[发明专利]一种基于EMD分解的MFCC的心音类型识别方法在审
| 申请号： | 201810556611.2 | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN108903914A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 梁庆真;刘传银;刘贤洪 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | A61B5/00 | 分类号： | A61B5/00 |
| 代理公司： | 四川省成都市天策商标专利事务所 51213 | 代理人： | 李洁 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 心音信号 心音 预处理步骤 心血管疾病 辅助诊断 提取算法 有效识别 自相关 谱域 分段 筛选 改进 | ||
本发明公开了一种基于EMD分解的MFCC的心音类型识别方法，包含心音信号预处理步骤、心音信号的自相关分段步骤、心音信号的EMD分解并筛选出主IMF分量步骤、心音信号的MFCC提取算法步骤、心音信号的训练和识别步骤。本发明的基于EMD分解的MFCC的心音类型识别方法，通过改进MFCC这一倒谱域参数，来提取能表征不同类型心音特点的深层次信息，实现心音信号的有效识别，非常适合临床辅助诊断心血管疾病。
技术领域
本发明涉及心音类型识别方法技术领域，特别涉及一种基于EMD分解的MFCC的心音类型识别方法。
背景技术
作为心脏及大血管机械运动所产生的振动信号，心音是人体最重要的生理信号之一。当心血管疾病尚未发展到足以产生临床及病理改变以前，心音中就会出现一些重要的病理信息，这些病理信息在许多疾病中都有特征性体现，这对心血管疾病的诊断和病情的估计都是十分有意义的。因此，心音分析是无创检测心血管疾病的重要手段，已经成为临床辅助诊断该类疾病的有效方法之一。
现有技术中，大多数的心音分类识别功能仅限于区分正常和异常心音信号，很少对异常心音信号进行更细致的分类识别，因此分类尚不精细，且识别正确率有待进一步提高。
发明内容
本发明的目的是克服上述背景技术中不足，针对心音为周期信号的特点，提供一种基于EMD分解的MFCC的心音类型识别方法，通过改进MFCC这一倒谱域参数，来提取能表征不同类型心音特点的深层次信息，实现心音信号的有效识别，非常适合临床辅助诊断心血管疾病。
为了达到上述的技术效果，本发明采取以下技术方案：
一种基于EMD分解的MFCC的心音类型识别方法，包含以下步骤：
步骤一：心音信号预处理；
A1.对收到的心音数据进行重采样；
A2.对重采样后的心音信号进行巴特沃斯低通滤波；
A3.对滤波后的心音信号进行去噪；
步骤二：心音信号的自相关分段；
B1.计算去噪后的心音数据的幅度均值；
B2.设定参数:重采样后，一个心音周期的最小点数s_min＝750，心音周期的最大点数s_max＝2500；
B3.由心音信号长度以及一个心音周期的最大长度相除得到该心音信号的分段数M；
B4.将这M段心音数据从开始到结束依次两两组合，若M为奇数则有多余的分段，多余的分段舍去；
B5.寻找每个组合段中第一个第一心音的起始点；
B6.计算组合段内所找到的第一心音起始点所在的心音周期与该段内的下个心音周期的自相关系数，并保存；
B7.选择所有组合段中最大的自相关系数所在的心音周期，作为分段结果；
步骤三：心音信号的EMD分解，并筛选出主IMF分量；
C1.确定心音信号x(t)所有的局部极大值和局部极小值；
C2.利用三次样条插值法对极值点进行处理得到极大值和极小值包络，并求出包络均值曲线m(t)，并用x(t)减去m(t)得：
h1(t)＝x(t)-m(t)；
C3.将h1(t)作为新的信号继续重复k次步骤C2得到h1k(t)，此时标准差SD为:
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810556611.2/2.html，转载请声明来源钻瓜专利网。
