心音信号特征提取及分类研究

发布时间：2017-04-07 18:20

  本文关键词：心音信号特征提取及分类研究，，由笔耕文化传播整理发布。

【摘要】：心脏瓣膜病是危害人类健康的严重疾病之一,在对心脏疾病诊断时,心音是检测心脏状态的一项重要方法,是对人身体健康判断的一项常见的衡量指标,与心电信号同样重要。它是心脏机械活动的反映,能够对心脏是否处于健康状态作出正确的评价,心音听诊时主要依靠设备的精确度和医生的临床经验,往往是人的主观判断,可能造成结果不够准确。本文内容涉及到心音信号的预处理、信号的特征提取和分类识别。(1)信号的预处理：针对心音信号的时变性、非线性和非平稳性的实际情况,运用自适应分解方法对心音信号进行分析。通过集合经验模态分解(EEMD)和局部均值分解(LMD)的预处理,得到若干个本征模函数和乘积函数,用相关系数准则和峭度值来筛选分量数目。(2)特征提取：本文采用两种特征提取方法,奇异值分解和能量熵。奇异值分解是基于代数的特征提取,通过对IMF分量的奇异值分解,形成奇异值均值特征向量。能量熵是基于数据序列非线性特征复杂度的度量,通过对PF分量的能量熵计算,形成能量分布特征向量。结果表明两种方法都可以对心音信号实现有效的特征提取。(3)分类识别：面对奇异值特征值采用的是计算马氏距离,通过最小距离判断来进行分类,针对能量分布特征向量的分类方法是最小二乘支持向量机。通过两种方法的实验结果表明了两种心音分析方法都是可行性,从而为心脏瓣膜病的预防和诊断提供了有力的根据。
【关键词】：心音信号 集合经验模式分解 局部均值分解 奇异值分解 最小二乘支持向量机
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R540.4;TN912.3
【目录】：

• 摘要6-7
• Abstract7-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 心音信号分析的研究现状11-12
• 1.2.2 心音信号识别的研究现状12-13
• 1.3 论文的研究内容和结构安排13-16
• 1.3.1 研究内容13-14
• 1.3.2 结构安排14-16
• 第二章 心音基础理论知识16-22
• 2.1 心音的发生机理16
• 2.2 心音的成分与时频特性分析16-18
• 2.2.1 心音的成分16-17
• 2.2.2 心音的时域特性17-18
• 2.2.3 心音的频域特性18
• 2.3 心杂音的机理和特性18-21
• 2.4 本章小结21-22
• 第三章 基于EEMD-SVD的心音信号特征提取及分类22-44
• 3.1 引言22
• 3.2 经验模态分解22-26
• 3.2.1 瞬时频率23-24
• 3.2.2 本征模函数24
• 3.2.3 Hilbert边际谱24-26
• 3.3 集合经验模态分解26-30
• 3.4 本征模函数筛选准则30-31
• 3.4.1 相关系数30
• 3.4.2 峭度30-31
• 3.5 奇异值分解31-32
• 3.6 马氏距离判断函数32-33
• 3.7 心音信号识别分析33-42
• 3.7.1 识别方案与步骤33-36
• 3.7.2 实验结果分析36-42
• 3.8 本章小结42-44
• 第四章 基于LMD能量熵LS-SVM的心音特征提取及分类44-60
• 4.1 引言44
• 4.2 局部均值分解44-47
• 4.3 能量熵47-48
• 4.4 心音信号能量特征提取48-52
• 4.5 支持向量机52-56
• 4.5.1 支持向量机53-55
• 4.5.2 最小二乘支持向量机55-56
• 4.6 心音信号识别分析56-59
• 4.7 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 总结60-61
• 5.2 展望61-62
• 致谢62-64
• 参考文献64-68
• 附录A (攻读学位其间发表论文目录)68

【参考文献】

中国期刊全文数据库 前3条

1 姚晓帅,郭兴明,陈剑,肖守中;基于数学形态学的心音包络提取与识别方法研究[J];北京生物医学工程;2004年03期

2 陈天华;韩力群;唐海滔;郑若金;;心音信号分析方法及应用性研究[J];北京工商大学学报(自然科学版);2009年02期

3 朱冰莲,杨磊;心音信号的短时傅立叶变换分析[J];重庆大学学报(自然科学版);2004年08期

  本文关键词：心音信号特征提取及分类研究，由笔耕文化传播整理发布。

本文编号：291064