单心动周期分割及MFCC特征提取系统
发布时间：2021-08-29 13:16
目前,在基于医疗大数据与机器学习的心音识别系统研究中,对于单心动周期的提取大多依赖人工截取或基于同步心电信号进行分割,大大降低了整个系统的实用性和易用性。针对以上问题提出了一种基于低频提取的单心动周期分割及MFCC（Mel Frequency Cepstral Coefficients）特征提取的嵌入式硬件系统,能够更高效地实现单心动周期分割并计算其MFCC特征参数,综合分割准确率达98.3%,解决了单心音周期分割中对心音信号纯净度要求较高和没有成熟系统的问题,并且降低了数据存储成本,具有较好的实用性和潜在的应用前景。
【文章来源】：电子技术应用. 2020,46(12)
【文章页数】：9 页
【部分图文】：
系统结构框图
本系统选择STM32F103微处理作为系统硬件控制核心。STM32F103作为低功耗高性能的嵌入式微处理器具有丰富的外设资源，例如高速IO、DMA控制器、USART等，能够高效地控制外围电路。在本设计的硬件电路系统中，STM32主要完成对于外围电路的控制，读取数模转换芯片AD7606的数据以及与上位机通信。2.2 CM-01B及信号调理电路
心音的主要频段为20～400 Hz,CM-01B频响曲线如图3所示，在8 Hz～2.2 k Hz频带范围内具有良好的频响特性，能够完成对于心音有效频段的采集。由于CM-01B输出的信号为微弱电信号，需经过信号调理电路放大后才可使用模数转换芯片进行离散采集，本系统中的信号调理电路由电压跟随器、抗混叠滤波器、正电压偏置电路以及正向放大电路组成，阻抗匹配较好，能够完成心音信号的高保真放大。图4为信号调理电路原理图。
【参考文献】：
期刊论文
[1]基于PCA-SOM的异常心音分类识别方法的研究[J]. 刘喻,唐雪辉,陈洪波,徐绍凯,范琳,梁庆德. 航天医学与医学工程. 2018(01)
[2]基于心音周期性的自动分段研究[J]. 许莉莉,郭学谦. 中国医疗设备. 2018(01)
[3]基于MFCC的语音情感特征提取研究[J]. 李虹,徐小力,吴国新,丁春艳,赵学梅. 电子测量与仪器学报. 2017(03)
[4]一种心音小波神经网络识别系统[J]. 成谢锋,傅女婷,陈胤,张学军,黄丽亚. 振动与冲击. 2017(03)
[5]基于Hilbert变换及间歇混沌的水声微弱信号检测方法研究[J]. 陈志光,李亚安,陈晓. 物理学报. 2015(20)
[6]基于STM32与AD7606的高精度和快速响应数字多功能表的设计[J]. 徐国明,徐燕明,曹达,袁建香,李生辉. 电测与仪表. 2015(12)
[7]基于心音窗函数的心音图形化处理方法的研究[J]. 成谢锋,李伟. 物理学报. 2015(05)
[8]融合MFCC和LPCC的语音感知哈希算法[J]. 黄羿博,张秋余,袁占亭,杨仲平. 华中科技大学学报(自然科学版). 2015(02)
[9]基于周期提取的心音分段方法[J]. 武伟宁,陈若珠. 北京生物医学工程. 2015(01)
[10]心音身份识别综述[J]. 成谢锋,傅女婷. 上海交通大学学报. 2014(12)
硕士论文
[1]基于包络提取的心音信号识别与分类[D]. 李爽.河南大学 2018
[2]基于深度学习网络的心音信号分类识别的研究[D]. 李天雅.华南理工大学 2018
[3]基于PVDF压电薄膜的脉博传感器设计[D]. 任程诚.大连理工大学 2011
本文编号：3370722
【文章来源】：电子技术应用. 2020,46(12)
【文章页数】：9 页
【部分图文】：
系统结构框图
本系统选择STM32F103微处理作为系统硬件控制核心。STM32F103作为低功耗高性能的嵌入式微处理器具有丰富的外设资源，例如高速IO、DMA控制器、USART等，能够高效地控制外围电路。在本设计的硬件电路系统中，STM32主要完成对于外围电路的控制，读取数模转换芯片AD7606的数据以及与上位机通信。2.2 CM-01B及信号调理电路
心音的主要频段为20～400 Hz,CM-01B频响曲线如图3所示，在8 Hz～2.2 k Hz频带范围内具有良好的频响特性，能够完成对于心音有效频段的采集。由于CM-01B输出的信号为微弱电信号，需经过信号调理电路放大后才可使用模数转换芯片进行离散采集，本系统中的信号调理电路由电压跟随器、抗混叠滤波器、正电压偏置电路以及正向放大电路组成，阻抗匹配较好，能够完成心音信号的高保真放大。图4为信号调理电路原理图。
【参考文献】：
期刊论文
[1]基于PCA-SOM的异常心音分类识别方法的研究[J]. 刘喻,唐雪辉,陈洪波,徐绍凯,范琳,梁庆德. 航天医学与医学工程. 2018(01)
[2]基于心音周期性的自动分段研究[J]. 许莉莉,郭学谦. 中国医疗设备. 2018(01)
[3]基于MFCC的语音情感特征提取研究[J]. 李虹,徐小力,吴国新,丁春艳,赵学梅. 电子测量与仪器学报. 2017(03)
[4]一种心音小波神经网络识别系统[J]. 成谢锋,傅女婷,陈胤,张学军,黄丽亚. 振动与冲击. 2017(03)
[5]基于Hilbert变换及间歇混沌的水声微弱信号检测方法研究[J]. 陈志光,李亚安,陈晓. 物理学报. 2015(20)
[6]基于STM32与AD7606的高精度和快速响应数字多功能表的设计[J]. 徐国明,徐燕明,曹达,袁建香,李生辉. 电测与仪表. 2015(12)
[7]基于心音窗函数的心音图形化处理方法的研究[J]. 成谢锋,李伟. 物理学报. 2015(05)
[8]融合MFCC和LPCC的语音感知哈希算法[J]. 黄羿博,张秋余,袁占亭,杨仲平. 华中科技大学学报(自然科学版). 2015(02)
[9]基于周期提取的心音分段方法[J]. 武伟宁,陈若珠. 北京生物医学工程. 2015(01)
[10]心音身份识别综述[J]. 成谢锋,傅女婷. 上海交通大学学报. 2014(12)
硕士论文
[1]基于包络提取的心音信号识别与分类[D]. 李爽.河南大学 2018
[2]基于深度学习网络的心音信号分类识别的研究[D]. 李天雅.华南理工大学 2018
[3]基于PVDF压电薄膜的脉博传感器设计[D]. 任程诚.大连理工大学 2011
本文编号：3370722
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3370722.html
