基于非负矩阵分解和神经网络的心肺音分离方法研究与应用

发布时间：2021-11-09 03:01

　　准确诊断心肺系统疾病的病情和针对病情采取有效的治疗手段是心肺病患者早日康复的保障,而心肺系统病症的准确诊断依赖其生理信号的准确表征。临床中,检查心肺系统生理特性的手段有心电图、胸透、心肺音听诊等,因为心肺音信号包含了比较全面心血管和心肺系统的病理信息,而且相对于其他诊断手段更加便捷,诊断效率也比较高,所以听诊心肺音是临床应用中心血管疾病和呼吸系统疾病的主要诊断手段。临床听诊过程中,通过听诊器采集到的心音和肺音信号通常是带有背景噪声的两者的混合信号,在医生听诊心音信号过程中会受到肺音信号的干扰,而在对肺音信号进行诊断的时候心音信号反过来又会干扰到肺音信号。除了两者之间互相干扰外,室内外杂音等也是医生准确诊断心肺疾病的阻碍。为了克服以上困难,最关键的技术是混合信号的分离,于是本文利用了非负矩阵分解理论设计的分离方案,长短期记忆网络与隐马尔科夫模型结合的分割分离方案对心肺音混合信号进行分离,主要内容如下:1)研究如何应用非负矩阵分解技术来分离单通道心肺音混合信号。在分析现有非负矩阵分解算法的基础上,我们结合非负矩阵分解算法和自回归模型提出了一种新的非负矩阵分解算法,并将这种方法命名为自回归正... 

【文章来源】：广东工业大学广东省

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

非负矩阵分解示意图

为了能直观感受整个实验结果，将表 3-1 中的数据以图表形式表现如图 3-11。表 3-1 固定迭代次数 n=200 时，各对比算法分离心音的结果Table 3-1 The result of contrast algorithm recovering heart sounds when the number ofiterations Fixed n=200单位：dB法 r=10 r=20 r=50 r=100 r=500MF 10.23 14.44 15.73 16.48 16.59NMF 11.32 15.19 16.98 17.53 17.61RNMF 12.47 15.72 17.45 18.97 19.2

果比标准 NMF 要好。表 3-2 固定基矩阵中基向量的个数 r=100，各算法还原心音的结果Table 3-2 The results of each algorithm to recovering the heart sound when the number of basevectors in a fixed-base matrix is r=100单位：dB方法 n=50 n=100 n=200 n=500 n=1000NMF 13.48 16.48 16.68 16.7 16.72LNMF 14.53 17.53 17.75 17.77 17.81ARNMF 14.97 18.97 19.27 19.29 19.31

【参考文献】：
期刊论文
[1]低资源条件下基于i-vector特征的LSTM递归神经网络语音识别系统[J]. 黄光许,田垚,康健,刘加,夏善红.  计算机应用研究. 2017(02)
[2]基于HMM算法体系的逆维特比算法理论研究[J]. 刘功生,张春良,岳夏,朱厚耀.  机电工程技术. 2014(11)
[3]基于循环平稳包络的心音分割方法[J]. 李婷,唐洪.  大连民族学院学报. 2014(05)
[4]超声心动图诊断肺心病的临床价值分析[J]. 李新祥,颜道茹,张敏青.  医学影像学杂志. 2013(10)
[5]集成降采样不平衡数据分类方法研究[J]. 郭丽娟,倪子伟,江弋,邹权.  计算机科学与探索. 2013(07)
[6]基于MATLAB分析语音信号频域特征[J]. 肖正安.  湖北第二师范学院学报. 2011(08)
[7]数据降维方法分析与研究[J]. 吴晓婷,闫德勤.  计算机应用研究. 2009(08)
[8]利用高阶统计量进行心肺音信号的盲分离[J]. 郭皓,黄华.  生物医学工程学杂志. 2009(02)
[9]一种语音信号对数幅度谱包络的无偏算法[J]. 方杰,李英.  江南大学学报. 2006(02)
[10]基于短时傅立叶变换语言信号分析算法[J]. 魏松,李琦,赵仁才.  电子测量技术. 2006(01)

硕士论文
[1]智能电子听诊器设计与实现[D]. 胡泊.天津大学 2010
[2]基于盲信号分离的肺音信号提取研究[D]. 赵一鸣.浙江大学 2008



本文编号：3484494