摘要
心音信号包含大量关于心血管疾病的信息，心音听诊是心血管疾病诊断的重要手段。但由于受环境、心脏内部等各种因素的干扰，加大了心音听诊的难度，传统的听诊器诊断方式，仅依靠医生的听诊经验进行诊断，导致诊断准确率低。本文通过信号处理、模式识别对心音信号的自动分类识别进行研究，为心血管疾病诊断提供客观依据，提高心血管疾病的诊断效率。主要研究工作如下： (1)心音信号的降噪处理。针对采集的心音信号含有噪声，提出联合互补总体经验模态分解(CompleteEnsembleEmpiricalModeDecomposition，CEEMD)及改进小波阈值的心音降噪算法。利用CEEMD将心音信号分解成不同频率的固有模态分量(IntrinsicModalFunction，IMF)，选取高频IMF分量运用本文改进的小波阈值算法进行降噪处理。将降噪后的IMF分量与低频IMF分量重构，得到降噪后的心音信号。在不同噪声强度下，分别运用联合CEEMD及改进小波阈值算法与CEEMD算法、小波阈值算法对心音信号进行降噪。仿真结果表明，本文降噪算法不仅能提高心音信噪比，还能降低均方根误差，在三种算法中降噪效果最好。 (2)心音信号的特征提取。针对心音信号的非平稳特性，为能更全面显示心音信号的特征，从时域、频域、倒谱域三个方面对心音信号进行特征参数的提取与分析。提取心音信号的短时能量、短时过零率以及短时自相关函数3个特征为时域特征参数；通过短时傅里叶变换提取心音信号的频域特征参数；通过梅尔频率倒谱运算提取12维梅尔倒谱系数为倒谱域特征参数。保存从时域、频域、倒谱域三个方面提取的16维特征参数，用于后续的心音识别。 (3)心音信号的分类识别。针对传统的支持向量机(SupportVectorMachines，SVM)参数设置不佳，导致识别准确率低的问题，提出改进的人工鱼群算法(ImprovedArtificialFishSwarmAlgorithm，IAFSA)优化SVM的心音识别算法(IAFSA-SVM)。首先，引入自适应视野半径和移动步长，提出IAFSA算法并进行测试。仿真结果表明，与人工鱼群算法(ArtificialFishSwarmAlgorithm，AFSA)相比，IAFSA收敛性和全局性得到了提高。然后，运用IAFSA算法对SVM参数进行寻优，将16维心音特征输入IAFSA-SVM进行识别，得到识别敏感性为98.44%、特异性为95.59%、准确率为96.50%。
NETL