论文部分内容阅读
心血管疾病被称为21世纪以来威胁人类健康的“第一杀手”,当前心脏病的发病率越来越高,及时诊断心脏疾病以及提高确诊率显得非常重要。心音是指由于心脏瓣膜关闭、心肌收缩致使血液突然加速或减速引起心壁和大血管壁的振动而产生的声音。心音信号包含了大量的人体心脏每个细节的生理和病理特征,与心电图相比,用电子仪器把心脏的振动转化为电流并放大后记录的心音图对诊断心脏疾病提供了更为直观、动态和连续的观察,对某些心脏疾病的诊断准确性较高,是目前心血管疾病有效的辅助诊断工具。本文在完成心音信号小波阈值去噪预处理的基础上,采用希尔伯特-黄变换HHT来完成心音信号的频域特征参数提取、心音信号分段和时域特征参数提取,最后通过支持向量机SVM来进行心音信号分类识别,获得了较高的识别准确率。本文主要研究内容如下：(1)在分析小波变换基本原理的基础上,实现了基于小波的心音信号分解与重构；分析比较了几种常用的小波闽值去噪函数,选用特性介于软阈值和硬阈值之间的小波闽值去噪函数,完成了心音信号的预处理,仿真实验表明该方法达到了较好的去噪效果。(2)比较完成了基于短时傅里叶变换STFT、Wigner-Ville分布和HHT等经典心音信号时频分析方法的仿真实验；选用了具有自适应和局部性特点的HHT分析非线性非平稳心音信号,并采用基于HHT的经验模态分解EMD算法完成了心音信号的分解,实现了其频域特征参数提取。(3)总结归纳了常用的心音信号自动分段算法,选用了EMD算法来提取心音信号的包络,并通过三次样条插值来使包络变的更加平滑；给出了心音信号分段策略,确定了第一心音S1和第二心音S2的峰值位置和持续时间,完成了时域特征参数提取。(4)在分析支持向量机SVM原理的基础上,构建了心音信号分类识别流程；针对30例正常和异常心音信号样本,完成了基于径向基核函数和Sigmoid核函数的心音信号的分类识别比较实验；最后完成了增加训练集和测试集样本的心音信号分类识别实验,获得了较高的识别准确率