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。     

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     

基于心音信号处理的冠心病诊断的研究

记录舒张期心音信号,用信号处理方法进行分析识别,实现冠心病的无创诊断.将小波分析(WT)、自回归滑动平均(ARMA)以及独立分量分析(ICA)方法分别应用于冠心病(CAD)心音信号的特征提取,并将提取的特征值输入径向基(RBF)神经网络进行训练和识别.实验结果,CAD病人和非CAD病人的正确检测率分别是:小波分析80%,85%;ARMA 70%,75%;ICA 85%,85%.结果表明,在CAD病人的心音中含有300～800 Hz的高频心音能量.在三种方法中,ICA显示了较好的效果.     

基于高阶香农熵的心音分段算法

针对心音分段中存在的分段结果容易受心杂音干扰的问题,改进了基于香农能量的心音分段算法。先用小波变换对心音信号进行预处理,消除环境噪声和高频杂音的影响,再计算信号的高阶香农熵,并以此作为信号包络,抑制低频杂音的干扰,最后根据生理知识对包络进行分段,确定分段边界。利用本算法对包含正常和异常心音的实验数据进行分段,正确分段率达96%以上。     

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     

基于心音的运动员心脏储备评价指标提取方法研究

为提取运动员的心率、第一心音最大幅值(S1)/第二心音最大幅值(S2)和舒张期时限(D)/收缩期时限(S)3项心脏储备评价指标,以评估心脏泵血功能状况,提出了一种心音分析方法。该方法主要包括心音预处理、包络提取、自适应阈值线选取及心音定位4个部分。实验对200例心音信号进行心脏储备评价指标的提取,其结果与其同步的心电信号结果对比发现,该方法的准确率达到96.5%,从而验证了该方法的可行性。最后用该方法提取了30例高水平运动员心脏储备评价指标并进行了评估。其评估结果是29名运动员的3项指标在正常范围内,1例运动员的D/S指标反映出该运动员处在亚健康状态,与实际情况相符。该方法为教练员科学地安排运动员的训练或选拔新的运动人才提供了参考依据。     

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.     

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.     

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     

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。     

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.     

嵌入式心音身份识别系统研究

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完全不同的特征并且具有极高的稳定性,可以用作生物识别技术的识别特征.该文在梅尔频率倒谱系数特征提取和矢量量化模式匹配识别算法的基础上开发了一种基于虚拟仪器的嵌入式心音身份识别系统,实现了用户身份注册、身份辨识和身份确认的功能.该装置可为当前社会所面临的各种身份鉴定和...     

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.     

调频广播中噪声和语音的检测方法

调频广播中,黑广播出现前会出现一段似高斯噪声,一些人的声音和这些噪声极为相似,若使用傅里叶变换等频域方法很难将这些噪声和语音区分开来。针对上述问题,提出了基于相关函数最大值的方差和基于短时能零比的方差两种方法来区分调频广播中的噪声和语音,通过计算每秒内语音信号的相关函数的最大值和短时能零比的方差,设定合适的阈值。实验结果表明,提出的方法能够有效地区分调频广播中的噪声和语音,同时还有利于提升广播或其他声音处理中声音的清晰度以及监测黑广播的出现。     

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...