共查询到20条相似文献,搜索用时 93 毫秒
1.
高阶统计量在心音信号检测与分析中的应用 总被引:1,自引:0,他引:1
介绍一种心音信号检测系统和采用高阶统计量对信号进行分析的方法,首先根据心音信号的特点,讨论了信号检测系统的结构,在信号处理方面,采用现代谱估计方法对心音信号进行谱分析,在此基础上提出应用双谱技术分析心音信号,检测信号的相位耦合信息,进而说明利用高阶统计量能够在高斯噪声背景下大大提高信号检测能力,最后,给出心音信号的双谱估计结果,从中可以得到一般功率谱分析无法得到的有关信息,为心音信号的自动分类提供 相似文献
2.
心音信号的自适应小波去噪 总被引:1,自引:0,他引:1
在采集心音信号过程中,难免要引入噪声,这些噪声影响到心音的分析结果。由于心音信号的非平稳性,普通的滤波方法在滤去噪声的同时,会丢失部分心音成分。文中提出了一种新的基于小波变换的自适应滤波方法,该方法能够有效抑制噪声,经实例验证,取得了满意的结果。 相似文献
3.
针对传统心音去噪算法可能丢失部分重要心音信息问题,提出了一种自适应噪声完备经验模态分解(CEEMDAN)和小波熵结合的心音信号去噪算法。算法通过CEEMDAN将心音信号自适应分解成多个本征模态函数(IMFs),基于各阶本征模态的能量分析判别信噪分界点,对含噪IMF分量采用小波熵自适应阈值去噪后,与信号IMF分量重构,得到去噪后的心音信号。仿真结果显示,在不同信噪比条件下,上述算法均能明显提高心音信号的信噪比,降低均方根误差,优于其它传统去噪算法,具有良好地抑制噪声能力。 相似文献
4.
5.
成谢锋陈胤成亮姜斌汪晶 《数据采集与处理》2016,31(5):919-926
产生合成心音信号在教学、科研中都有一定的实际应用价值, 本文提出一种复合心音发生器。首先分析心音的产生机理和混沌特性,提出复合心音的合成原则,然后从心音的混沌特性出发构建一种心音发生器,它包括左侧心音产生子模型和右侧心音产生子模型,对它们的输出波形进行合成处理,从而得到一组幅值、周期都可调的合成心音信号。通过对合成心音信号的时频特征和混沌特征进行分析,结果表明,该合成心音信号与实际心音信号具有很高的相似度,可以基本满足教学和科研
的需求。 相似文献
6.
7.
8.
9.
基于心音传感阵列ICA 信号处理的冠心病诊断的研究 总被引:3,自引:0,他引:3
通过研究冠脉血流动力学和心脏心音产生的机理,首次提出了将独立分量分析(ICA)方法应用于心音信号处理并达到自动检测冠心病的目的。在本系统中,信号采集系统采用了高灵敏度传感器列阵对正常人及冠心病患者胸部的多个部位进行检测。经预处理后的信号最后通过计算机进行数据采集。应用独立分量分析的方法将心脏舒张期的心音信号进行分离,并将各心音分量的统计特征参数作为输入参量输入到径向其函数网络(RBF网络)进行训练和识别。实验结果说明,独立分量分析结合人工神经网络的心音信号的分析方法是一种较为有效的诊断冠状动脉疾病的无创伤方法。 相似文献
10.
搭载Android智能手机平台,结合了梅尔倒谱系数和共振峰特征参数,在安卓平台上设计开发出一款集心音采集、心音显示以及心音识别等功能的心音身份识别系统。在该系统中,首先对采集的待测心音信号进行数字化、预加重、分帧、加窗处理,然后提取出心音信号的梅尔倒谱系数特征参数,利用动态时间规整算法将其与数据库模板心音逐一进行模式匹配,并将拥有最小欧氏距离的数据库模板心音作为最终识别结果,最后展示出待测心音和数据库所有模板心音的共振峰特性对比图,定性地反映待测心音和数据库模板心音的差异,给用户直观的判断和感受,进一步认证识别的结果。系统界面简洁,操作方便,识别速度较快,实现了真机运行,并达到了预期效果。 相似文献
11.
文中研究心音身份识别的基本原理和实现方法.首先分析心音信号的特性和作为生物识别的可行性;然后建立基于心音子波族的心音信号合成模型,并且用特征向量分布相图形象地比较两个心音的特征,用倒谱减法消除听诊器的类型和位置变化所产生的影响;最后,采用心音线性频带倒谱(HS-LBFC)提取心音特征参数,用相似距离等实现心音的身份识别.为了突出心音在时、频域上存在的差异,重点研究了构建心音子波的方法,合成模型中各参数的计算方法,以及心音特征参数的确定和对应的数据处理技术.实际实验结果表明,该方法具有很好的识别率和实用性. 相似文献
12.
基于Hilbert-Huang Transform的心音信号谱分析 总被引:8,自引:1,他引:7
心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制.针对此本文提出了基于Hilbert-Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析.通过把心音信号分解为内蕴模式函数,利用Hilbert变换建立了心音信号的时间-频率-能量三维Hilbert谱分布以及边界谱分布;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值. 相似文献
13.
通过分析心音信号对心脏早期的病理状态进行确诊具有重要的意义。提出了一种基于深度卷积神经网络的心音分类方法。将心音信号转化成具有时频特性的梅尔频谱系数(Mel Frequency Spectral Coefficient,MFSC)特征图,将其作为深度卷积神经网络模型的输入;利用深度卷积神经网络对MFSC特征图进行训练,引入中心损失函数建立最优的深度学习模型;测试阶段,先将心音信号转换成多张二维MFSC特征图,然后利用训练好的深度学习模型对其分类,最后利用多数表决原则判断心音信号的类别。针对人工标注的训练样本有限,导致模型训练正确率不高的问题,以心音的二维MFSC特征图为对象分别从时间域和频率域进行随机屏蔽处理进而扩充训练样本。实验结果表明,该方法在PASCAL心音数据集上进行测试,对正常、杂音、早搏三种心音的分类性能明显优于现有最好的方法。 相似文献
14.
为充分利用心音的全局信息,提出不依赖于分割的心音自动分类方法。对目前的心音分类方法进行总结,分析单阶段和两阶段方法的优势与不足,提出以深度学习提取更好的全局特征作为提升分类效果的新方向。使用精调的卷积神经网络和循环神经网络分别提取心音的频域和时域特征,辅以数据增强的方法进行训练。该方法在测试集的平均分类准确率达到了85.7%,达到了目前单阶段心音分类方法中的最好效果。 相似文献
15.
心音信号识别对心血管疾病的诊断具有重要意义,为了提高心音信号的识别性能,提出一种基于支持向量机的心音信号自动识别方法。首先采用小波分析对心音信号进行降噪预处理,然后提取心音信号的Mel频率倒谱系数作为心音信号特征,最后采用支持向量机建立心音信号分类器,对采集心音信号数据的识别性能进行验证。实验结果表明,本文方法的心音信号平均识别率高达93%以上,可以准确识别正常和各种异常的心音信号。
相似文献
16.
胎心音检测系统中滤波电路的设计 总被引:1,自引:0,他引:1
胎心音检测在胎儿监护中占有极其重要的地位。胎心音的主要频率范围集中在60~180Hz,因此在对信号进行A/D采样之前,应先设计滤波电路,滤除50Hz工频的谐波分量以及母体噪音。滤波电路采用OPA2277双运放芯片,设计具有正反馈的双T型陷波器滤除工频谐波,利用巴特沃斯滤波原理设计高通滤波器和低通滤波器滤除母体噪音。通过Mu ltisim软件对所设计的陷波电路和滤波电路进行频响特性仿真,得到的频响特性曲线表明:所设计电路可成功滤掉工频干扰和母体噪音干扰。 相似文献
17.
18.
19.
20.
针对现有心音分类算法普适性差、依赖于对基本心音的精确分割、分类模型结构单一等问题,提出采用大量未经过精确分割的心音二维特征图训练深度卷积神经网络(CNN)的方法;首先采用滑动窗口方法和梅尔频率系数对心音信号进行预处理,得到大量未经过精确分割的心音特征图;然后利用深度CNN模型对心音特征图进行训练和测试;根据卷积层间连接方式的不同,设计了 3种深度CNN模型:基于单一连接的卷积神经网络、基于跳跃连接的卷积神经网络、基于密集连接的卷积神经网络;实验结果表明,基于密集连接的卷积神经网络比其他两种网络具备更大的潜力;与其他心音分类算法相比,该算法不依赖于对基本心音的精确分割,且在分类准确率、敏感性和特异性方面均有提升. 相似文献