血細(xì)胞分析是臨床上診斷疾病的重要方法,針對(duì)血細(xì)胞信號(hào)具有多形態(tài)、非線性、非平穩(wěn)的特點(diǎn),本文提出一種基于希爾伯特-黃變換和隱馬爾可夫模型相結(jié)合的血細(xì)胞信號(hào)識(shí)別方法,對(duì)健康人和甲亢患者的血細(xì)胞信號(hào)進(jìn)行分類識(shí)別。本文使用在時(shí)域和頻域能同時(shí)達(dá)到有較高分辨率且具有自適應(yīng)性特點(diǎn)的希爾伯特-黃變換分析處理血細(xì)胞信號(hào)。首先使用小波閾值去噪對(duì)血細(xì)胞信號(hào)濾波,以避免經(jīng)驗(yàn)?zāi)B(tài)分解產(chǎn)生過多的虛假分量。再采用經(jīng)驗(yàn)?zāi)B(tài)分解將血細(xì)胞信號(hào)分解為一系列本征模態(tài)函數(shù),將其中相關(guān)系數(shù)較高的分量視為真實(shí)的本征模態(tài)函數(shù)分量。提取出真實(shí)的本征模態(tài)函數(shù)的能量矩、譜矩心和邊際譜熵并將其構(gòu)建為血細(xì)胞信號(hào)的特征向量。分類識(shí)別模型是帶有停留時(shí)間變量的隱半馬爾科夫模型這種特殊隱馬爾科夫模型,使用一種類似k-means的算法優(yōu)化訓(xùn)練模型的初始值,獲得更加接近全局最優(yōu)解的模型參數(shù),建立健康人與甲亢患者兩類識(shí)別模型,實(shí)驗(yàn)仿真結(jié)果表明對(duì)這兩類血細(xì)胞信號(hào)能實(shí)現(xiàn)準(zhǔn)確的識(shí)別。 

【文章來源】：南昌大學(xué)江西省211工程院校

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多分量信號(hào)的波形

圖 2.1 多分量信號(hào)的波形 對(duì)這個(gè)信號(hào)進(jìn)行篩選，篩選的結(jié)果如圖 2.2 所示意到第一個(gè)和第二個(gè) IMF 主要的成分是兩個(gè)頻波分量，第三和第四個(gè) IMF 主要是描述了那個(gè)尖在那個(gè)尖峰信號(hào)出現(xiàn)的時(shí)間點(diǎn)附近才會(huì)有較為明D 具有將原始信號(hào)中的一些微小的隱藏特征提取五、六、七個(gè) IMF 并沒有實(shí)際的物理意義，這假分量，后文將具體討論如何識(shí)別出這些虛假個(gè)具有實(shí)際意義的 IMF。

第 2 章 經(jīng)典時(shí)頻分析與希爾伯特-黃變換分別得到它們的瞬時(shí)頻率，這就可以繪制出幅度和，也就是 Hilbert-Huang 譜。EMD 分解后得到的 H內(nèi)具有很高的分辨率，圖 2.3 是二維譜，可以清晰地信號(hào)的細(xì)節(jié)，并且可以精確的確定兩個(gè)正弦信號(hào)在幾乎是只聚集在一點(diǎn)，在兩個(gè)正弦信號(hào)的分界點(diǎn)僅號(hào)是以頻帶上有一些不連續(xù)點(diǎn)表示的，這些不連續(xù)號(hào)所在的時(shí)間點(diǎn)并且布滿了整個(gè)頻域范圍，這也和一理論契合。所有的這些細(xì)節(jié)在三維譜圖 2.4 里展

【參考文獻(xiàn)】：
期刊論文
[1]基于HHT和PPA的心音分段算法研究[J]. 張義敏,曾慶寧,黎耀.  計(jì)算機(jī)應(yīng)用與軟件. 2015(04)
[2]98例成人貧血患者的血細(xì)胞形態(tài)學(xué)診斷分析[J]. 胡昊.  國際檢驗(yàn)醫(yī)學(xué)雜志. 2014(12)
[3]小波包多閾值去噪法及其在形變分析中的應(yīng)用[J]. 章浙濤,朱建軍,匡翠林,周璀.  測(cè)繪學(xué)報(bào). 2014(01)
[4]消除EMD端點(diǎn)效應(yīng)的PSO-SVM方法研究[J]. 白春華,周宣赤,林大超,王仲琦.  系統(tǒng)工程理論與實(shí)踐. 2013(05)
[5]143例甲狀腺功能亢進(jìn)癥患者血細(xì)胞分析比較[J]. 劉少華,楊燕,李燕,羅金林.  重慶醫(yī)學(xué). 2012(25)
[6]基于改進(jìn)的隱馬爾科夫模型的詞性標(biāo)注方法[J]. 袁里馳.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(08)
[7]血涂片分析在血常規(guī)檢驗(yàn)中的重要性[J]. 張冬蕊,張志琴,嚴(yán)國棟,閆愛娜.  中國社區(qū)醫(yī)師(醫(yī)學(xué)專業(yè)). 2012(08)
[8]信號(hào)分析中小波變換基函數(shù)選擇研究[J]. 晏強(qiáng),周冬梅.  電腦與電信. 2012(03)
[9]一種基于超光譜的血細(xì)胞分類方法[J]. 戴春妮,李慶利,劉錦高.  計(jì)算機(jī)應(yīng)用研究. 2011(11)
[10]一種新的BEMD篩分停止準(zhǔn)則[J]. 葛光濤,桑恩方,劉卓夫,朱蓓蓓.  數(shù)據(jù)采集與處理. 2010(02)

博士論文
[1]多分辨希爾伯特—黃（Hilbert-Huang）變換方法的研究[D]. 譚善文.重慶大學(xué) 2001

碩士論文
[1]基于希爾伯特—黃變換的血細(xì)胞信號(hào)分析與研究[D]. 張小飛.南昌大學(xué) 2014
[2]基于隱馬爾科夫模型詞性標(biāo)注的研究[D]. 牛秀萍.太原理工大學(xué) 2013
[3]基于小波和HHT的心音信號(hào)分析與識(shí)別[D]. 江洪.武漢理工大學(xué) 2012
[4]基于HHT的故障診斷時(shí)頻分析[D]. 彭輝燕.電子科技大學(xué) 2010
[5]基于隱馬爾科夫模型的細(xì)胞分裂檢測(cè)[D]. 張春霞.中國海洋大學(xué) 2008
[6]基于HMM和ANN的基因識(shí)別方法[D]. 蔡亮.成都理工大學(xué) 2008
[7]全血細(xì)胞成像五分類算法研究[D]. 李一安.華中科技大學(xué) 2007
[8]數(shù)字信號(hào)處理在血細(xì)胞分析儀中的應(yīng)用[D]. 王耀梁.南昌大學(xué) 2007
[9]基于HMM的脫機(jī)手寫體字符識(shí)別[D]. 李輝熠.長(zhǎng)沙理工大學(xué) 2007



本文編號(hào)：3617237