[发明专利]一种基于心音的身份识别方法

权利要求书

1.一种基于心音的身份识别方法，其特征在于，包括以下步骤：

A.将心音信号进行自相关分段，将心音信号分成以周期为单位的小段；

B.利用心音信号的改进的MFCC提取算法，提取出能反应心音更深层次信息的改进的MFCC参数；

C.利用心音信号的S变换提取算法，提取S变换后的特征信息；

D.心音信号的高斯混合模型建模和匹配，对高斯混合模型训练完成之后，再用高斯混合模型对心音信号进行识别。

2.根据权利要求1所述的一种基于心音的身份识别方法，其特征在于，所述步骤A中在进行心音信号自相关分段前还包括对心音信号进行预处理，且所述心音信号的预处理具体包括以下步骤：

A1.1对收到的心音信号进行重采样；

A1.2对重采样后的心音信号进行巴特沃斯低通滤波；

A1.3对滤波后的心音信号进行去噪。

3.根据权利要求2所述的一种基于心音的身份识别方法，其特征在于，所述步骤A1.1中具体是对收到的心音信号进行5点重采样，且采样频率为2205Hz、所述步骤A1.2中对重采样后的信号进行滤波时，具体设置通带最大衰减为3db，阻带最小衰减为18db；或所述步骤A1.3中具体是采用小波变换对滤波后的心音信号进行去噪。

4.根据权利要求1或2所述的一种基于心音的身份识别方法，其特征在于，所述步骤A中将心音信号进行自相关分段时具体包括以下步骤：

A2.1计算心音信号的幅度均值；

A2.2设定参数：设定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；

A2.3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；

A2.4将这M段心音信号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；

A2.5寻找每个组合段中第一个第一心音的起始点；

A2.6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；

A2.7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。

5.根据权利要求4所述的一种基于心音的身份识别方法，其特征在于，所述步骤A2.5中为了避免起点正好位于第一心音处，以连续100个点小于心音信号的幅值均值作为判定第一心音起始点的条件。

6.根据权利要求4所述的一种基于心音的身份识别方法，其特征在于，所述步骤B具体包括以下步骤：

B1.预加重滤波器；

B2.计算分段后得到各个心音信号的MFCC；

B3.计算MFCC的一阶差分系数。

7.根据权利要求4所述的一种基于心音的身份识别方法，其特征在于，所述步骤C具体包括以下步骤：

C1.对步骤A中自相关分段后的心音信号进行快速傅里叶变换，将变换结果扩维为其中，N为该离散信号的长度，m的取值为0至N-1中任一整数，n为频率采样的点数，T为采样间隔时间；

C2.求取高斯窗函数的FFT变换，得到

C3.按频率采样点计算的傅里叶逆运算即得到S变换时频复矩阵。

8.根据权利要求7所述的一种基于心音的身份识别方法，其特征在于，所述步骤C3中还包括将得到的S变换时频复矩阵中每若干列的最大值作为特征向量。

9.根据权利要求7所述的一种基于心音的身份识别方法，其特征在于，所述步骤D具体包括以下步骤：

D1.估计高斯混合模型的参数，完成对训练样本中每一例信号的高斯混合模型建模，即为高斯混合模型的训练过程；

D2.对高斯混合模型训练完成之后，即进行心音信号的识别。

10.根据权利要求9所述的一种基于心音的身份识别方法，其特征在于，所述步骤D1中高斯混合模型的训练过程中首先采用K-means算法来初始化参数，再通过EM算法进行参数估计，进而为每一个心音信号建立各自的高斯混合模型；或所述步骤D2中进行心音信号的识别时是将步骤C中提取的待测试心音信号的特征参数与训练模型进行匹配，并分别求出待测试心音信号的特征参数与各模型之间的似然函数值，当似然函数值达到最大时对应的模型即为待测心音的识别结果。