音信號(hào)的特征向量。
　　 4.正常與異常分類。介紹了SVM分類原