雖然醫(yī)學(xué)上心音檢測設(shè)備的精度不斷提高,但是由于周圍環(huán)境以及人體其他生理活動(dòng)的影響,使得采集心音信號(hào)中混入雜音,影響了醫(yī)學(xué)上對(duì)患者心臟病情的診斷�；谏鲜鰡栴},本文研究了基于優(yōu)化的支持向量機(jī)（SVM）的心音信號(hào)分類算法。本文首先運(yùn)用經(jīng)驗(yàn)式模態(tài)分解算法分析了心音信號(hào)與噪音之間的特征分布,得出結(jié)論:心音信號(hào)主要集中于低頻部分,噪音主要集中于高頻部分。針對(duì)特征分布特點(diǎn),采用契比雪夫?yàn)V波器II型低通濾波器與譜減法的結(jié)合算法對(duì)采集心音信號(hào)數(shù)據(jù)進(jìn)行降噪。其中,契比雪夫?yàn)V波器II型低通濾波器主要針對(duì)心音高頻信號(hào)中的噪音。心音信號(hào)通過低通濾波器之后,對(duì)高頻信號(hào)進(jìn)行衰減,起到抑制作用。降噪之后的心音信號(hào)再次通過譜減算法,即用總的心音信號(hào)的譜能量減去噪音信號(hào)的譜能量,并進(jìn)行傅里葉逆變換,便可得到降噪之后心音信號(hào)的時(shí)間序列。接下來,再次結(jié)合心音信號(hào)的波形,可得知正常心音信號(hào)的波形是由有P波、QRS波、T波三種波組成的。當(dāng)心臟出現(xiàn)異常時(shí),其波形便會(huì)發(fā)生時(shí)間、周期的改變。據(jù)于上述現(xiàn)象,本文采用了Mel倒譜系數(shù)算法、倒譜基音檢測法對(duì)降噪后的心音信號(hào)提取特征。由于傳統(tǒng)蟻群聚類算法容易使SVM的懲罰因子和核函數(shù)參數(shù)陷入... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：73 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人體心臟示意圖

心臟結(jié)構(gòu)是相當(dāng)復(fù)雜的，其與人體內(nèi)的其他器官具有密不可分的聯(lián)系，在人體的血液循環(huán)中起著非常重要的控制作用，控制人體新陳代謝，提高人體機(jī)能運(yùn)作的效率。心臟進(jìn)行生理活動(dòng)的各個(gè)階段以及各個(gè)心音信號(hào)產(chǎn)生的時(shí)間如圖2.2、圖 2.3 所示。圖2.2、圖2.3 分別為心動(dòng)周期及心動(dòng)周期的各個(gè)階段。由圖 2.2 和圖2.3 相互對(duì)照，可看出，第一心音信號(hào)多出現(xiàn)于等容收縮期，第二心音信號(hào)主要出現(xiàn)在等容舒張期。心動(dòng)周期包括心臟收縮與舒張兩個(gè)過程。其中心室舒張期按時(shí)間先后主要分為等容舒張、快速充盈與減慢充盈三個(gè)階段。（1）等容舒張期：初期時(shí)，心臟表現(xiàn)為心室內(nèi)壓強(qiáng)逐漸降低，在高于心房內(nèi)壓強(qiáng)的范圍內(nèi)，心室仍處于封閉狀態(tài)。在此狀態(tài)之下，沒有血液的流入，心室容積也沒有發(fā)生明顯地變化。

血液循環(huán)中起著非常重要的控制作用，控制人體新陳代謝，提高人體機(jī)能運(yùn)作的效率。心臟進(jìn)行生理活動(dòng)的各個(gè)階段以及各個(gè)心音信號(hào)產(chǎn)生的時(shí)間如圖2.2、圖 2.3 所示。圖2.2、圖2.3 分別為心動(dòng)周期及心動(dòng)周期的各個(gè)階段。由圖 2.2 和圖2.3 相互對(duì)照，可看出，第一心音信號(hào)多出現(xiàn)于等容收縮期，第二心音信號(hào)主要出現(xiàn)在等容舒張期。心動(dòng)周期包括心臟收縮與舒張兩個(gè)過程。其中心室舒張期按時(shí)間先后主要分為等容舒張、快速充盈與減慢充盈三個(gè)階段。（1）等容舒張期：初期時(shí)，心臟表現(xiàn)為心室內(nèi)壓強(qiáng)逐漸降低，在高于心房內(nèi)壓強(qiáng)的范圍內(nèi)，心室仍處于封閉狀態(tài)。在此狀態(tài)之下，沒有血液的流入，心室容積也沒有發(fā)生明顯地變化。

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群聚類算法的居民負(fù)荷辨識(shí)方法[J]. 柏慧,王麗麗,魯敬,祁兵.  電力信息與通信技術(shù). 2018(06)
[2]基于粒子群和蟻群算法的槍彈圖像邊緣檢測方法[J]. 任雁,李強(qiáng),張鵬軍.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[3]基于譜減法的語音信號(hào)降噪改進(jìn)算法[J]. 金薛冬,李東新.  國外電子測量技術(shù). 2018(05)
[4]基于蟻群算法-粒子群算法的白車身側(cè)圍點(diǎn)焊機(jī)器人路徑規(guī)劃[J]. 侯仰強(qiáng),王天琪,李亮玉,張志臣,趙娜.  中國機(jī)械工程. 2017(24)
[5]基于Measurement Studio的心音信號(hào)采集與分析系統(tǒng)[J]. 康立富,孫靜,王云,黃紅波,王威廉.  電子測量技術(shù). 2017(10)
[6]改進(jìn)譜減法語音增強(qiáng)研究[J]. 屈曉旭,李朝輝,婁景藝.  通信技術(shù). 2017(09)
[7]基于譜減法語音增強(qiáng)效果研究[J]. 代龍翔,李冠宇,馬寧.  西北民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[8]基于最小二乘支持向量機(jī)的心音分類識(shí)別研究[J]. 許莉莉,師煒,郭學(xué)謙,曲典.  中國醫(yī)療設(shè)備. 2017(04)
[9]基于小波收縮的心音降噪最優(yōu)化分析[J]. 余輝,姜博暢,劉雁飛,關(guān)紅彥.  電子測量與儀器學(xué)報(bào). 2017(03)
[10]基于FPGA的Mel倒譜系數(shù)提取方法設(shè)計(jì)與實(shí)現(xiàn)[J]. 楊鴻武,張帥,丁朋程.  儀表技術(shù)與傳感器. 2017(03)

碩士論文
[1]基于改進(jìn)蟻群算法的支持向量機(jī)研究及應(yīng)用[D]. 朱晴虹.安徽理工大學(xué) 2018
[2]最小二乘支持向量回歸機(jī)的算法研究[D]. 仝玉婷.浙江師范大學(xué) 2018
[3]改進(jìn)蟻群聚類算法在零售客戶分類中的研究與應(yīng)用[D]. 姚思雨.大連海事大學(xué) 2018
[4]一種支持向量機(jī)參數(shù)選擇方法的研究及應(yīng)用[D]. 孫玲.杭州電子科技大學(xué) 2017
[5]基于SSA和EMD的心音頻譜特性分析及識(shí)別研究[D]. 武肖夢.重慶大學(xué) 2017
[6]心音信號(hào)特征分析與識(shí)別方法研究[D]. 葉岑.江西理工大學(xué) 2014
[7]心音小波的構(gòu)造與應(yīng)用[D]. 張正.南京郵電大學(xué) 2014
[8]心音信號(hào)去噪及特征值提取的研究[D]. 韓立喜.長春理工大學(xué) 2013



本文編號(hào)：3455733