心音信號的分析與分類方法研究.pdf

1、心血管疾病一直是嚴(yán)重威脅人類健康的疾病之一，且其發(fā)病率在不斷的提高，所以提高心血管疾病的早期診斷能力和確診率是一項非常重要的任務(wù)。心音信號作為人體最重要的生理信號之一，含有關(guān)于心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態(tài)的大量病理信息，是心臟及大血管機械運動狀況的反映。因而心音檢測是了解心臟狀態(tài)的一項重要手段，并具有心電檢測不可取代的臨床價值。
　　 心音信號是一種時變、非平穩(wěn)的復(fù)雜信號，需要從時域、頻域、時．頻域

2、三方面分析，才能全面了解其特征。由于在心音信號采集時會有各種干擾存在，因此除了需要硬件上進行濾波外，還需要在分析之前對心音信號進行預(yù)處理，來保證分析時心音信號的質(zhì)量。
　　 本文采用自回歸(AR)參數(shù)模型、短時傅里葉變換、小波變換、希爾伯特．黃變換(HHT)及支持向量機(SVM)等方法對心音信號進行分析和分類研究。本文主要工作如下：
　　 1.噪聲去除。提出了一種改進的小波閾值去噪方法--雙變量閾值去噪，通過實驗效果對比

3、，證明其對心音信號的去噪效果好于傳統(tǒng)的軟硬閾值方法。
　　 2.包絡(luò)提取。本文采用經(jīng)驗?zāi)B(tài)分解(EMD)包絡(luò)算法進行心音包絡(luò)的提取，為第一心音和第二心音的定位以及時域特征的提取奠定了基礎(chǔ)。
　　 3.特征提取。本文采用了HHT方法來獲取心音信號任意時刻的頻率分布，利用瞬時頻率的均值和方差等統(tǒng)計方法量作為頻域特征參數(shù)，并將時域和頻域提取的參數(shù)一起組成心音信號的特征向量。
　　 4.正常與異常分類。介紹了SVM分類原