喘鸣音的声谱图熵特征分析及检测

发布时间：2022-12-05 04:11

　　提出了一种改进的基于肺音信号的声谱图熵特征分析的客观喘鸣音检测方法。喘鸣音的功率明显高于正常肺音,因此喘鸣音声谱图的功率分布沿频率轴方向具有明显的聚集特性,该特性可以通过熵值反映。本算法首先对肺音信号进行时频变换得到时频幅度谱信号,然后去除基本呼吸音,进而计算其熵特性曲线并提取熵特性曲线的相应特征.最后,通过支持向量机（support vector machine,SVM）训练分类器,实现了喘鸣音的有效检测。该方法通过预处理使熵特性曲线的特征差异更加明显,且通过SVM分类器进行检测,解决了原方法检测存在检测模糊区域的问题。实验结果表明,该算法在两组测试集的检测准确率分别为97.1%和95.7%,检测率较高,具有良好的应用前景。 

【文章页数】：6 页

【文章目录】：
引言
1 喘鸣音检测算法
    1.1 肺音信号的声谱图分析
    1.2 声谱图熵特征提取
    1.3 分类器训练及喘鸣音检测
2 实验结果及讨论
    2.1 实验数据集
    2.1 实验结果及讨论
    2.3 鲁棒性测试
3 结论


【参考文献】：
期刊论文
[1]松质骨超声背散射信号的谱信息熵判断方法[J]. 徐峰,许怿文,刘成成,他得安.  声学学报. 2016(03)
[2]水下目标回波盲分离性能的瞬时频率特征评价方法[J]. 李秀坤,夏峙.  声学学报. 2015(05)
[3]全局谱参数下的耳语说话人状态因子分析[J]. 龚呈卉,赵鹤鸣,陶智,张庆芳.  声学学报. 2014(02)
[4]喘鸣音的时频谱图特征提取与信号检测[J]. 李真真,吴效明.  信号处理. 2013(04)
[5]一种基于支持向量机的海底声学参数快速统计反演方法[J]. 高伟,王宁.  声学学报. 2010(03)



本文编号：3709653