心音信號(hào)是心臟及心血管系統(tǒng)機(jī)械狀況的反映,是包含了人類(lèi)心臟各部分的生理和病理信息的重要信號(hào)。目前通過(guò)心音信號(hào)診斷疾病的方法主要是人工聽(tīng)診,如果能夠研究出一套行之有效的算法對(duì)采集到的心音進(jìn)行自動(dòng)識(shí)別分類(lèi),當(dāng)發(fā)現(xiàn)病變的心音時(shí)能自動(dòng)做出判斷提示甚至發(fā)出報(bào)警信號(hào),這對(duì)心臟疾病的臨床研究具有極其重要的研究?jī)r(jià)值。針對(duì)以上所述通過(guò)以下幾個(gè)方面對(duì)心音信號(hào)進(jìn)行研究:采用HKY-06B心音傳感器采集心音信號(hào),通過(guò)Cool Edit Pro2.1錄音軟件實(shí)現(xiàn)對(duì)心音信號(hào)的格式轉(zhuǎn)換和儲(chǔ)存、通過(guò)小波分析法對(duì)心音信號(hào)進(jìn)行預(yù)處理、運(yùn)用Mel頻率倒譜系數(shù)對(duì)心音信號(hào)進(jìn)行特征提取以及利用高斯混合模型對(duì)心音信號(hào)進(jìn)行識(shí)別。通過(guò)預(yù)處理、特征參數(shù)提取等步驟后,建立GMM,將采樣信號(hào)輸入GMM心音模型庫(kù)進(jìn)行識(shí)別,能夠準(zhǔn)確判斷心音是正常心音還是病理性心音。 

【文章來(lái)源】：廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015,33(03)北大核心

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖１心音信號(hào)Ｆｉｇ．１Ｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓ

第３期周克良等：心音信號(hào)特征分析與識(shí)別方法研究Ｗｓ（ｊ，ｋ）＝ａ－１／２∑Ｎ－１ｎ＝０ｓ（ｎ）ψ（ａ－ｊ／２－ｋ），（７）式中Ｎ為一幀心音信號(hào)的采樣點(diǎn)數(shù)，對(duì)ｓ（ｎ）進(jìn)行多次小波變換，可以得到一組小波系數(shù)，利用這些小波系數(shù)即可對(duì)原信號(hào)進(jìn)行重構(gòu)。實(shí)驗(yàn)結(jié)果如圖３。圖３待去噪的心音信號(hào)Ｆｉｇ．３Ｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓｔｏｂｅｄｅ－ｎｏｉｓｉｎｇ在Ｍａｔｌａｂ中通過(guò)程序?qū)υ撔囊粜盘?hào)進(jìn)行去噪后，得到的信號(hào)如圖４。圖４心音信號(hào)的小波去噪Ｆｉｇ．４ＷａｖｅｌｅｔＤｅｎｏｉｓｉｎｇｏｆｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓ對(duì)比圖３和圖４，不難發(fā)現(xiàn)在Ｓ１和Ｓ２之間的干擾信號(hào)已經(jīng)消除，此時(shí)心音在時(shí)域上各個(gè)成分有清晰的界限，心音信號(hào)的主要能量集中在Ｓ１和Ｓ２，少部分存在于第３心音Ｓ３，至此，心音信號(hào)預(yù)處理過(guò)程已經(jīng)基本完成。３心音信號(hào)的特征提取用２種方法對(duì)心音信號(hào)的特征參數(shù)進(jìn)行了提取，分別是對(duì)心音信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解法（ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）［１２］以及提取心音信號(hào)的Ｍｅｌ頻率倒譜系數(shù)（ＭＦＣＣ參數(shù)）［１３］。通過(guò)對(duì)比得出了ＭＦＣＣ參數(shù)能夠比ＥＭＤ分解取得更好的識(shí)別效果，并大大縮短模型訓(xùn)練的時(shí)間。ＭＦＣＣ參數(shù)是提取法基于語(yǔ)音信號(hào)識(shí)別技術(shù)而衍生出來(lái)的語(yǔ)音類(lèi)信號(hào)特征參數(shù)。ＭＦＣＣ參數(shù)具體的提取過(guò)程，如圖５所示。如圖５所示，ＭＦＣＣ參數(shù)提取過(guò)程可以歸納為：①快速傅里葉變換。在經(jīng)過(guò)去噪分幀等步驟之后，得到最接近原始心音的信號(hào)之后，利

３期周克良等：心音信號(hào)特征分析與識(shí)別方法研究Ｗｓ（ｊ，ｋ）＝ａ－１／２∑Ｎ－１ｎ＝０ｓ（ｎ）ψ（ａ－ｊ／２－ｋ），（７）式中Ｎ為一幀心音信號(hào)的采樣點(diǎn)數(shù)，對(duì)ｓ（ｎ）進(jìn)行多次小波變換，可以得到一組小波系數(shù)，利用這些小波系數(shù)即可對(duì)原信號(hào)進(jìn)行重構(gòu)。實(shí)驗(yàn)結(jié)果如圖３。圖３待去噪的心音信號(hào)Ｆｉｇ．３Ｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓｔｏｂｅｄｅ－ｎｏｉｓｉｎｇ在Ｍａｔｌａｂ中通過(guò)程序?qū)υ撔囊粜盘?hào)進(jìn)行去噪后，得到的信號(hào)如圖４。圖４心音信號(hào)的小波去噪Ｆｉｇ．４ＷａｖｅｌｅｔＤｅｎｏｉｓｉｎｇｏｆｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓ對(duì)比圖３和圖４，不難發(fā)現(xiàn)在Ｓ１和Ｓ２之間的干擾信號(hào)已經(jīng)消除，此時(shí)心音在時(shí)域上各個(gè)成分有清晰的界限，心音信號(hào)的主要能量集中在Ｓ１和Ｓ２，少部分存在于第３心音Ｓ３，至此，心音信號(hào)預(yù)處理過(guò)程已經(jīng)基本完成。３心音信號(hào)的特征提取用２種方法對(duì)心音信號(hào)的特征參數(shù)進(jìn)行了提取，分別是對(duì)心音信號(hào)經(jīng)驗(yàn)?zāi)B(tài)分解法（ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）［１２］以及提取心音信號(hào)的Ｍｅｌ頻率倒譜系數(shù)（ＭＦＣＣ參數(shù)）［１３］。通過(guò)對(duì)比得出了ＭＦＣＣ參數(shù)能夠比ＥＭＤ分解取得更好的識(shí)別效果，并大大縮短模型訓(xùn)練的時(shí)間。ＭＦＣＣ參數(shù)是提取法基于語(yǔ)音信號(hào)識(shí)別技術(shù)而衍生出來(lái)的語(yǔ)音類(lèi)信號(hào)特征參數(shù)。ＭＦＣＣ參數(shù)具體的提取過(guò)程，如圖５所示。如圖５所示，ＭＦＣＣ參數(shù)提取過(guò)程可以歸納為：①快速傅里葉變換。在經(jīng)過(guò)去噪分幀等步驟之后，得到最接近原始心音的信號(hào)之后，利用快

【參考文獻(xiàn)】：
期刊論文
[1]EMD近似熵結(jié)合支持向量機(jī)的心音信號(hào)識(shí)別研究[J]. 黃林洲,郭興明,丁曉蓉.  振動(dòng)與沖擊. 2012(19)
[2]小波包與混沌集成的心音特征提取及分類(lèi)識(shí)別[J]. 郭興明,丁曉蓉,鐘麗莎,雷鳴,翁漸.  儀器儀表學(xué)報(bào). 2012(09)
[3]生物醫(yī)學(xué)信號(hào)處理方法概述[J]. 周杰.  華章. 2012 (08)
[4]基于改進(jìn)高斯混合模型的前景檢測(cè)[J]. 馮華文,龔聲蓉,劉純平.  計(jì)算機(jī)工程. 2011(19)
[5]基于小波變換的心音信號(hào)濾波方法研究[J]. 陳天華,韓力群,邢素霞,郭培源.  計(jì)算機(jī)仿真. 2010(12)
[6]心音信號(hào)的分析方法及其應(yīng)用[J]. 謝斌,嚴(yán)碧歌,李錦.  現(xiàn)代生物醫(yī)學(xué)進(jìn)展. 2010(23)
[7]心音時(shí)域分析的新方法研究[J]. 胡玉良,王海濱,陳健,江鐘偉,喬軍選.  生物醫(yī)學(xué)工程學(xué)雜志. 2010(02)
[8]基于重訓(xùn)練高斯混合模型的語(yǔ)音轉(zhuǎn)換方法[J]. 張凱,朱立新,趙義正.  聲學(xué)技術(shù). 2010(01)
[9]基于希爾伯特-黃變換的心音包絡(luò)提取[J]. 許曉飛,林勇,嚴(yán)彬彬.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2008(02)
[10]高斯混合模型聚類(lèi)中EM算法及初始化的研究[J]. 岳佳,王士同.  微計(jì)算機(jī)信息. 2006(33)

碩士論文
[1]心音采集與分析方法研究[D]. 李天生.五邑大學(xué) 2009
[2]心音信號(hào)自動(dòng)識(shí)別算法的研究[D]. 吳玉春.重慶大學(xué) 2009
[3]基于神經(jīng)網(wǎng)絡(luò)的心音信號(hào)識(shí)別算法研究[D]. 姚曉帥.重慶大學(xué) 2004



本文編號(hào)：3444871