首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   9篇
  完全免费   7篇
  一般工业技术   16篇
  2014年   3篇
  2013年   2篇
  2012年   3篇
  2010年   2篇
  2009年   3篇
  2008年   1篇
  1998年   1篇
  1995年   1篇
排序方式: 共有16条查询结果,搜索用时 29 毫秒
1.
心音信号特征提取小波包算法研究   总被引:7,自引:5,他引:2  
为了准确地提取心音信号的病理特征信息,在研究小波包分析的基础上,提出一种心音信号分频带能量特征提取的算法.基于心音信号频谱分析,采用能量集中度高、局部特性好的db6小波函数作为小波包母函数并选取适合心音信号分析的最优基,对不同的心音信号进行4层小波包分解,得到最优基的小波包系数.根据小波包系数与信号能量在时域上的等价关系,提取最优基频带的归一化能量作为心音信号的特征向量.采用类别可分离性判据,计算出该算法对正常和心脏疾病患者的心音特征的可分性测度均值为3.934 9,表明该算法能有效地识别不同的心音信号.  相似文献
2.
一种基于Choi—Williams分布的心音信号检测方法   总被引:3,自引:0,他引:3  
王衍文  王海滨 《声学技术》1998,17(2):63-68,73
本文将ChoiWilliams分布用于心音信号的分析,研究结果表明该方法清晰表示了心音信号的各个成分在时频平面的能量分布及动态变化过程,而且可以准确地检测出瓣膜关闭的时刻,为第一心音和第二心音的定但了依据,这一结果对于探讨心音产生的物理机制以及研究心脏的生理,病理状况有一定的参考价值。  相似文献
3.
EMD近似熵结合支持向量机的心音信号识别研究   总被引:2,自引:2,他引:0       下载免费PDF全文
针对心音信号的非线性、非平稳特征和心音识别准确率不高且分类速度较慢的实际情况,提出一种经验模式分解(Empirical Mode Decomposition,EMD)近似熵(Approximate Entropy,ApEn)结合支持向量机(Support Vector Machine,SVM)的心音分类识别方法。首先通过EMD方法将非平稳的心音振动信号分解成若干个平稳的固有模态函数(Intrinsic Mode Function,IMF);然后利用互相关系数准则对IMF进行筛选,计算所筛选IMF的近似熵构成特征向量;最后将特征向量输入SVM分类器进行分类识别。对临床采集的心音样本按本文提出的方法进行测试,结果表明,该方法能有效地用于心音识别。  相似文献
4.
心音脉搏信号数据采集程序设计探讨   总被引:2,自引:0,他引:2  
张维栋 《硅谷》2010,(7):64-64
心音与脉搏音信号采集与处理系统设计开发心音脉搏音数据采集软件采用Visual Basic语言开发,可实现双通道同步数据采集。该设计利用现有的传感器,通过Visual Basic中的控件MSComm与PC机的串行接口通信,并可通过对一些特定参数的设置,得到当前采集到的心音和脉搏音信号数据的波形图。在需要进行数据保存时,可将采集到的心音和脉搏音数据以文本形式保存起来,为进一步的心音脉搏音实验研究做准备。  相似文献
5.
基于奇异谱分析的心音信号小波包去噪算法研究   总被引:1,自引:0,他引:1       下载免费PDF全文
针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。  相似文献
6.
基于样本熵快速算法的心音信号动力学分析   总被引:1,自引:1,他引:0       下载免费PDF全文
为了准确刻画冠状动脉狭窄引起的血流动力学状态改变,提出了一种基于样本熵快速算法的舒张期心音分析方法.首先利用小波变换去除心音中的呼吸干扰,然后采用改进的香农能量算法自动分割出舒张期段,最后对分割出的舒张期心音用快速算法估计样本熵.对25例健康人和25例冠心病人的分析结果显示,冠心病人和健康人在舒张期心音的样本熵值上具有显著性差异.利用该方法检测冠状动脉狭窄,敏感性为80%,特异性为84%.  相似文献
7.
火焰  张春晓 《声学技术》1995,14(2):56-60
心音信号是心脏系统疾病诊断的一个重要的生理信号,本文在分析心音产生物理机制的基础之上,建立了准周期心音激励模型,并将时间局部定位性好,计算快速的小波变换方法引入到对心音信号的处理,能够很好地检测出瓣膜关闭这一突变信号发生的时刻,并将其作为心音信号的划分标准,这一方法还具有很好的抗噪性。  相似文献
8.
为提高心音信号特征提取的准确性及分类识别的高效性,将小波包变换的Mel频率倒谱系数与改进的高斯混合模型结合用于心音信号分类识别。在Mel频率倒谱系数提取方法基础上,用小波包变换代替傅里叶变换与Mel滤波器组,获得新特征参数DWPTMFCC;针对传统GMM参数初始化K-means算法缺点,用加权可选择模糊C均值算法进行改进;将提取的特征参数分别输入到改进后GMM进行分类识别。对临床采集的心音数据测试结果表明,该方法能有效提取心音特征,优于传统GMM识别性能。  相似文献
9.
针对心音信号非线性的特点,提出噪声水平自适应估计的局部投影与离散小波阈值相结合的去噪方法,该算法既能得到精确的重构信号又能保留微弱信号的有效特征。Lorenz序列数值仿真结果表明,该方法可以有效地抑制噪声,其信噪比和均方误差均优于局部投影去噪和离散小波阈值去噪;对比不同算法去噪前后信号的最大Lyapunov指数,得出该方法能很好地保留原始信号的非线性特征。对实测心音信号的降噪研究,进一步表明了该方法的有效性。  相似文献
10.
心音去噪是心音信号临床使用的前提。本文提出将双自适应提升算法用于心音去噪处理。该算法采用自适应更新和自适应预测构造小波函数,通过将传统的硬阈值和软阈值函数相结合,构造了一个改进的阈值函数进行心音信号去噪处理。对临床采集的80例心音信号进行了去噪实验,结果表明:该算法表现出良好的去噪效果,并增强了信号的局部特征。同普通小波去噪方法相比,其信噪比提高了46.5%,均方根误差减小了64.0%,而且运行速度快,可有效地用于临床心音信号的去噪处理。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号