本文關(guān)鍵詞：基于遺傳BP神經(jīng)網(wǎng)絡(luò)的肺音分類識別算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：肺音是人體重要的生理信號之一，是呼吸時產(chǎn)生的一種聲信號。肺音出現(xiàn)異常往往預(yù)示著肺器官的病變，是肺病的早期信號之一。肺音具有可觀的科研價值和臨床價值，所以近年來它已經(jīng)成為國內(nèi)外專家競相研究的課題。肺音的發(fā)生機(jī)理和傳導(dǎo)機(jī)理很復(fù)雜，它本身也具有非平穩(wěn)性和隨機(jī)性，加上獲取肺音的設(shè)備不統(tǒng)一和分析方法的多樣性，導(dǎo)致國內(nèi)外肺音的研究結(jié)果的差異性較大。肺聽診是呼吸疾病輔助診斷的重要工具。隨著計算機(jī)和電子技術(shù)的不斷進(jìn)步，肺音診斷將會實現(xiàn)自動實時采集、計算機(jī)智能處理和分析的功能。肺音輔助診斷技術(shù)的研究也終會在識別正異常肺音和推斷病人患病種類上取得重大成果，發(fā)揮臨床上肺病診斷的作用。 本文的肺音信號是電子聽診器采集臨床上的正常和異常肺音。將肺音經(jīng)過濾波和周期分段預(yù)處理后，分別采用韋爾奇功率譜估計和小波變換得到肺音信號的統(tǒng)計特征值。通過比較神經(jīng)網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò)兩類分類器的性能，選擇遺傳神經(jīng)網(wǎng)絡(luò)這種優(yōu)化的識別算法進(jìn)行肺音的識別。將每一類肺音和肺部疾病聯(lián)系起來，通過識別哮鳴音、捻發(fā)音和爆裂音分別預(yù)測每類肺音對應(yīng)的呼吸疾病。 首先，進(jìn)行肺音的預(yù)處理。獲取了臨床常見的四類肺音（正常、哮鳴音、捻發(fā)音和爆裂音）后，將它們經(jīng)濾波和周期分割等預(yù)處理后得到待分析的肺音樣本。本文改進(jìn)了小波變換濾除心音的算法，將肺音通過小波濾波得到心音干擾成份，再用原始肺音減去心音干擾成份而得到較純凈的肺音。肺音的周期分段則采用Violal積分波形法，得到肺音的特征波形，對肺音進(jìn)行周期分割。 其次，進(jìn)行肺音的特征提取。采用改進(jìn)的韋爾奇功率譜統(tǒng)計特征值和小波系數(shù)統(tǒng)計特征值作為肺音特征。肺音的韋爾奇功率譜的統(tǒng)計特征值是功率譜的平均值、中值、幾何平均值、調(diào)和平均值、切尾平均值、標(biāo)準(zhǔn)差、四位分極差、平均絕對偏差值構(gòu)成的組合特征；肺音的小波系數(shù)統(tǒng)計特征值是肺音的小波分解第二層至第七層細(xì)節(jié)系數(shù)的絕對值的均值、每個子帶小波系數(shù)的能量、標(biāo)準(zhǔn)偏差、相鄰子帶絕對平均值的比值構(gòu)成的組合特征。這兩類組合特征分別作為肺音的新組合特征。與傳統(tǒng)韋爾奇功率譜值和小波系數(shù)特征值相比，這兩種組合特征維度得到降低，有利于分類效率的提升。 最后，進(jìn)行肺音的分類識別。研究了人工神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）的分類原理和遺傳算法。采用遺傳算法得到優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，最后得到遺傳BP神經(jīng)網(wǎng)絡(luò)(GABPNN)—改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)。分別用韋爾奇功率譜統(tǒng)計特征值和小波系數(shù)統(tǒng)計特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行肺音識別，結(jié)果顯示韋爾奇功率譜特征的識別率為83%，高于小波系數(shù)特征的識別率（81.1%）。作為對照，用遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的GABPNN分類器來識別肺音，用韋爾奇功率譜特征作為GABPNN的特征，識別結(jié)果顯示，GABPNN的識別率為89.0%，識別率優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的識別率（83.0%），GABPNN的識別誤差更小，網(wǎng)絡(luò)的穩(wěn)定性更強(qiáng)。 本文算法皆在MATLAB軟件上實現(xiàn)，最后設(shè)計了方便用戶使用的圖形界面，能實現(xiàn)肺音的加載、波形顯示和分析識別，以及肺病預(yù)測的功能。
【關(guān)鍵詞】：肺音信號 小波去噪 模式識別 遺傳BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP183;R563
【目錄】：

• 摘要4-6
• Abstract6-10
• 縮略語表10-11
• 1 緒論11-18
• 1.1 課題背景和研究意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.3 本課題肺音研究的主要工作16-18
• 2 肺音信號的獲取、分析和預(yù)處理18-32
• 2.1 肺音信號的獲取技術(shù)18-19
• 2.2 韋爾奇變換與小波變換19-23
• 2.2.1 傅里葉變換19-20
• 2.2.2 短時傅里葉變換（STFT)20
• 2.2.3 信號的連續(xù)小波變換20-21
• 2.2.4 信號的離散小波變換21-22
• 2.2.5 小波的多分辨率分析和 MALLAT 算法22-23
• 2.3 小波分析去噪技術(shù)23-25
• 2.4 小波的肺音混合去噪技術(shù)25-29
• 2.4.1 肺音的高通濾波25-27
• 2.4.2 基于小波變換的混合去噪原理與實現(xiàn)27-29
• 2.5 肺音周期分割算法的研究與實現(xiàn)29-31
• 2.6 本章小結(jié)31-32
• 3 肺音信號的特征提取和識別技術(shù)32-43
• 3.1 模式識別技術(shù)和特征提取技術(shù)32-42
• 3.1.1 模式識別的基本原理32-33
• 3.1.2 特征提取技術(shù)33-35
• 3.1.3 分類器的設(shè)計35
• 3.1.4 人工神經(jīng)網(wǎng)絡(luò)的分類識別技術(shù)35-37
• 3.1.5 BP 神經(jīng)網(wǎng)絡(luò)原理37
• 3.1.6 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計基礎(chǔ)37-39
• 3.1.7 基于遺傳算法的優(yōu)化的 BP 網(wǎng)絡(luò)39-42
• 3.2 臨床常見的四類肺音與肺病的聯(lián)系42
• 3.3 本章小結(jié)42-43
• 4 肺音特征提取和分類識別技術(shù)的實現(xiàn)43-54
• 4.1 基于韋爾奇功率譜的肺音特征提取43-46
• 4.1.1 韋爾奇功率譜估計43-44
• 4.1.2 肺音的韋爾奇功率譜特征提取44-46
• 4.2 基于小波系數(shù)統(tǒng)計特征值的肺音特征提取46-48
• 4.2.1 肺音的小波分析46-47
• 4.2.2 肺音小波系數(shù)統(tǒng)計特征值的提取實現(xiàn)47-48
• 4.3 BP 神經(jīng)網(wǎng)絡(luò)與遺傳 BP 神經(jīng)網(wǎng)絡(luò)（GABPNN）的識別與分析48-53
• 4.3.1 BP 神經(jīng)網(wǎng)絡(luò)的識別與分析48-51
• 4.3.2 遺傳 BP 神經(jīng)網(wǎng)絡(luò)（GABPNN）的肺音識別結(jié)果與分析51-53
• 4.4 本章小結(jié)53-54
• 5 肺音分析識別系統(tǒng)的設(shè)計與實現(xiàn)54-62
• 5.1 肺音分析識別系統(tǒng)構(gòu)架和功能54
• 5.2 基于 MATLAB 軟件的ＧＵＩ操作界面編寫54-61
• 5.3 本章小結(jié)61-62
• 6 總結(jié)與展望62-65
• 6.1 本文的工作總結(jié)62-63
• 6.2 展望63-65
• 致謝65-66
• 參考文獻(xiàn)66-69
• 附錄69-74
• 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果74-75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王文淵,閆平凡;肺音研究綜述[J];北京生物醫(yī)學(xué)工程;1992年02期

2 朱來東;廉小親;江遠(yuǎn)志;;小波變換在信號降噪中的應(yīng)用及MATLAB實現(xiàn)[J];北京工商大學(xué)學(xué)報(自然科學(xué)版);2009年02期

3 趙治棟,唐向宏,趙知勁,潘敏,陳裕泉;基于Hilbert-Huang Transform的心音信號譜分析[J];傳感技術(shù)學(xué)報;2005年01期

4 鄧曦,魯勇軍;肺聲的電子檢測及其醫(yī)學(xué)應(yīng)用[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;2000年04期

5 何中市;王健;陳永鋒;張杰慧;;基于仿生模式識別的孤立性肺結(jié)節(jié)檢測[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2008年02期

6 呂萍,錢鐵群,閔一建;運動前后脈搏聲和肺音信號的同步拾取與特征研究[J];廣州體育學(xué)院學(xué)報;2005年05期

7 李真真;杜明輝;吳效明;;基于分?jǐn)?shù)階希爾伯特變換的羅音特征提取[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2011年12期

8 涂擁軍;李靜;王國恩;李繞奇;;基于韋爾奇功率譜的雷達(dá)輻射源信號識別[J];航天電子對抗;2009年03期

9 沈琴琴;趙治棟;;基于DWTMFC特征參數(shù)提取的心音身份識別[J];杭州電子科技大學(xué)學(xué)報;2011年04期

10 周維忠,馮心海,孫國基;基于小波系數(shù)聚類的特征提取分類方法[J];計算機(jī)研究與發(fā)展;2001年08期

  本文關(guān)鍵詞：基于遺傳BP神經(jīng)網(wǎng)絡(luò)的肺音分類識別算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：420870