心音信號是心臟及心血管系統(tǒng)機械狀況的反映,是包含了人類心臟各部分的生理和病理信息的重要信號。目前通過心音信號診斷疾病的方法主要是人工聽診,如果能夠研究出一套行之有效的算法對采集到的心音進行自動識別分類,當發(fā)現(xiàn)病變的心音時能自動做出判斷提示甚至發(fā)出報警信號,這對心臟疾病的臨床研究具有極其重要的研究價值。針對以上所述通過以下幾個方面對心音信號進行研究:采用HKY-06B心音傳感器采集心音信號,通過Cool Edit Pro2.1錄音軟件實現(xiàn)對心音信號的格式轉(zhuǎn)換和儲存、通過小波分析法對心音信號進行預(yù)處理、運用Mel頻率倒譜系數(shù)對心音信號進行特征提取以及利用高斯混合模型對心音信號進行識別。通過預(yù)處理、特征參數(shù)提取等步驟后,建立GMM,將采樣信號輸入GMM心音模型庫進行識別,能夠準確判斷心音是正常心音還是病理性心音。 

【文章來源】：廣西師范大學(xué)學(xué)報(自然科學(xué)版). 2015,33(03)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

圖１心音信號Ｆｉｇ．１Ｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓ

第３期周克良等：心音信號特征分析與識別方法研究Ｗｓ（ｊ，ｋ）＝ａ－１／２∑Ｎ－１ｎ＝０ｓ（ｎ）ψ（ａ－ｊ／２－ｋ），（７）式中Ｎ為一幀心音信號的采樣點數(shù)，對ｓ（ｎ）進行多次小波變換，可以得到一組小波系數(shù)，利用這些小波系數(shù)即可對原信號進行重構(gòu)。實驗結(jié)果如圖３。圖３待去噪的心音信號Ｆｉｇ．３Ｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓｔｏｂｅｄｅ－ｎｏｉｓｉｎｇ在Ｍａｔｌａｂ中通過程序?qū)υ撔囊粜盘栠M行去噪后，得到的信號如圖４。圖４心音信號的小波去噪Ｆｉｇ．４ＷａｖｅｌｅｔＤｅｎｏｉｓｉｎｇｏｆｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓ對比圖３和圖４，不難發(fā)現(xiàn)在Ｓ１和Ｓ２之間的干擾信號已經(jīng)消除，此時心音在時域上各個成分有清晰的界限，心音信號的主要能量集中在Ｓ１和Ｓ２，少部分存在于第３心音Ｓ３，至此，心音信號預(yù)處理過程已經(jīng)基本完成。３心音信號的特征提取用２種方法對心音信號的特征參數(shù)進行了提取，分別是對心音信號經(jīng)驗?zāi)B(tài)分解法（ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）［１２］以及提取心音信號的Ｍｅｌ頻率倒譜系數(shù)（ＭＦＣＣ參數(shù)）［１３］。通過對比得出了ＭＦＣＣ參數(shù)能夠比ＥＭＤ分解取得更好的識別效果，并大大縮短模型訓(xùn)練的時間。ＭＦＣＣ參數(shù)是提取法基于語音信號識別技術(shù)而衍生出來的語音類信號特征參數(shù)。ＭＦＣＣ參數(shù)具體的提取過程，如圖５所示。如圖５所示，ＭＦＣＣ參數(shù)提取過程可以歸納為：①快速傅里葉變換。在經(jīng)過去噪分幀等步驟之后，得到最接近原始心音的信號之后，利

３期周克良等：心音信號特征分析與識別方法研究Ｗｓ（ｊ，ｋ）＝ａ－１／２∑Ｎ－１ｎ＝０ｓ（ｎ）ψ（ａ－ｊ／２－ｋ），（７）式中Ｎ為一幀心音信號的采樣點數(shù)，對ｓ（ｎ）進行多次小波變換，可以得到一組小波系數(shù)，利用這些小波系數(shù)即可對原信號進行重構(gòu)。實驗結(jié)果如圖３。圖３待去噪的心音信號Ｆｉｇ．３Ｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓｔｏｂｅｄｅ－ｎｏｉｓｉｎｇ在Ｍａｔｌａｂ中通過程序?qū)υ撔囊粜盘栠M行去噪后，得到的信號如圖４。圖４心音信號的小波去噪Ｆｉｇ．４ＷａｖｅｌｅｔＤｅｎｏｉｓｉｎｇｏｆｈｅａｒｔｓｏｕｎｄｓｉｇｎａｌｓ對比圖３和圖４，不難發(fā)現(xiàn)在Ｓ１和Ｓ２之間的干擾信號已經(jīng)消除，此時心音在時域上各個成分有清晰的界限，心音信號的主要能量集中在Ｓ１和Ｓ２，少部分存在于第３心音Ｓ３，至此，心音信號預(yù)處理過程已經(jīng)基本完成。３心音信號的特征提取用２種方法對心音信號的特征參數(shù)進行了提取，分別是對心音信號經(jīng)驗?zāi)B(tài)分解法（ｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）［１２］以及提取心音信號的Ｍｅｌ頻率倒譜系數(shù)（ＭＦＣＣ參數(shù)）［１３］。通過對比得出了ＭＦＣＣ參數(shù)能夠比ＥＭＤ分解取得更好的識別效果，并大大縮短模型訓(xùn)練的時間。ＭＦＣＣ參數(shù)是提取法基于語音信號識別技術(shù)而衍生出來的語音類信號特征參數(shù)。ＭＦＣＣ參數(shù)具體的提取過程，如圖５所示。如圖５所示，ＭＦＣＣ參數(shù)提取過程可以歸納為：①快速傅里葉變換。在經(jīng)過去噪分幀等步驟之后，得到最接近原始心音的信號之后，利用快

【參考文獻】：
期刊論文
[1]EMD近似熵結(jié)合支持向量機的心音信號識別研究[J]. 黃林洲,郭興明,丁曉蓉.  振動與沖擊. 2012(19)
[2]小波包與混沌集成的心音特征提取及分類識別[J]. 郭興明,丁曉蓉,鐘麗莎,雷鳴,翁漸.  儀器儀表學(xué)報. 2012(09)
[3]生物醫(yī)學(xué)信號處理方法概述[J]. 周杰.  華章. 2012 (08)
[4]基于改進高斯混合模型的前景檢測[J]. 馮華文,龔聲蓉,劉純平.  計算機工程. 2011(19)
[5]基于小波變換的心音信號濾波方法研究[J]. 陳天華,韓力群,邢素霞,郭培源.  計算機仿真. 2010(12)
[6]心音信號的分析方法及其應(yīng)用[J]. 謝斌,嚴碧歌,李錦.  現(xiàn)代生物醫(yī)學(xué)進展. 2010(23)
[7]心音時域分析的新方法研究[J]. 胡玉良,王海濱,陳健,江鐘偉,喬軍選.  生物醫(yī)學(xué)工程學(xué)雜志. 2010(02)
[8]基于重訓(xùn)練高斯混合模型的語音轉(zhuǎn)換方法[J]. 張凱,朱立新,趙義正.  聲學(xué)技術(shù). 2010(01)
[9]基于希爾伯特-黃變換的心音包絡(luò)提取[J]. 許曉飛,林勇,嚴彬彬.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2008(02)
[10]高斯混合模型聚類中EM算法及初始化的研究[J]. 岳佳,王士同.  微計算機信息. 2006(33)

碩士論文
[1]心音采集與分析方法研究[D]. 李天生.五邑大學(xué) 2009
[2]心音信號自動識別算法的研究[D]. 吳玉春.重慶大學(xué) 2009
[3]基于神經(jīng)網(wǎng)絡(luò)的心音信號識別算法研究[D]. 姚曉帥.重慶大學(xué) 2004



本文編號：3444871