基于小波和HHT的心音信號分析與識別.pdf

1、心血管疾病被稱為21世紀以來威脅人類健康的“第一殺手”,當前心臟病的發(fā)病率越來越高,及時診斷心臟疾病以及提高確診率顯得非常重要。心音是指由于心臟瓣膜關閉、心肌收縮致使血液突然加速或減速引起心壁和大血管壁的振動而產生的聲音。心音信號包含了大量的人體心臟每個細節(jié)的生理和病理特征,與心電圖相比,用電子儀器把心臟的振動轉化為電流并放大后記錄的心音圖對診斷心臟疾病提供了更為直觀、動態(tài)和連續(xù)的觀察,對某些心臟疾病的診斷準確性較高,是目前心血管疾病有

2、效的輔助診斷工具。
　　 本文在完成心音信號小波閾值去噪預處理的基礎上,采用希爾伯特-黃變換HHT來完成心音信號的頻域特征參數(shù)提取、心音信號分段和時域特征參數(shù)提取,最后通過支持向量機SVM來進行心音信號分類識別,獲得了較高的識別準確率。
　　 本文主要研究內容如下:
　　 (1)在分析小波變換基本原理的基礎上,實現(xiàn)了基于小波的心音信號分解與重構;分析比較了幾種常用的小波閾值去噪函數(shù),選用特性介于軟閾值和硬閾值之間

3、的小波閾值去噪函數(shù),完成了心音信號的預處理,仿真實驗表明該方法達到了較好的去噪效果。
　　 (2)比較完成了基于短時傅里葉變換STFT、Wigner-Ville分布和HHT等經典心音信號時頻分析方法的仿真實驗:選用了具有自適應和局部性特點的HHT分析非線性非平穩(wěn)心音信號,并采用基于HHT的經驗模態(tài)分解EMD算法完成了心音信號的分解,實現(xiàn)了其頻域特征參數(shù)提取。
　　 (3)總結歸納了常用的心音信號自動分段算法,選用了EMD

4、算法來提取心音信號的包絡,并通過三次樣條插值來使包絡變的更加平滑;給出了心音信號分段策略,確定了第一心音S1和第二心音S2的峰值位置和持續(xù)時間,完成了時域特征參數(shù)提取。
　　 (4)在分析支持向量機SVM原理的基礎上,構建了心音信號分類識別流程;針對30例正常和異常心音信號樣本,完成了基于徑向基核函數(shù)和Sigmoid核函數(shù)的心音信號的分類識別比較實驗;最后完成了增加訓練集和測試集樣本的心音信號分類識別實驗,獲得了較高的識別準確率