基于高斯混合模型的心音模式識別研究.pdf

1、心音信號是人體重要的生理信號之一，包含有人體大量的生理、病理信息。心音聽診是心血管疾病無創(chuàng)檢測診斷的重要方法，但是聽診過程容易受外界噪聲的干擾，聽診結果也容易受到聽診醫(yī)生主觀判斷的影響。另外心音聽診受操作者熟練程度的影響較大，聽診技能需要花費較長的時間才能掌握，因此很難推廣使用。如果能夠用簡易的裝置來實現(xiàn)心音聽診，并實現(xiàn)對病理性心音信號的自動識別分類，將會有很大的臨床意義，本課題正是根據這一需求來開展的。
　　論文闡述了心音信號和

2、病理性心音信號的產生機理，并介紹了病理性心音在心臟疾病診斷中的應用。心音信號模式識別系統(tǒng)分為心音數(shù)據采集和模式識別兩部分。設計數(shù)據采集電路采集心音信號，然后對采集的各類心音信號進行預處理并提取心音的特征參數(shù)，最后使用高斯混合模型對各類心音信號進行建模和識別研究。
　　心音數(shù)據采集電路的主要功能是實現(xiàn)心音信號的采集與傳輸，利用PC機來顯示波形并進行后續(xù)分析處理。硬件采集電路主要包括：心音信號前級放大和濾波電路設計、50Hz陷波器電路

3、設計、增益控制電路設計、A/D轉換電路設計、單片機與上位機的通訊電路設計。
　　對采集的心音信號的預處理主要包括去噪、預加重、分幀加窗和端點檢測。其中去噪和端點檢測是重點部分。心音去噪采用小波閾值去噪的方法。通過分析并結合小波函數(shù)與心音信號的特點，選擇合適的小波函數(shù)進行小波閾值去噪。實驗結果表明，coif3小波函數(shù)對心音信號的消噪效果最好。端點檢測是提取心音信號特征參數(shù)前的重要一步，本文采用基于短時能量和短時過零率的雙門限端點檢測

4、算法來區(qū)分心音和背景噪聲，這種端點檢測方法算法簡單，運算量小。
　　特征參數(shù)提取部分選擇的是心音信號的線性預測倒譜系數(shù)和Mel頻率倒譜系數(shù)，這是目前語音類識別中最常用和最有效的兩種特征參數(shù)。通過對比實驗表明，在心音信號的識別過程中，Mel頻率倒譜系數(shù)能夠取得比線性預測倒譜系數(shù)更好的識別效果，并大大縮短了訓練和識別時間。
　　本文選用高斯混合模型來實現(xiàn)對各類心音信號的訓練和識別。文中共選取了8類常見的病理性心音信號和正常心音信

5、號，病理性心音包括：二尖瓣關閉不全心雜音、二尖瓣狹窄心雜音、主動脈瓣關閉不全心雜音、主動脈狹窄心雜音、室間隔缺損心雜音、心律不齊、肺動脈瓣狹窄心雜音、心音分裂，共計60例。訓練時為每類病理性心音建立一個概率模型（高斯混合模型），該概率模型中的參數(shù)是由心音信號的特征參數(shù)分布決定的。心音的識別診斷部分通過計算待識別心音信號的特征參數(shù)與訓練好的高斯混合模型之間的似然函數(shù)值，得到最大似然函數(shù)值所對應的高斯混合模型即為心音類別的識別結果。實驗結果