论文部分内容阅读
鉴于心音信号在心血管疾病预防和诊断中的重要作用,对于当前心音信号时频域特征研究较少、特征融合手段单一、心音识别诊断系统信号预处理能力和诊断功能较弱、系统适用性和拓展性较差等不足,本文主要对心音信号的预处理、特征分析、识别分类和识别诊断系统进行了研究和改进。对于心音信号预处理,研究了心音信号的生理基础和时频域特性,优选了噪声消除方法和噪声消除参数,基于归一化平均香农能量提取心音信号包络,并改进双阈值方法,实现了正常和异常心音信号的定位与分段。完成心音信号特征分析,确定了基本特征的参数和范围,对时域特征归一化短时能量进行了改进。完成了频域特征分析和特征提取,提出一种基于S变换的归一化离散时频域能量特征,并利用可分析测度分析进行了验证。完成心音信号识别分类研究,基于SVM分析单一特征识别分类效果,确定改进归一化短时能量、MFCC+ΔMFCC和归一化离散时频域能量分别为时域、频域和时频域能量特征。进行特征离散点数对分类效果影响分析,确定最佳特征维数。利用PCA对MFCC+ΔMFCC特征进行降维处理,对特征进行自适应加权融合,并基于自适应加权融合特征对心音信号进行识别分类。基于MATLAB GUI,开发了心音识别诊断系统,实现了心音信号采集、预处理、显示、分析、心脏储备能力评价和识别诊断等功能,并基于系统测试实验对系统性能进行了验证。结果表明,改进归一化短时能量特征和提出的归一化离散时频域能量特征具有更好的可分性测度和识别分类效果,自适应加权融合特征较简单叠加融合特征具有更好的识别分类效果。心音识别诊断系统不仅实现了心音信号的自动识别诊断,同时具有预处理参数调节功能,提升了系统对不确定性环境噪声的适应性,在线和离线双模式也加强了系统的适用性和扩展性,具有一定应用意义。