改进HHT算法及在心音信号分析中的应用

HHT(Hilbert-Huang Transform)是一种具有自适应性的、新型的、基于模态分解的时间序列数据处理方法。心音信号是一种典型的非平稳信号,传统信号处理方法来处理心音信号有一定的局限性。为了研究心脏的动力学特征,将HHT算法引入到心音的信号分析中。提出了一种改进的HHT算法,针对仿真信号进行了分析,验证改进的算法可以正确地提取出信号中的各个分量IMF(Intrinsic Mode Function);使用该算法对一例正常心音信号进行分解处理,表明该算法能按不同的时间尺度对心音信号信号进行分解     

基于提升小波变换的心音信号特征提取方法的研究

为了准确提取心音信号的病理性信息,提出了一种基于提升小波变换的改进的特征提取方法针对性地分析第一心音(S1)和第二心音（S2）及其时限并对不同心音信号进行分类。首先利用提升小波软阈值降噪法对不同心音信号作去噪预处理;然后利用提升小波时间熵法检测心音信号在不同时刻的分布情况,并提取其熵值;通过香农能量优化双阈值法提取心音包络信号及S1、S2时限;最后改进选取心率、S1和S2时限、心动周期、包络面积,熵值六个特征参数,并利用支持向量机算法（SVM）对不同心音信号进行分类。分析和仿真结果表明该算法对正常和心脏病患者的心音准确分类率达到98%,表明该算法能有效识别不同心音信号。     

心音信号分析方法及应用性研究

阐述了心音信号的产生机理、组成成分以及人体微弱心音信号检测的关键技术,介绍了心音信号处理技术在心血管疾病无创诊断中的意义,结合应用分析了经典心音信号谱分析方法的局限性,对现代心音分析中的常用的时频分析方法的特点进行了探讨,并展望了心音信号识别技术的应用与发展前景.     

基于S变换和Renyi熵的舒张期心音信号分析

冠心病的无创诊断一直是学者研究的热点,近几年基于心音的冠心病诊断方法相继被提出。该文利用时频变换中的S变换对心音信号进行时频分析,在此基础上,用Renyi熵来度量舒张期心音信号的复杂度,以获取舒张期心音特征来区分正常信号与病理信号。实验结果表明,在S变换下,舒张期心音信号的Renyi熵能很好地区分正常人和冠心病患者。     

采用多传感器信息融合的智能监护终端研究?

针对心血管疾病的易发性和诊断复杂性等问题,设计了一种基于多传感器信息融合的智能监护终端。通过脉搏传感器和心音传感器采集与心血管疾病相关的脉搏波与心音等信号,再由微处理器和相关硬件电路进行信号分析、处理、显示和存储,从而获取相关的血流动力参数,最后利用智能化的信息融合算法诊断人体的心血管功能是否正常。实验表明,整个系统运行效果良好。     

基于心音信号谱分析的身份特征提取算法

该文针对心音信号是临床上有用的心脏疾病诊断工具,也是一种很好的用于身份识别的认证方法。该文提出了一种基于心音信号谱分析的身份特征提取算法。首先对心音信号进行消噪预处理,然后利用Welch方法分析了心音信号的谱特征,采用欧式距离作为匹配算法完成身份识别。最后,利用30个不同测试者心音数据对该方法的识别效果进行了测试,识别的错误率为0,证明了该方法的可行性和有效性。     

心音信号分析方法及其进展

指出心音信号分析对于心血管疾病的诊断具有重要的意义,并对心音信号的主要基本方法及发展趋势作一个综合的介绍     

基于Android的心音身份识别系统研究

心音信号蕴含了丰富的个体特征,心音信号的唯一性、不易伪造、易采集性决定了心音信号可以用于生物特征识别领域。该文基于安卓系统开发了一种利用心音进行身份识别的新型身份识别系统。识别算法基于MEL频率倒谱系数和矢量量化算法。该系统利用心音信号实现了用户注册,身份辨识等功能,可以准确高效地实现用户的身份识别。     

心音信号分析方法及其进展

指出心音信号分析对于心血在管疾病的诊断具有重要的意义,并对心音信号的主要基本方法及发展趋势作一个综合的介绍。     

基于自适应锥形核的心音信号时频特征提取与分析

特征提取及其维数大小的确定是实现心音信号有效分类的重要环节,本文提出了一种基于自适应锥形核的心音信号时频特征提取的新方法。首先选用心音信号时频分析归一化能量的10%E、50%E、90%E和能量最大处所对应的频率点Fm ax构成第一、第二心音信号的八维特征向量,其次采用F isher降维方法的检验参数对其相关性进行了比较研究,选取相关性相对较小的参数F-10%和F-Fm ax构成二维特征向量,并将其应用于五种心音信号特征参数散度的对比分析。结果表明:降维后的二维特征向量较全面的反映了心音信号的特征,提高了分类算法的效率,具有临床实用价值。     

基于心音小波分析的冠状动脉疾病无损检测的研究

通过对人体胸部体表声场和冠脉血流动力学等方面的理论研究。首次提出用多通道整周期心音信号小波分析来检测冠状动脉疾病,在传统器设计及信号检测过程中,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,经高频提取后的模拟信号通过计算机进行数据采集。在信号分析方面,发发展了一种适合于心音信号分析的小波变换方法对心音在时域和频提取后的上展开了局部分分析。通过比较正常人及冠心病患者的分析结     

心音采集分析系统设计

设计一种用于检测心功能的家用心音采集分析系统。该系统由心音采集板和分析软件组成。心音采集板由心音传感器和信号处理模块组成,能够采集心音信号并通过USB接口将心音数据发送至上位机进行分析。分析软件以Microsoft Visual C＋＋为开发平台,用于心音的采集和正常、异常心音的识别,并以易于理解的图形给出诊断结果。通过使用正常和异常的心音数据对系统进行验证,其结果证明该系统可采集并识别正常和异常心音。该系统经过进一步发展将可以真正成为一种家用心功能检测设备。     

基于Zigbee的无线电子听诊器设计

心音听诊是进行疾病诊断的一种重要手段,在这篇文章中我们讨论了一种应用无线传输技术设计的电子听诊器,该电子听诊器是基于嵌入式处理器的。数据可以通过Zigbee无线传输模块进行传输,采用麦克风接收心跳的声音,我们可以在其声学听诊器的头部插入一电容式麦克风使其变成数字听诊器,为了能够将其声音通过耳机播放。心音信号将被处理并且放大。系统实现了对心音信号的采样、处理及无线发送,以便多个医生可以对其进行会诊。     

便携式冠状动脉狭窄无损诊断仪的研制

该文开发了基于掌上电脑和蓝牙无线传输的便携式冠状动脉狭窄无损诊断仪,仪器以掌上电脑和蓝牙技术为基础,包括心音采集模块和掌上电脑手持移动监护终端.手持移动监护终端可以通过蓝牙模块与信号采集模块连接,实现掌上电脑对心音数据的接收、实时波形显示、存储、回放以及冠脉狭窄的智能诊断,达到医疗监护的移动性和智能化.     

基于人工神经网络及心音小波分析的冠心病诊断方法的研究

通过对冠状动脉动力学及湍流诱发声学的理论研究后,首次提出用整周期心音信号小波分析来提取冠状动脉疾病（ＣＡＤ）心音特征的方法,诊断系统将ＣＡＤ病人组及非冠心病对照组提取的心音特征结合人体的个体特征参数输入到神经网络进行学习训练后,最后达到自动诊断冠状动脉疾病,为了检测这种较为微弱的生理信号,本文通过对人体体表声传播模型研究后设计对外界噪声有较强抗干扰能力而又适合于拾取人体体表心音的高灵敏度音腔,实验     

Z-80单板微型机在心功能自动分析中的应用

本系统对人体心电、心音、心阻抗微分(一阶导数)信息进行综合性实时分析,利用Kubicek建立的计算心每搏输出量的公式及其它二十种血液动力学公式,计算出反映人体心脏功能的多种参数,为判定人体心脏功能提供大量数据。由本系统组成的心功能分析仪是心血管系统生理参量和疾病研究的无创伤性检查工具之一。     

基于希尔伯特振动分解的心音身份识别算法

心音信号是典型的非平稳信号,该文提出了基于希尔伯特振动分解的心音信号分析方法.将心音信号分解为一组自适应谐波分量作为特征参数进行身份识别.对码本大小为60的心音数据库进行实验,结果识别率到达93.3％,证明了这个方法的有效性.