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。     

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     

智能式听诊辅助系统的设计

描述了心音信号的采集系统的新型设计,给出了高性能的心音传感器、前向处理电路、A/D转换电路和与PC机的高速接口电路.该心音信号采集系统为心脏疾病临床诊断提供了医学参考.     

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。     

基于智能听诊器的心音信号采集与处理

基于智能听诊器,研究了心音信号采集与处理的新方法.心音采集部分包括传统的听诊头、耳机、微型麦克风及IC录音机.通过USB接口将采集的数据传输到计算机,并通过单自由度分析模型提取心音特征波形,计算心音特征值参数[T1,T2,T11,T12],它们是心音特征波形与阈值THV之间形成的交叉点所确定的时间间隔,与第一心音和第二心音有关,可用来判别正常或异常心音.文中通过采集大量的临床心音数据对正常/异常心音案例进行解析,验证了心音特征波形法在心音自动解析中的有效性.     

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。     

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。     

经验模式分解及关联维数在心音信号分类识别中的应用

针对心音信号非线性、非平稳的特性,提出一种基于经验模式分解(EMD)和关联维数的心音特征提取方法.首先通过EMD方法将心音信号分解成若干个固有模态函数(IMF),并利用互相关系数准则对IMF进行筛选,结合G-P算法对主IMF(IMF1~IMF4)分量分别求其关联维数,以此作为神经网络的输入向量,实现了对正常心音信号和病理心音信号的分类识别.对于重构相空间中的两个重要参数时间延迟τ和关联维数m,分别采用互信息函数法和用Cao算法确定.对临床采集的心音数据按该方法进行测试,结果表明,该方法能有效地识别心音.     

基于压缩感知的宽带信号采集系统性能分析与算法实现

为了解决目前超宽带信号采集过程中面临的采集困难、数据量大的难题,文章从基于压缩感知的信号采集理论出发,提出了基于GPU平台的超宽带信号采集系统实现方法,重点分析了采集系统的重构性能。分析表明该方法对于宽带稀疏信号的采集能够有效降低采样速率,提高采集效率。     

基于射频识别的心音身份认证系统研究

心音信号是人体最重要的生理信号之一,在不同的人身上有着不同的特征并且具有较高的稳定性,可以作为生物认证技术的认证特征.该文在GMM动态阈值算法基础上,开发了一种基于射频识别的心音身份认证系统,实现了用户身份注册、身份认证功能.     

采用多源信息融合的心血管监护系统研究

采用多源信息融合技术建立一套心血管监护系统,通过多个数字化传感器采集得到与病人心血管健康状况息息相关的心音、脉搏等信号,经过对信号进行滤波、加窗处理得出心音和脉搏特征参数。运用信息融合算法——D-S算法对病人的心血管健康状况予以诊断,借助Access和Lab SQL建立并访问病员数据库,最终完成监护系统设计。     

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     

大型旋转机械振动信号采集与处理系统的研究

在大型旋转机械状态监测中,信息量非常大,对信号的实时性要求非常高,这对采集系统提出了更高的要求.文章在原有某化工厂汽轮机信号采集系统的基础上提出了基于DSP和PCI总线的信号采集系统,对原有信号采集系统结构进行了改进,并阐明了新系统的优点和各功能部件之间的通信连接.     

压缩传感及其在稀疏信道估计中的应用

压缩传感是一种全新的数据采集、处理方式,它能够从极少数的观测样本中准确的恢复出原始数据.这个特点使其能够很好的应用在具有稀疏特性的通信环境下.对压缩传感及其在稀疏信道估计中的应用进行研究,总结了应用压缩传感进行信号采集、处理的一般方法.在系统阐述压缩传感理论之后,以具有稀疏性的超宽带通信信道和OFDM水声通信信道为例,...     

基于DWTMFC特征参数提取的心音身份识别

心音信号是临床上有用的心脏疾病诊断工具,是一种很好的用于身份识别的方法,而在基于心音识别的系统中,提取反映用户个性特征的参数是关键问题之一.该文将Mel倒频系数的提取方法中的Mel滤波器组用小波变换后的信号频谱拼接来替代,以此提取了新的参数DWTMFC,并用矢量量化模型进行验证.实验结果表明DWTMFC参数的性能在矢量...     

Windows环境下生物信号采集处理系统的软件设计

生物信号采集处理系统是应用计算机硬件和软件技术开发的一种集生物信号的放大、采集、显示、处理、存储和分析的机电一体化仪器．本文介绍了Windows环境下生物信号采集处理系统的软件设计方法．该软件系统主要包括三大部分：数据采集、采集数据的图形显示、数据的分析处理及文件管理,它们统一在Windows平台的主界面下．通过使用两个C Builder第三方控件TCairnTimer和TiPlot降低了软件系统的开发难度,加快了其开发速度．最后利用该系统进行实时采集,数据处理和曲线绘制的结果令人满意．     

脉搏信号无线采集装置

针对脉搏信号无线传输和在线监测的问题,设计了一种基于ZigBee的无线脉搏信号采集装置,利用双极性放大器OP07对脉搏信号进行滤波、放大和升压处理,利用片上系统芯片CC2430对调理后的信号进行采集和无线传送,并if,q用VC＋＋设计了上位机监测界面,整个系统能够实现对脉搏信号的实时采集,并无线传送至监测中心进行显示和数据分析,该系统利用ZigBee协议进行通信,能够满足实际应用中的低功耗、低成本以及高可靠性的要求．     

基于时频图切割的宽带信号智能检测与识别

针对大带宽场景中非合作通信信号的高效检测问题,结合机器学习技术提出一种基于时频图切割的宽带信号智能检测与识别方法。该方法采用Mobilenet网络替代YOLOv4当中的CSPdarknet53网络进行特征提取,构建了一种轻量型的YOLOv4模型。同时,模型引入Focal-EIOU代价函数和一种改进的加权盒融合算法(WBF),有效提高了训练效率以及检测与识别精度。实验结果表明：本文方法可以快速地检测出大带宽下通信采集数据中的连续信号和突发信号,以及信号的出现时刻、频率范围、调制方式等相关参数,其性能优于传统的能量检测方法。与其他同类方法相比,本文方法的平均检测精度(mAP)均大于81%,其中,采用YOLOv4-MobilenetV1模型的检测速度达到77.60帧/s,较好地兼顾了检测精度与实时性要求,更利于工程部署。     

一种基于声卡和MATLAB的信号采集和分析的方法

提出了信号采集和动态特性分析的一种简单、可行的方法。利用WINDOWS95／98系统资源及声卡采集双通道信号,然后利用MATLAB语言提供的信号处理工具箱对该信号进行时域、频域分析。     

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。