基于优化的SVM心音信号分类算法的研究
发布时间：2021-10-24 18:06
虽然医学上心音检测设备的精度不断提高,但是由于周围环境以及人体其他生理活动的影响,使得采集心音信号中混入杂音,影响了医学上对患者心脏病情的诊断。基于上述问题,本文研究了基于优化的支持向量机（SVM）的心音信号分类算法。本文首先运用经验式模态分解算法分析了心音信号与噪音之间的特征分布,得出结论:心音信号主要集中于低频部分,噪音主要集中于高频部分。针对特征分布特点,采用契比雪夫滤波器II型低通滤波器与谱减法的结合算法对采集心音信号数据进行降噪。其中,契比雪夫滤波器II型低通滤波器主要针对心音高频信号中的噪音。心音信号通过低通滤波器之后,对高频信号进行衰减,起到抑制作用。降噪之后的心音信号再次通过谱减算法,即用总的心音信号的谱能量减去噪音信号的谱能量,并进行傅里叶逆变换,便可得到降噪之后心音信号的时间序列。接下来,再次结合心音信号的波形,可得知正常心音信号的波形是由有P波、QRS波、T波三种波组成的。当心脏出现异常时,其波形便会发生时间、周期的改变。据于上述现象,本文采用了Mel倒谱系数算法、倒谱基音检测法对降噪后的心音信号提取特征。由于传统蚁群聚类算法容易使SVM的惩罚因子和核函数参数陷入...
【文章来源】：江西理工大学江西省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
人体心脏示意图
心脏结构是相当复杂的，其与人体内的其他器官具有密不可分的联系，在人体的血液循环中起着非常重要的控制作用，控制人体新陈代谢，提高人体机能运作的效率。心脏进行生理活动的各个阶段以及各个心音信号产生的时间如图2.2、图 2.3 所示。图2.2、图2.3 分别为心动周期及心动周期的各个阶段。由图 2.2 和图2.3 相互对照，可看出，第一心音信号多出现于等容收缩期，第二心音信号主要出现在等容舒张期。心动周期包括心脏收缩与舒张两个过程。其中心室舒张期按时间先后主要分为等容舒张、快速充盈与减慢充盈三个阶段。（1）等容舒张期：初期时，心脏表现为心室内压强逐渐降低，在高于心房内压强的范围内，心室仍处于封闭状态。在此状态之下，没有血液的流入，心室容积也没有发生明显地变化。
血液循环中起着非常重要的控制作用，控制人体新陈代谢，提高人体机能运作的效率。心脏进行生理活动的各个阶段以及各个心音信号产生的时间如图2.2、图 2.3 所示。图2.2、图2.3 分别为心动周期及心动周期的各个阶段。由图 2.2 和图2.3 相互对照，可看出，第一心音信号多出现于等容收缩期，第二心音信号主要出现在等容舒张期。心动周期包括心脏收缩与舒张两个过程。其中心室舒张期按时间先后主要分为等容舒张、快速充盈与减慢充盈三个阶段。（1）等容舒张期：初期时，心脏表现为心室内压强逐渐降低，在高于心房内压强的范围内，心室仍处于封闭状态。在此状态之下，没有血液的流入，心室容积也没有发生明显地变化。
【参考文献】：
期刊论文
[1]基于粒子群聚类算法的居民负荷辨识方法[J]. 柏慧,王丽丽,鲁敬,祁兵. 电力信息与通信技术. 2018(06)
[2]基于粒子群和蚁群算法的枪弹图像边缘检测方法[J]. 任雁,李强,张鹏军. 中北大学学报(自然科学版). 2018(03)
[3]基于谱减法的语音信号降噪改进算法[J]. 金薛冬,李东新. 国外电子测量技术. 2018(05)
[4]基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划[J]. 侯仰强,王天琪,李亮玉,张志臣,赵娜. 中国机械工程. 2017(24)
[5]基于Measurement Studio的心音信号采集与分析系统[J]. 康立富,孙静,王云,黄红波,王威廉. 电子测量技术. 2017(10)
[6]改进谱减法语音增强研究[J]. 屈晓旭,李朝辉,娄景艺. 通信技术. 2017(09)
[7]基于谱减法语音增强效果研究[J]. 代龙翔,李冠宇,马宁. 西北民族大学学报(自然科学版). 2017(02)
[8]基于最小二乘支持向量机的心音分类识别研究[J]. 许莉莉,师炜,郭学谦,曲典. 中国医疗设备. 2017(04)
[9]基于小波收缩的心音降噪最优化分析[J]. 余辉,姜博畅,刘雁飞,关红彦. 电子测量与仪器学报. 2017(03)
[10]基于FPGA的Mel倒谱系数提取方法设计与实现[J]. 杨鸿武,张帅,丁朋程. 仪表技术与传感器. 2017(03)
硕士论文
[1]基于改进蚁群算法的支持向量机研究及应用[D]. 朱晴虹.安徽理工大学 2018
[2]最小二乘支持向量回归机的算法研究[D]. 仝玉婷.浙江师范大学 2018
[3]改进蚁群聚类算法在零售客户分类中的研究与应用[D]. 姚思雨.大连海事大学 2018
[4]一种支持向量机参数选择方法的研究及应用[D]. 孙玲.杭州电子科技大学 2017
[5]基于SSA和EMD的心音频谱特性分析及识别研究[D]. 武肖梦.重庆大学 2017
[6]心音信号特征分析与识别方法研究[D]. 叶岑.江西理工大学 2014
[7]心音小波的构造与应用[D]. 张正.南京邮电大学 2014
[8]心音信号去噪及特征值提取的研究[D]. 韩立喜.长春理工大学 2013
本文编号：3455733
【文章来源】：江西理工大学江西省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
人体心脏示意图
心脏结构是相当复杂的，其与人体内的其他器官具有密不可分的联系，在人体的血液循环中起着非常重要的控制作用，控制人体新陈代谢，提高人体机能运作的效率。心脏进行生理活动的各个阶段以及各个心音信号产生的时间如图2.2、图 2.3 所示。图2.2、图2.3 分别为心动周期及心动周期的各个阶段。由图 2.2 和图2.3 相互对照，可看出，第一心音信号多出现于等容收缩期，第二心音信号主要出现在等容舒张期。心动周期包括心脏收缩与舒张两个过程。其中心室舒张期按时间先后主要分为等容舒张、快速充盈与减慢充盈三个阶段。（1）等容舒张期：初期时，心脏表现为心室内压强逐渐降低，在高于心房内压强的范围内，心室仍处于封闭状态。在此状态之下，没有血液的流入，心室容积也没有发生明显地变化。
血液循环中起着非常重要的控制作用，控制人体新陈代谢，提高人体机能运作的效率。心脏进行生理活动的各个阶段以及各个心音信号产生的时间如图2.2、图 2.3 所示。图2.2、图2.3 分别为心动周期及心动周期的各个阶段。由图 2.2 和图2.3 相互对照，可看出，第一心音信号多出现于等容收缩期，第二心音信号主要出现在等容舒张期。心动周期包括心脏收缩与舒张两个过程。其中心室舒张期按时间先后主要分为等容舒张、快速充盈与减慢充盈三个阶段。（1）等容舒张期：初期时，心脏表现为心室内压强逐渐降低，在高于心房内压强的范围内，心室仍处于封闭状态。在此状态之下，没有血液的流入，心室容积也没有发生明显地变化。
【参考文献】：
期刊论文
[1]基于粒子群聚类算法的居民负荷辨识方法[J]. 柏慧,王丽丽,鲁敬,祁兵. 电力信息与通信技术. 2018(06)
[2]基于粒子群和蚁群算法的枪弹图像边缘检测方法[J]. 任雁,李强,张鹏军. 中北大学学报(自然科学版). 2018(03)
[3]基于谱减法的语音信号降噪改进算法[J]. 金薛冬,李东新. 国外电子测量技术. 2018(05)
[4]基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划[J]. 侯仰强,王天琪,李亮玉,张志臣,赵娜. 中国机械工程. 2017(24)
[5]基于Measurement Studio的心音信号采集与分析系统[J]. 康立富,孙静,王云,黄红波,王威廉. 电子测量技术. 2017(10)
[6]改进谱减法语音增强研究[J]. 屈晓旭,李朝辉,娄景艺. 通信技术. 2017(09)
[7]基于谱减法语音增强效果研究[J]. 代龙翔,李冠宇,马宁. 西北民族大学学报(自然科学版). 2017(02)
[8]基于最小二乘支持向量机的心音分类识别研究[J]. 许莉莉,师炜,郭学谦,曲典. 中国医疗设备. 2017(04)
[9]基于小波收缩的心音降噪最优化分析[J]. 余辉,姜博畅,刘雁飞,关红彦. 电子测量与仪器学报. 2017(03)
[10]基于FPGA的Mel倒谱系数提取方法设计与实现[J]. 杨鸿武,张帅,丁朋程. 仪表技术与传感器. 2017(03)
硕士论文
[1]基于改进蚁群算法的支持向量机研究及应用[D]. 朱晴虹.安徽理工大学 2018
[2]最小二乘支持向量回归机的算法研究[D]. 仝玉婷.浙江师范大学 2018
[3]改进蚁群聚类算法在零售客户分类中的研究与应用[D]. 姚思雨.大连海事大学 2018
[4]一种支持向量机参数选择方法的研究及应用[D]. 孙玲.杭州电子科技大学 2017
[5]基于SSA和EMD的心音频谱特性分析及识别研究[D]. 武肖梦.重庆大学 2017
[6]心音信号特征分析与识别方法研究[D]. 叶岑.江西理工大学 2014
[7]心音小波的构造与应用[D]. 张正.南京邮电大学 2014
[8]心音信号去噪及特征值提取的研究[D]. 韩立喜.长春理工大学 2013
本文编号：3455733
本文链接：https://www.wllwen.com/yixuelunwen/xxg/3455733.html
最近更新
教材专著
