[发明专利]鲁棒性好且不易复制的心音特征身份识别方法

权利要求书

1.鲁棒性好且不易复制的心音特征身份识别方法，其特征在于，是基于改良线性预测倒谱系数特征和GMM模型的心音生物特征识别算法，包括心音数据的采集和创建、心音数据的前置处理、改良线性预测倒谱系数特征的提取、特征参数归一化、基于GMM模型的心音识别；心音数据的前置处理包括小波消噪、音频分帧、加窗补偿，改良线性预测倒谱系数在线性预测倒谱系数特征上加入心音数据的短期能量信息；

本发明一是对心音数据进行一系列前置处理，提取改良线性预测倒谱系数特征，通过GMM模型对心音数据进行分类，建立特征模板库；二是对待测心音数据进行前置处理和提取相同特征并将特征参数代入特征模板库，进行近似度比较找出相匹配的心音数据；

对心音数据进行加窗补偿处理要选取合适的窗函数体现心音数据的特性，考虑因素有二点：窗函数频谱的主瓣尽量的窄和旁瓣的相对幅度尽量的低，主瓣窄代表能量大多留在主瓣内，能提高谱估算时的频域分辨率和减小泄漏；旁瓣的相对幅度低代表衰减快，对心音数据加窗补偿处理时除考虑窗函数自身的频谱特性外，还考虑心音数据的特征；哈明窗的带宽相对其它窗函数更宽，旁瓣衰减快，符合心音数据的分布特征；本发明采用哈明窗，心音数据C(n)经过加窗补偿处理之后得到的信号为：

C_H(n)＝C(n)*H(n) 式1

其中H(n)为哈明窗函数,对原心音数据进行音频分帧和加窗补偿之后得到各帧信号。

2.根据权利要求1所述的鲁棒性好且不易复制的心音特征身份识别方法，其特征在于，采集心音数据在室内进行，保持室内环境安静，采集心音数据时，首先将心音传感器与适配器连接，然后用音频连接电缆连接适配器和计算机，再将心音传感器放置在测试者的心脏的二尖瓣处准备采集数据，最后用Cool Edit Pro软件录音，点击开始录音得到心音数据的wav文件。

3.根据权利要求1所述的鲁棒性好且不易复制的心音特征身份识别方法，其特征在于，心音数据的前置处理中，本发明采用小波变换对心音数据消噪，具体采用Daubechies小波基，选择分解层数为5层db6小波对心音数据消噪，通过临界值消噪方法得到消噪结果。

4.根据权利要求1所述的鲁棒性好且不易复制的心音特征身份识别方法，其特征在于，心音数据的音频分帧是一个短期分析方法，将心音数据划分为众多较短的时间段，每一组时间段为一帧，而每一帧信号可看作稳定信号，具有稳定的频率特性和特征参数；本发明采用部分重叠音频分帧方法，心音数据每帧的长度取值范围在64至256毫秒之间可看作稳定信号，区间内的信号有稳定的频率特性和特征参数。

5.根据权利要求1所述的鲁棒性好且不易复制的心音特征身份识别方法，其特征在于，对心音数据前置处理后，需要提取心音数据合适的特征参数用来作为识别的依据，选择合适的特征参数可达到较好的身份识别率，本发明采用倒谱系数作为特征，选取线性预测倒谱系数特征参数，并提出了一种改良线性预测倒谱系数，在线性预测倒谱系数特征向量中加入短期能量特征；

通过计算线性预测系数标准方程可以求得心音数据的线性预测系数{b₁，b₂...b_J}，其中，阶数J＝12，则心音数据的线性预测系数为{b₁，b₂...b₁₂}；

通过复倒谱和线性预测系数b_i之间的递推关系，求得心音数据的线性预测倒谱系数如下式：

其中，J＝12，心音数据的线性预测倒谱系数为设置加窗函数的长度为N，用C_H(m)来表示为心音信号C(m)经过加窗处理后变换的信号，心音数据的短期能量特征参数为：

其中A_n是心音信号从第n点开始加窗函数后的短期能量，每帧心音数据的短期能量A_n是一个标量值，在心音数据的线性预测倒谱系数上加入心音数据的短期能量信息，则得到心音数据改良线性预测倒谱系数特征参数