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。     

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。     

幅频捷变跟踪算法在心音分析中的应用

应用幅频捷变跟踪算法分析心音信号，首先通过仿真信号讨论信号死区噪声对信号分析的不良影响及消除方法；然后将此算法应用于心音信号处理，可望为心脏病临床诊断提供完整，直观，量化的诊断依据。     

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.     

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.     

近场声源方位和距离联合估计算法

为提高近场麦克风阵列的声源定位精确度,对基于麦克风阵列的声源定位技术进行研究。详细分析了近场信号传播模型,并结合窄带子空间算法,对宽带ISM（Incoherent Signal-Subspace Method）算法进行改进,提出一种近场子空间声源方位和距离联合估计算法。该算法根据短时信号的频率特性,在特定频率上对信号应用子空间算法进行方向距离联合估计并对结果进行叠加,从而得到最终结果。该算法在相关信源和混响条件下均能得到较好的DOA（Direction-of-Arrival）估计效果。计算机仿真验证了算法的有效性。     

相关分析法管道漏点定位系统的试验研究

针对管道漏点定位问题,研制出了一套基于快速傅立叶变换的相关分析法管道泄漏点定位系统.采用水声传感器捕获泄漏点水声信号;并对信号进行放大、带通滤波处理;应用LabVIEW语言进行计算机编程以实现水声信号的数据采集;引入了离散快速傅立叶算法,求解水声信号的互相关函数;进行了多种泄漏点定位检测试验;对试验结果进行了比较分析;结果表明了该系统应用于实际的可行性.     

一种基于EEMD的异常声音识别方法

为了优化组合特征在异常声音识别中的效率,提出一种用集合经验模态分解（EEMD）对异常声音帧信号进行有效性检测和提取多层特征的算法.首先对异常声音帧信号进行集合经验模态分解,得到固有模态函数;然后根据给定的固有模态函数层数阈值,对该帧信号进行有效性检测;再对有效帧信号的每一层固有模态函数提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、线性预测倒谱系数、短时能量和能量比,并将它们归一化后拼接成多层特征.根据提取的特征,用深度卷积神经网络实现异常声音识别分类.仿真结果表明,提出的新方法在4类异常声音识别中的识别率可以达到98.65%.     

信号发生器波形的递推合成及其声卡实现

软件算法是实现虚拟仪器功能的核心，在虚拟式信号发生器中关于输出波形的算法实现一直是研究的重点．本文介绍了一种实用的信号发生器波形递推算法，详细论述几种典型的波形的递推合成实现．利用该算法成功实现了基于声卡的虚拟式信号发生器．通过实际测试试验和分析，验证了设计的合理性和有效性．     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

经验模态分解在直升机谱特征提取中的应用

为了更有效地提取直升机辐射噪声的频谱特征,提出了一种基于经验模态分解(EMD)的特征提取算法.仿真研究表明EMD具有突出信号局部特征且余量可表征信号变化趋势的特性,该算法将目标辐射噪声的频谱构成和EMD的特性相结合,将EMD应用于变换域(信号频谱序列)信号分析,有效的实现了信号连续谱的提取.相比于平滑滤波器法须人为选择最优的α值,且提取的连续谱有滞后性的不足,文中所示方法可自适应的提取信号的连续谱,且在准确无滞后地估计连续谱的同时,对线谱有一定的"增益",为后续的目标识别提供更全面的信息.