近些年來,人類生活方式的各個方面都在不斷變化,心血管疾病的引發(fā)和死亡占全球比率居高不下,這對人類的健康造成嚴重威脅.心臟的機械振動所產(chǎn)生的聲音稱為心音,器質性心臟病出現(xiàn)的早期就伴隨著心音的改變和心雜音的出現(xiàn),因此心音與心血管疾病息息相關.在過去的幾十年里,心音信號分析在臨床應用中被廣泛學習研究.作為一種生理信號,心音信號在采集過程中易受各種環(huán)境噪聲和設備噪聲的影響,因此,心音信號去噪始終是一個熱度不斷的研究話題.另外,心音信號的分割過程在心音信號的分析中占有重要的地位,然而由于心音信號的非平穩(wěn)特性和易受噪聲干擾的特點,心音分割長久以來始終是一個難題,值得欣慰的是,已有文獻表明,精確地分割心音信號的周期并非是心音識別的必要條件,從心音信號中提取符合生理和病理本質的特征參數(shù)才是心音識別的關鍵步驟.基于此,本文主要做了以下工作:針對心音信號去噪,首先采用巴特沃斯帶通濾波進行初步去噪,然后根據(jù)部分較難去除的噪聲頻譜與心音信號頻譜有重疊的特點,本文提出了一種基于小波包分解的迭代閾值心音信號去噪算法,該算法應用小波包分解和迭代重構相結合,且在每次迭代過程中自適應的選擇去噪閾值,通過迭代不斷地濾除噪... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【部分圖文】：

Mel頻率與f之間的關系.

基于ITD和改進的MFCC的心音信號識別研究圖1-1Mel頻率與f之間的關系.圖1-2MFCC提取流程.在MFCC提取的具體過程中，首先，對經(jīng)過預處理后的波形圖進行預加重.預加重的實現(xiàn)是通過數(shù)字濾波器濾波實現(xiàn)的，其表達式為：H(z)=1az1,(1-7)式中a的取值范圍為0.9<a<1，一般采用a=0.95.其次，進行分癥加窗，從而得到具有準平穩(wěn)特性的時域信號x(n)為后續(xù)做準備.分幀即覆蓋分段，通常我們?nèi)?0-40ms為一幀的寬度，即幀寬，幀移通常取1/2幀寬，這樣就允許每兩幀之間有一半覆蓋，原理如圖1-3所示.加窗即每一幀信號乘以窗函數(shù)w(n)，目的是減少某一幀的結束和下一幀的開始之間的間隔，并且使峰值變寬易辨認，此處選取常用的hamming窗作為窗函數(shù)，其表達式為，w(n)=0.540.46*cos(2πn/(N1)),(0≤n≤N1).(1-8)然后，對每一幀得到的x(n)采用離散傅里葉變換，所得到的線性頻譜X(k)越大，代表6

第一章緒論圖1-3分幀原理圖.信號中包含的頻率為k的能量越大，其轉換公式為X(k)=N1∑n=0x(n)ej2πnk/N(0≤n,k≤N1).(1-9)其中N為傅里葉變換的點數(shù).而后，將X(k)進行平方通過Mel頻率濾波器組平滑處理再取對數(shù)，得到對數(shù)頻譜S(m)更好描述非線性特性.S(m)=ln(N1∑k=0|X(k)|2Hm(k))(0≤m<M).(1-10)其中M=24為濾波器個數(shù)，Hm(k)為濾波器函數(shù).最后，將S(m)進行離散余弦變換，根據(jù)離散余弦變化的能量聚集效應，一般選取13維MFCC，其計算公式為:c(n)=M1∑m=1S(m)cos(πn(m+1/2)M)(0≤m≤M).(1-11)1.5本文的研究內(nèi)容與結構安排近些年來，心音為心血管疾病評估提供重要的臨床初始線索，心音的自動分析研究也備受關注.本文的研究內(nèi)容主要包括心音自動分析中的去噪和提取特征兩個方面，做了如下兩個工作：一、在分布式診斷與家庭醫(yī)療環(huán)境中，心音信號的采集往往受到多種噪聲的污染，心音信號的去噪研究至關重要.常用的心音信號去噪方法包括小波軟閾值去噪、小波雙閾值7

【參考文獻】：
期刊論文
[1]心音信號MFCC特征向量提取方法的優(yōu)化[J]. 許春冬,周靜,應冬文,龍清華.  信號處理. 2019(03)
[2]應用于語種識別的加權音素對數(shù)似然比特征[J]. 張健,徐杰,包秀國,周若華,顏永紅.  清華大學學報(自然科學版). 2017(10)
[3]基于高層信息特征的重疊語音檢測[J]. 馬勇,鮑長春.  清華大學學報(自然科學版). 2017(01)
[4]基于固有時間尺度分解的信號細微特征識別[J]. 李學成,段田東,徐文艷,吳素琴.  信息工程大學學報. 2014(05)
[5]心音信號的分析方法及其應用[J]. 謝斌,嚴碧歌,李錦.  現(xiàn)代生物醫(yī)學進展. 2010(23)
[6]基于自適應錐形核的心音信號時頻特征提取與分析[J]. 陳健,王海濱,孫樹平.  西華大學學報(自然科學版). 2010(05)
[7]基于參考獨立分量分析的語音增強方法[J]. 林秋華,鄭永瑞,殷福亮.  大連理工大學學報. 2006(06)
[8]心音信號的時-頻分析[J]. 周靜,楊永明.  重慶大學學報(自然科學版). 2004(04)

碩士論文
[1]基于多模式腦電的虛擬鍵盤設計[D]. 丁銳.南京郵電大學 2019
[2]基于回歸遷移非負矩陣分解和密集連接網(wǎng)絡的心肺音分離[D]. 雷志彬.廣東工業(yè)大學 2019
[3]基于包絡提取的心音信號識別與分類[D]. 李爽.河南大學 2018
[4]基于EEMD心音分割算法的研究[D]. 呼俊杰.南京大學 2018



本文編號：3214320