基于EMD关联维数的先心病心音特征提取与分类识别研究

发布时间：2021-09-29 15:13

　　心音是一种常见的人体生理信号,能准确地反映心脏的整体运行状态,通常是判断心脏是否健康的主要依据之一。心音听诊是诊断先心病的主要依据,但听诊容易受到环境和听诊医生等主观因素的影响,而超声心动图是诊断是否患有心脏病的最有效方法,但对于偏远地区的患者来说因设备昂贵难以负担起医疗费用。因此,针对心音进行特征分析处理对先心病的诊断具有重要的意义,同时对实现机器辅助听诊也提供了新的思路,方便于先心病的诊断。心音属于一种非线性、非平稳性随机信号,本文采用分形原理对心音进行分析,充分揭示该类信号的内在特征,着重对心音特征参数的研究,了解心脏的运行机理以及结合正常和异常心音的特点。本文的主要研究工作为:1.心音信号预处理工作。采用小波分析法消除心音的噪声,然后利用希尔伯特变换法提取心音的包络,最后对提取的包络采用采用双阈值法进行分段定位,从而确定心音的心动周期。2.心音信号的经验模式分解（Empirical Mode Decomposition,EMD）。将心音分解成一系列的固有模态函数（Intrinsic Mode Function,IMF）,分析各阶IMF分量的瞬时频率特性,准确地反映出原始信号的细... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

正常心音信号中的S1和S2第一心音（firstheartsound，S1）

心脏听诊位置图

不同小波基的分层效果图

【参考文献】：
期刊论文
[1]基于香农熵的心音信号检测方法研究[J]. 田文雪.  无线互联科技. 2017(06)
[2]基于支持向量机的心音信号自动识别[J]. 郭春璐,岳小冰.  计算机与现代化. 2016(06)
[3]昆山市新生儿先天性心脏病筛查管理模式探讨[J]. 韩霞,喻茜,胡健伟,杨文红.  中国实用儿科杂志. 2015(03)
[4]基于小波阈值的图像去噪算法研究[J]. 董汉磊,舒云星.  电脑编程技巧与维护. 2014(18)
[5]基于多重分形去趋势波动分析法的交通流多重分形无标度区间自动识别方法[J]. 熊杰,陈绍宽,韦伟,刘爽,关伟.  物理学报. 2014(20)
[6]小波阈值去噪在传感器性能试验数据处理中的应用[J]. 田丰,孙剑,邵山.  传感器与微系统. 2014(06)
[7]基于小波变换的心音特征值提取算法研究[J]. 张磊邦,唐荣斌,蒋建波,张帅,池宗琳,王威廉.  电子测量技术. 2014(06)
[8]分形视野下的岭南建筑学派与创作[J]. 冒亚龙,何镜堂,郭卫宏.  南方建筑. 2014(01)
[9]HHT和提升小波包相结合的心音信号识别研究[J]. 庞春颖,韩立喜,刘记奎.  信号处理. 2014(01)
[10]经验模式分解及关联维数在心音信号分类识别中的应用[J]. 郭兴明,袁志会,丁晓蓉.  电子科技大学学报. 2013(06)

硕士论文
[1]基于AR模型参数谱估计的先心病特征提取及分类识别研究[D]. 刘丽萍.云南大学 2015



本文编号：3413934