肥心病心音时频杂波特征提取识别算法研究

发布时间：2024-02-27 21:07

　　为了便捷有效地识别肥心病与正常心音,提出了基于心音信号的时频域(TFD)特征提取新方法。综合应用小波变换与主成分分析对信号进行降噪预处理;基于变频同态滤波(FCHF)提取信号的时域包络,进行分割定位,提取收缩期杂音能量E_s与舒张期杂音能量E_d;通过谱估计提取心杂音缩放因子(SF)对时域E_s与E_d进行加权处理,提出用于表征肥心病心杂音的量化指标。对100例正常心音和181例肥心病心音进行分类,验证提出量化指标的有效性,平均识别准确率可达92.97%,最优识别正确率可达95.37%,结果表明提取的特征能有效识别正常心音与肥心病心音。算法提出的量化指标能够有效表征肥心病病理性特征,研究提出的心杂音量化指标提取算法为肥心病心音的分类识别提供技术基础。

【文章页数】：7 页

【部分图文】：

图1心音波形

实验数据采集系统由Littman听诊头和OlympusVoice-Trek录音笔组成。采集过程中受试者保持平躺姿态,平静呼吸,听诊头放置于胸前心音听诊部位。正常心音与肥心病心音波形如图1所示。图1(a)第一心音(S1)、第二心音(S2)正常,无病理性杂音,图1(b)存在明显的收....

图2基于TFD的肥心病心杂音特征参数提取算法流程

基于时频域(time-frequencydomain,TFD)的肥心病心杂音特征提取流程如图2所示,图2左侧分支为时域特征提取流程,右侧为频域缩放因子提取流程。首先对信号进行降噪预处理;其次,提取时域收缩期杂音能量Es、舒张期杂音能量Ed与频域缩放因子(SF);然后,将时域E....

图3正常心音与心杂音频带重构信号波形

将筛选出的重构信号对应频带小波分解系数,同时进行小波重构,获得降噪预处理后的心音信号。1.3基于谱估计的低通截止频率参数提取

图4正常心音与肥心病心音缩放因子均值

式中:f表示频率;Pm表示功率谱密度。正常心音与肥心病心音缩放因子均值如图4所示,肥心病心音缩放因子是正常心音的5.33倍,表明肥心病心音存在大量的高频成分。1.5基于FCHF的时域心杂音特征参数提取

本文编号：3912969