基于HHT-HMM血细胞信号识别方法的研究

发布时间：2022-02-09 15:17

　　血细胞分析是临床上诊断疾病的重要方法,针对血细胞信号具有多形态、非线性、非平稳的特点,本文提出一种基于希尔伯特-黄变换和隐马尔可夫模型相结合的血细胞信号识别方法,对健康人和甲亢患者的血细胞信号进行分类识别。本文使用在时域和频域能同时达到有较高分辨率且具有自适应性特点的希尔伯特-黄变换分析处理血细胞信号。首先使用小波阈值去噪对血细胞信号滤波,以避免经验模态分解产生过多的虚假分量。再采用经验模态分解将血细胞信号分解为一系列本征模态函数,将其中相关系数较高的分量视为真实的本征模态函数分量。提取出真实的本征模态函数的能量矩、谱矩心和边际谱熵并将其构建为血细胞信号的特征向量。分类识别模型是带有停留时间变量的隐半马尔科夫模型这种特殊隐马尔科夫模型,使用一种类似k-means的算法优化训练模型的初始值,获得更加接近全局最优解的模型参数,建立健康人与甲亢患者两类识别模型,实验仿真结果表明对这两类血细胞信号能实现准确的识别。 

【文章来源】：南昌大学江西省211工程院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

多分量信号的波形

图 2.1 多分量信号的波形 对这个信号进行筛选，筛选的结果如图 2.2 所示意到第一个和第二个 IMF 主要的成分是两个频波分量，第三和第四个 IMF 主要是描述了那个尖在那个尖峰信号出现的时间点附近才会有较为明D 具有将原始信号中的一些微小的隐藏特征提取五、六、七个 IMF 并没有实际的物理意义，这假分量，后文将具体讨论如何识别出这些虚假个具有实际意义的 IMF。

第 2 章 经典时频分析与希尔伯特-黄变换分别得到它们的瞬时频率，这就可以绘制出幅度和，也就是 Hilbert-Huang 谱。EMD 分解后得到的 H内具有很高的分辨率，图 2.3 是二维谱，可以清晰地信号的细节，并且可以精确的确定两个正弦信号在几乎是只聚集在一点，在两个正弦信号的分界点仅号是以频带上有一些不连续点表示的，这些不连续号所在的时间点并且布满了整个频域范围，这也和一理论契合。所有的这些细节在三维谱图 2.4 里展

【参考文献】：
期刊论文
[1]基于HHT和PPA的心音分段算法研究[J]. 张义敏,曾庆宁,黎耀.  计算机应用与软件. 2015(04)
[2]98例成人贫血患者的血细胞形态学诊断分析[J]. 胡昊.  国际检验医学杂志. 2014(12)
[3]小波包多阈值去噪法及其在形变分析中的应用[J]. 章浙涛,朱建军,匡翠林,周璀.  测绘学报. 2014(01)
[4]消除EMD端点效应的PSO-SVM方法研究[J]. 白春华,周宣赤,林大超,王仲琦.  系统工程理论与实践. 2013(05)
[5]143例甲状腺功能亢进症患者血细胞分析比较[J]. 刘少华,杨燕,李燕,罗金林.  重庆医学. 2012(25)
[6]基于改进的隐马尔科夫模型的词性标注方法[J]. 袁里驰.  中南大学学报(自然科学版). 2012(08)
[7]血涂片分析在血常规检验中的重要性[J]. 张冬蕊,张志琴,严国栋,闫爱娜.  中国社区医师(医学专业). 2012(08)
[8]信号分析中小波变换基函数选择研究[J]. 晏强,周冬梅.  电脑与电信. 2012(03)
[9]一种基于超光谱的血细胞分类方法[J]. 戴春妮,李庆利,刘锦高.  计算机应用研究. 2011(11)
[10]一种新的BEMD筛分停止准则[J]. 葛光涛,桑恩方,刘卓夫,朱蓓蓓.  数据采集与处理. 2010(02)

博士论文
[1]多分辨希尔伯特—黄（Hilbert-Huang）变换方法的研究[D]. 谭善文.重庆大学 2001

硕士论文
[1]基于希尔伯特—黄变换的血细胞信号分析与研究[D]. 张小飞.南昌大学 2014
[2]基于隐马尔科夫模型词性标注的研究[D]. 牛秀萍.太原理工大学 2013
[3]基于小波和HHT的心音信号分析与识别[D]. 江洪.武汉理工大学 2012
[4]基于HHT的故障诊断时频分析[D]. 彭辉燕.电子科技大学 2010
[5]基于隐马尔科夫模型的细胞分裂检测[D]. 张春霞.中国海洋大学 2008
[6]基于HMM和ANN的基因识别方法[D]. 蔡亮.成都理工大学 2008
[7]全血细胞成像五分类算法研究[D]. 李一安.华中科技大学 2007
[8]数字信号处理在血细胞分析仪中的应用[D]. 王耀梁.南昌大学 2007
[9]基于HMM的脱机手写体字符识别[D]. 李辉熠.长沙理工大学 2007



本文编号：3617237