[发明专利]一种基于EMD分解的MFCC的心音类型识别方法

摘要

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。

主权项

1.一种基于EMD分解的MFCC的心音类型识别方法，其特征在于，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h_1k(t)，此时标准差S_D为:C4.若SD≤0.3，令h1k(t)＝cc1(t)即为所求的第一个固有模态分量IMF1，则剩余分量r1(t)＝x(t)‑cc1(t)；C5.对r₁(t)重复步骤C4直至r_n(t)为一单调函数，则分解过程结束，则此时心音信号x(t)可表示为：步骤四：心音信号的MFCC提取算法；D1.预加重滤波器；将心音信号x(t)通过一个高通滤波器，形式为：H(z)＝1‑a*(z‑1)，其中系数a的值介于0.9和1.0之间；D2.计算每个固有模态分量IMF的MFCC；步骤五：心音信号的训练和识别；E1.将采集的N种类型的心音信号分为两组，一组作为训练样本，另一组作为测试样本；E2.对训练组和测试组的心音信号进行EMD分解后每个IMF分量MFCC特征参数的提取并保存；E3.将提取到的训练样本以及测试样本的特征参数输入分类器进行分类处理，完成对不同心音类型的识别。