基于高斯混合模型的心音模式识别研究

论文摘要

心音信号是人体重要的生理信号之一,包含有人体大量的生理、病理信息。心音听诊是心血管疾病无创检测诊断的重要方法,但是听诊过程容易受外界噪声的干扰,听诊结果也容易受到听诊医生主观判断的影响。另外心音听诊受操作者熟练程度的影响较大,听诊技能需要花费较长的时间才能掌握,因此很难推广使用。如果能够用简易的装置来实现心音听诊,并实现对病理性心音信号的自动识别分类,将会有很大的临床意义,本课题正是根据这一需求来开展的。论文阐述了心音信号和病理性心音信号的产生机理,并介绍了病理性心音在心脏疾病诊断中的应用。心音信号模式识别系统分为心音数据采集和模式识别两部分。设计数据采集电路采集心音信号,然后对采集的各类心音信号进行预处理并提取心音的特征参数,最后使用高斯混合模型对各类心音信号进行建模和识别研究。心音数据采集电路的主要功能是实现心音信号的采集与传输,利用PC机来显示波形并进行后续分析处理。硬件采集电路主要包括:心音信号前级放大和滤波电路设计、50Hz陷波器电路设计、增益控制电路设计、A/D转换电路设计、单片机与上位机的通讯电路设计。对采集的心音信号的预处理主要包括去噪、预加重、分帧加窗和端点检测。其中去噪和端点检测是重点部分。心音去噪采用小波阈值去噪的方法。通过分析并结合小波函数与心音信号的特点,选择合适的小波函数进行小波阈值去噪。实验结果表明,coif3小波函数对心音信号的消噪效果最好。端点检测是提取心音信号特征参数前的重要一步,本文采用基于短时能量和短时过零率的双门限端点检测算法来区分心音和背景噪声,这种端点检测方法算法简单,运算量小。特征参数提取部分选择的是心音信号的线性预测倒谱系数和Mel频率倒谱系数,这是目前语音类识别中最常用和最有效的两种特征参数。通过对比实验表明,在心音信号的识别过程中,Mel频率倒谱系数能够取得比线性预测倒谱系数更好的识别效果,并大大缩短了训练和识别时间。本文选用高斯混合模型来实现对各类心音信号的训练和识别。文中共选取了8类常见的病理性心音信号和正常心音信号,病理性心音包括:二尖瓣关闭不全心杂音、二尖瓣狭窄心杂音、主动脉瓣关闭不全心杂音、主动脉狭窄心杂音、室间隔缺损心杂音、心律不齐、肺动脉瓣狭窄心杂音、心音分裂,共计60例。训练时为每类病理性心音建立一个概率模型(高斯混合模型),该概率模型中的参数是由心音信号的特征参数分布决定的。心音的识别诊断部分通过计算待识别心音信号的特征参数与训练好的高斯混合模型之间的似然函数值,得到最大似然函数值所对应的高斯混合模型即为心音类别的识别结果。实验结果验证了所提病理性心音分类方法的可行性,对各类心音的正确识别率可以达到90.6%,从而为相应心脏疾病的诊断和临床应用提供有力的依据。

论文目录

• 摘要
• 英文摘要
• 1 绪论
• 1.1 课题研究的意义
• 1.2 国内外研究现状
• 1.2.1 心音信号的分析方法概述
• 1.2.2 心音信号的模式识别方法
• 1.2.3 生理性和病理性心音的分类识别
• 1.3 论文的研究内容及结构安排
• 2 心音信号的生理特性
• 2.1 正常心音和心杂音的产生机理
• 2.1.1 正常心音的产生
• 2.1.2 心杂音的产生
• 2.2 与心脏瓣膜疾病有关的心杂音的特点
• 2.3 本章小结
• 3 心音信号采集电路的设计与实现
• 3.1 心音信号采集电路的总体设计
• 3.1.1 心音传感器
• 3.1.2 微控制器芯片
• 3.2 心音信号前级放大和滤波电路设计
• 3.3 50Hz 陷波器电路设计
• 3.4 增益控制电路设计
• 3.5 A/D 转换电路设计
• 3.6 单片机与上位机的通讯电路
• 3.7 硬件实物图
• 3.8 本章小结
• 4 心音信号的预处理和特征参数提取
• 4.1 心音信号预处理
• 4.2 小波去噪
• 4.2.1 小波去噪的原理
• 4.2.2 小波基函数和分解层次的选取
• 4.2.3 心音信号的小波去噪效果
• 4.3 预加重
• 4.4 分帧和加窗
• 4.5 端点检测
• 4.6 心音信号的特征参数提取
• 4.6.1 线性预测倒谱系数
• 4.6.2 Mel 频率倒谱系数
• 4.6.3 混合参数
• 4.7 本章小结
• 5 基于 GMM 的心音信号模式识别系统
• 5.1 心音模式识别系统的总体设计
• 5.2 基于GMM 的心音模式识别
• 5.2.1 高斯混合模型简介
• 5.2.2 心音信号的模型估计
• 5.2.3 心音信号的识别
• 5.3 心音模式识别在MATLAB 中的实现
• 5.3.1 特征参数的选取对系统的影响
• 5.3.2 高斯混合模型阶数对系统的影响
• 5.3.3 训练心音长度对系统性能的影响
• 5.3.4 GMM 与ANN 的识别结果对比
• 5.4 本章小结
• 6 总结和展望
• 6.1 总结
• 6.2 后续工作展望
• 致谢
• 参考文献
• 附录
• A.攻读硕士学位期间发表的论文
• B.攻读硕士学位期间取得的科研成果
• C.攻读硕士学位期间参加的科研项目