基于非負(fù)矩陣分解和神經(jīng)網(wǎng)絡(luò)的心肺音分離方法研究與應(yīng)用
發(fā)布時間：2021-11-09 03:01
準(zhǔn)確診斷心肺系統(tǒng)疾病的病情和針對病情采取有效的治療手段是心肺病患者早日康復(fù)的保障,而心肺系統(tǒng)病癥的準(zhǔn)確診斷依賴其生理信號的準(zhǔn)確表征。臨床中,檢查心肺系統(tǒng)生理特性的手段有心電圖、胸透、心肺音聽診等,因為心肺音信號包含了比較全面心血管和心肺系統(tǒng)的病理信息,而且相對于其他診斷手段更加便捷,診斷效率也比較高,所以聽診心肺音是臨床應(yīng)用中心血管疾病和呼吸系統(tǒng)疾病的主要診斷手段。臨床聽診過程中,通過聽診器采集到的心音和肺音信號通常是帶有背景噪聲的兩者的混合信號,在醫(yī)生聽診心音信號過程中會受到肺音信號的干擾,而在對肺音信號進(jìn)行診斷的時候心音信號反過來又會干擾到肺音信號。除了兩者之間互相干擾外,室內(nèi)外雜音等也是醫(yī)生準(zhǔn)確診斷心肺疾病的阻礙。為了克服以上困難,最關(guān)鍵的技術(shù)是混合信號的分離,于是本文利用了非負(fù)矩陣分解理論設(shè)計的分離方案,長短期記憶網(wǎng)絡(luò)與隱馬爾科夫模型結(jié)合的分割分離方案對心肺音混合信號進(jìn)行分離,主要內(nèi)容如下:1)研究如何應(yīng)用非負(fù)矩陣分解技術(shù)來分離單通道心肺音混合信號。在分析現(xiàn)有非負(fù)矩陣分解算法的基礎(chǔ)上,我們結(jié)合非負(fù)矩陣分解算法和自回歸模型提出了一種新的非負(fù)矩陣分解算法,并將這種方法命名為自回歸正...
【文章來源】：廣東工業(yè)大學(xué)廣東省
【文章頁數(shù)】：76 頁
【學(xué)位級別】：碩士
【部分圖文】：
非負(fù)矩陣分解示意圖
為了能直觀感受整個實驗結(jié)果，將表 3-1 中的數(shù)據(jù)以圖表形式表現(xiàn)如圖 3-11。表 3-1 固定迭代次數(shù) n=200 時，各對比算法分離心音的結(jié)果Table 3-1 The result of contrast algorithm recovering heart sounds when the number ofiterations Fixed n=200單位：dB法 r=10 r=20 r=50 r=100 r=500MF 10.23 14.44 15.73 16.48 16.59NMF 11.32 15.19 16.98 17.53 17.61RNMF 12.47 15.72 17.45 18.97 19.2
果比標(biāo)準(zhǔn) NMF 要好。表 3-2 固定基矩陣中基向量的個數(shù) r=100，各算法還原心音的結(jié)果Table 3-2 The results of each algorithm to recovering the heart sound when the number of basevectors in a fixed-base matrix is r=100單位：dB方法 n=50 n=100 n=200 n=500 n=1000NMF 13.48 16.48 16.68 16.7 16.72LNMF 14.53 17.53 17.75 17.77 17.81ARNMF 14.97 18.97 19.27 19.29 19.31
【參考文獻(xiàn)】：
期刊論文
[1]低資源條件下基于i-vector特征的LSTM遞歸神經(jīng)網(wǎng)絡(luò)語音識別系統(tǒng)[J]. 黃光許,田垚,康健,劉加,夏善紅. 計算機應(yīng)用研究. 2017(02)
[2]基于HMM算法體系的逆維特比算法理論研究[J]. 劉功生,張春良,岳夏,朱厚耀. 機電工程技術(shù). 2014(11)
[3]基于循環(huán)平穩(wěn)包絡(luò)的心音分割方法[J]. 李婷,唐洪. 大連民族學(xué)院學(xué)報. 2014(05)
[4]超聲心動圖診斷肺心病的臨床價值分析[J]. 李新祥,顏道茹,張敏青. 醫(yī)學(xué)影像學(xué)雜志. 2013(10)
[5]集成降采樣不平衡數(shù)據(jù)分類方法研究[J]. 郭麗娟,倪子偉,江弋,鄒權(quán). 計算機科學(xué)與探索. 2013(07)
[6]基于MATLAB分析語音信號頻域特征[J]. 肖正安. 湖北第二師范學(xué)院學(xué)報. 2011(08)
[7]數(shù)據(jù)降維方法分析與研究[J]. 吳曉婷,閆德勤. 計算機應(yīng)用研究. 2009(08)
[8]利用高階統(tǒng)計量進(jìn)行心肺音信號的盲分離[J]. 郭皓,黃華. 生物醫(yī)學(xué)工程學(xué)雜志. 2009(02)
[9]一種語音信號對數(shù)幅度譜包絡(luò)的無偏算法[J]. 方杰,李英. 江南大學(xué)學(xué)報. 2006(02)
[10]基于短時傅立葉變換語言信號分析算法[J]. 魏松,李琦,趙仁才. 電子測量技術(shù). 2006(01)
碩士論文
[1]智能電子聽診器設(shè)計與實現(xiàn)[D]. 胡泊.天津大學(xué) 2010
[2]基于盲信號分離的肺音信號提取研究[D]. 趙一鳴.浙江大學(xué) 2008
本文編號：3484494
【文章來源】：廣東工業(yè)大學(xué)廣東省
【文章頁數(shù)】：76 頁
【學(xué)位級別】：碩士
【部分圖文】：
非負(fù)矩陣分解示意圖
為了能直觀感受整個實驗結(jié)果，將表 3-1 中的數(shù)據(jù)以圖表形式表現(xiàn)如圖 3-11。表 3-1 固定迭代次數(shù) n=200 時，各對比算法分離心音的結(jié)果Table 3-1 The result of contrast algorithm recovering heart sounds when the number ofiterations Fixed n=200單位：dB法 r=10 r=20 r=50 r=100 r=500MF 10.23 14.44 15.73 16.48 16.59NMF 11.32 15.19 16.98 17.53 17.61RNMF 12.47 15.72 17.45 18.97 19.2
果比標(biāo)準(zhǔn) NMF 要好。表 3-2 固定基矩陣中基向量的個數(shù) r=100，各算法還原心音的結(jié)果Table 3-2 The results of each algorithm to recovering the heart sound when the number of basevectors in a fixed-base matrix is r=100單位：dB方法 n=50 n=100 n=200 n=500 n=1000NMF 13.48 16.48 16.68 16.7 16.72LNMF 14.53 17.53 17.75 17.77 17.81ARNMF 14.97 18.97 19.27 19.29 19.31
【參考文獻(xiàn)】：
期刊論文
[1]低資源條件下基于i-vector特征的LSTM遞歸神經(jīng)網(wǎng)絡(luò)語音識別系統(tǒng)[J]. 黃光許,田垚,康健,劉加,夏善紅. 計算機應(yīng)用研究. 2017(02)
[2]基于HMM算法體系的逆維特比算法理論研究[J]. 劉功生,張春良,岳夏,朱厚耀. 機電工程技術(shù). 2014(11)
[3]基于循環(huán)平穩(wěn)包絡(luò)的心音分割方法[J]. 李婷,唐洪. 大連民族學(xué)院學(xué)報. 2014(05)
[4]超聲心動圖診斷肺心病的臨床價值分析[J]. 李新祥,顏道茹,張敏青. 醫(yī)學(xué)影像學(xué)雜志. 2013(10)
[5]集成降采樣不平衡數(shù)據(jù)分類方法研究[J]. 郭麗娟,倪子偉,江弋,鄒權(quán). 計算機科學(xué)與探索. 2013(07)
[6]基于MATLAB分析語音信號頻域特征[J]. 肖正安. 湖北第二師范學(xué)院學(xué)報. 2011(08)
[7]數(shù)據(jù)降維方法分析與研究[J]. 吳曉婷,閆德勤. 計算機應(yīng)用研究. 2009(08)
[8]利用高階統(tǒng)計量進(jìn)行心肺音信號的盲分離[J]. 郭皓,黃華. 生物醫(yī)學(xué)工程學(xué)雜志. 2009(02)
[9]一種語音信號對數(shù)幅度譜包絡(luò)的無偏算法[J]. 方杰,李英. 江南大學(xué)學(xué)報. 2006(02)
[10]基于短時傅立葉變換語言信號分析算法[J]. 魏松,李琦,趙仁才. 電子測量技術(shù). 2006(01)
碩士論文
[1]智能電子聽診器設(shè)計與實現(xiàn)[D]. 胡泊.天津大學(xué) 2010
[2]基于盲信號分離的肺音信號提取研究[D]. 趙一鳴.浙江大學(xué) 2008
本文編號：3484494
本文鏈接：http://sikaile.net/kejilunwen/yysx/3484494.html
最近更新
教材專著
