本文關(guān)鍵詞：基于遺傳BP神經(jīng)網(wǎng)絡(luò)的肺音分類識(shí)別算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：肺音是人體重要的生理信號(hào)之一，是呼吸時(shí)產(chǎn)生的一種聲信號(hào)。肺音出現(xiàn)異常往往預(yù)示著肺器官的病變，是肺病的早期信號(hào)之一。肺音具有可觀的科研價(jià)值和臨床價(jià)值，所以近年來它已經(jīng)成為國(guó)內(nèi)外專家競(jìng)相研究的課題。肺音的發(fā)生機(jī)理和傳導(dǎo)機(jī)理很復(fù)雜，它本身也具有非平穩(wěn)性和隨機(jī)性，加上獲取肺音的設(shè)備不統(tǒng)一和分析方法的多樣性，導(dǎo)致國(guó)內(nèi)外肺音的研究結(jié)果的差異性較大。肺聽診是呼吸疾病輔助診斷的重要工具。隨著計(jì)算機(jī)和電子技術(shù)的不斷進(jìn)步，肺音診斷將會(huì)實(shí)現(xiàn)自動(dòng)實(shí)時(shí)采集、計(jì)算機(jī)智能處理和分析的功能。肺音輔助診斷技術(shù)的研究也終會(huì)在識(shí)別正異常肺音和推斷病人患病種類上取得重大成果，發(fā)揮臨床上肺病診斷的作用。 本文的肺音信號(hào)是電子聽診器采集臨床上的正常和異常肺音。將肺音經(jīng)過濾波和周期分段預(yù)處理后，分別采用韋爾奇功率譜估計(jì)和小波變換得到肺音信號(hào)的統(tǒng)計(jì)特征值。通過比較神經(jīng)網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò)兩類分類器的性能，選擇遺傳神經(jīng)網(wǎng)絡(luò)這種優(yōu)化的識(shí)別算法進(jìn)行肺音的識(shí)別。將每一類肺音和肺部疾病聯(lián)系起來，通過識(shí)別哮鳴音、捻發(fā)音和爆裂音分別預(yù)測(cè)每類肺音對(duì)應(yīng)的呼吸疾病。 首先，進(jìn)行肺音的預(yù)處理。獲取了臨床常見的四類肺音（正常、哮鳴音、捻發(fā)音和爆裂音）后，將它們經(jīng)濾波和周期分割等預(yù)處理后得到待分析的肺音樣本。本文改進(jìn)了小波變換濾除心音的算法，將肺音通過小波濾波得到心音干擾成份，再用原始肺音減去心音干擾成份而得到較純凈的肺音。肺音的周期分段則采用Violal積分波形法，得到肺音的特征波形，對(duì)肺音進(jìn)行周期分割。 其次，進(jìn)行肺音的特征提取。采用改進(jìn)的韋爾奇功率譜統(tǒng)計(jì)特征值和小波系數(shù)統(tǒng)計(jì)特征值作為肺音特征。肺音的韋爾奇功率譜的統(tǒng)計(jì)特征值是功率譜的平均值、中值、幾何平均值、調(diào)和平均值、切尾平均值、標(biāo)準(zhǔn)差、四位分極差、平均絕對(duì)偏差值構(gòu)成的組合特征；肺音的小波系數(shù)統(tǒng)計(jì)特征值是肺音的小波分解第二層至第七層細(xì)節(jié)系數(shù)的絕對(duì)值的均值、每個(gè)子帶小波系數(shù)的能量、標(biāo)準(zhǔn)偏差、相鄰子帶絕對(duì)平均值的比值構(gòu)成的組合特征。這兩類組合特征分別作為肺音的新組合特征。與傳統(tǒng)韋爾奇功率譜值和小波系數(shù)特征值相比，這兩種組合特征維度得到降低，有利于分類效率的提升。 最后，進(jìn)行肺音的分類識(shí)別。研究了人工神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）的分類原理和遺傳算法。采用遺傳算法得到優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，最后得到遺傳BP神經(jīng)網(wǎng)絡(luò)(GABPNN)—改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)。分別用韋爾奇功率譜統(tǒng)計(jì)特征值和小波系數(shù)統(tǒng)計(jì)特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行肺音識(shí)別，結(jié)果顯示韋爾奇功率譜特征的識(shí)別率為83%，高于小波系數(shù)特征的識(shí)別率（81.1%）。作為對(duì)照，用遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合的GABPNN分類器來識(shí)別肺音，用韋爾奇功率譜特征作為GABPNN的特征，識(shí)別結(jié)果顯示，GABPNN的識(shí)別率為89.0%，識(shí)別率優(yōu)于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別率（83.0%），GABPNN的識(shí)別誤差更小，網(wǎng)絡(luò)的穩(wěn)定性更強(qiáng)。 本文算法皆在MATLAB軟件上實(shí)現(xiàn)，最后設(shè)計(jì)了方便用戶使用的圖形界面，能實(shí)現(xiàn)肺音的加載、波形顯示和分析識(shí)別，以及肺病預(yù)測(cè)的功能。
【關(guān)鍵詞】：肺音信號(hào) 小波去噪 模式識(shí)別 遺傳BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：重慶理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP183;R563
【目錄】：

• 摘要4-6
• Abstract6-10
• 縮略語表10-11
• 1 緒論11-18
• 1.1 課題背景和研究意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-16
• 1.3 本課題肺音研究的主要工作16-18
• 2 肺音信號(hào)的獲取、分析和預(yù)處理18-32
• 2.1 肺音信號(hào)的獲取技術(shù)18-19
• 2.2 韋爾奇變換與小波變換19-23
• 2.2.1 傅里葉變換19-20
• 2.2.2 短時(shí)傅里葉變換（STFT)20
• 2.2.3 信號(hào)的連續(xù)小波變換20-21
• 2.2.4 信號(hào)的離散小波變換21-22
• 2.2.5 小波的多分辨率分析和 MALLAT 算法22-23
• 2.3 小波分析去噪技術(shù)23-25
• 2.4 小波的肺音混合去噪技術(shù)25-29
• 2.4.1 肺音的高通濾波25-27
• 2.4.2 基于小波變換的混合去噪原理與實(shí)現(xiàn)27-29
• 2.5 肺音周期分割算法的研究與實(shí)現(xiàn)29-31
• 2.6 本章小結(jié)31-32
• 3 肺音信號(hào)的特征提取和識(shí)別技術(shù)32-43
• 3.1 模式識(shí)別技術(shù)和特征提取技術(shù)32-42
• 3.1.1 模式識(shí)別的基本原理32-33
• 3.1.2 特征提取技術(shù)33-35
• 3.1.3 分類器的設(shè)計(jì)35
• 3.1.4 人工神經(jīng)網(wǎng)絡(luò)的分類識(shí)別技術(shù)35-37
• 3.1.5 BP 神經(jīng)網(wǎng)絡(luò)原理37
• 3.1.6 BP 神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)基礎(chǔ)37-39
• 3.1.7 基于遺傳算法的優(yōu)化的 BP 網(wǎng)絡(luò)39-42
• 3.2 臨床常見的四類肺音與肺病的聯(lián)系42
• 3.3 本章小結(jié)42-43
• 4 肺音特征提取和分類識(shí)別技術(shù)的實(shí)現(xiàn)43-54
• 4.1 基于韋爾奇功率譜的肺音特征提取43-46
• 4.1.1 韋爾奇功率譜估計(jì)43-44
• 4.1.2 肺音的韋爾奇功率譜特征提取44-46
• 4.2 基于小波系數(shù)統(tǒng)計(jì)特征值的肺音特征提取46-48
• 4.2.1 肺音的小波分析46-47
• 4.2.2 肺音小波系數(shù)統(tǒng)計(jì)特征值的提取實(shí)現(xiàn)47-48
• 4.3 BP 神經(jīng)網(wǎng)絡(luò)與遺傳 BP 神經(jīng)網(wǎng)絡(luò)（GABPNN）的識(shí)別與分析48-53
• 4.3.1 BP 神經(jīng)網(wǎng)絡(luò)的識(shí)別與分析48-51
• 4.3.2 遺傳 BP 神經(jīng)網(wǎng)絡(luò)（GABPNN）的肺音識(shí)別結(jié)果與分析51-53
• 4.4 本章小結(jié)53-54
• 5 肺音分析識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)54-62
• 5.1 肺音分析識(shí)別系統(tǒng)構(gòu)架和功能54
• 5.2 基于 MATLAB 軟件的ＧＵＩ操作界面編寫54-61
• 5.3 本章小結(jié)61-62
• 6 總結(jié)與展望62-65
• 6.1 本文的工作總結(jié)62-63
• 6.2 展望63-65
• 致謝65-66
• 參考文獻(xiàn)66-69
• 附錄69-74
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果74-75

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 王文淵,閆平凡;肺音研究綜述[J];北京生物醫(yī)學(xué)工程;1992年02期

2 朱來東;廉小親;江遠(yuǎn)志;;小波變換在信號(hào)降噪中的應(yīng)用及MATLAB實(shí)現(xiàn)[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

3 趙治棟,唐向宏,趙知?jiǎng)?潘敏,陳裕泉;基于Hilbert-Huang Transform的心音信號(hào)譜分析[J];傳感技術(shù)學(xué)報(bào);2005年01期

4 鄧曦,魯勇軍;肺聲的電子檢測(cè)及其醫(yī)學(xué)應(yīng)用[J];國(guó)外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊(cè);2000年04期

5 何中市;王健;陳永鋒;張杰慧;;基于仿生模式識(shí)別的孤立性肺結(jié)節(jié)檢測(cè)[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

6 呂萍,錢鐵群,閔一建;運(yùn)動(dòng)前后脈搏聲和肺音信號(hào)的同步拾取與特征研究[J];廣州體育學(xué)院學(xué)報(bào);2005年05期

7 李真真;杜明輝;吳效明;;基于分?jǐn)?shù)階希爾伯特變換的羅音特征提取[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年12期

8 涂擁軍;李靜;王國(guó)恩;李繞奇;;基于韋爾奇功率譜的雷達(dá)輻射源信號(hào)識(shí)別[J];航天電子對(duì)抗;2009年03期

9 沈琴琴;趙治棟;;基于DWTMFC特征參數(shù)提取的心音身份識(shí)別[J];杭州電子科技大學(xué)學(xué)報(bào);2011年04期

10 周維忠,馮心海,孫國(guó)基;基于小波系數(shù)聚類的特征提取分類方法[J];計(jì)算機(jī)研究與發(fā)展;2001年08期

  本文關(guān)鍵詞：基于遺傳BP神經(jīng)網(wǎng)絡(luò)的肺音分類識(shí)別算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：420870