[发明专利]一种基于心音多维特征提取的身份识别算法及其系统

摘要

本发明公开了一种基于心音多维特征提取的身份识别算法及其系统，其方法包括：利用传感器采集心音信号，将采集到的心音信号通过先通过滤波器处理，再通过离散小波变换处理，得到较为纯净的信号；通过计算机提取心音信号的梅尔频率倒谱系数和希尔伯特边际谱；提取并组成模版特征；将模版特征归一化并使用PCA算法进行特征选择，构造更完善维度低的模版特征空间；使用KNN算法对训练特征训练；使用构造好的分类器测试待测试的测试特征。本发明将模式识别引入身份匹配算法当中，利用计算机自身学习能力和快速的运算能力，采用大量数据进行训练匹配，进一步提高了识别速度和精确度。

主权项

1.一种基于心音多维特征提取的身份识别算法，其特征在于：包括以下步骤：（1）利用传感器采集心音信号，将采集到的心音信号通过先通过滤波器处理，再通过离散小波变换处理，得到较为纯净的信号；（2）通过计算机提取心音信号的梅尔频率倒谱系数和希尔伯特边际谱；其中，希尔伯特边际谱的提取步骤为：对每一帧信号进行EEMD分解，得到IMF分量；对每一帧的IMF使用Hilbert变换得到希尔伯特频谱；对每一帧信号的希尔伯特频谱对时间积分得到边际谱；对边际谱进行离散余弦变换,压缩信号的维数并且做幅度归一化；（3）利用步骤（1）和（2），提取并组成模版特征；（4）将模版特征归一化并使用PCA算法进行特征选择，构造更完善维度低的模版特征空间；其中， 模版特征归一化所用的方法如下式：其中是均值，是标准差；（5）使用KNN算法对训练特征训练；（6）使用构造好的分类器测试待测试的测试特征；步骤（1）中，所述滤波器为截止频率为150HZ的FIR滤波器；步骤（1）中，离散小波变换处理对小波变换中的尺度参数按幂级数进行离散化处理，对时间进行均匀离散取值，将信号变换为在频域上不同能量大小的组合，其中变换系数决定了信号在该频率上的大小；通过离散小波变换，可以将信号和噪声在频率上区分开；通过设置能量门限，将噪声的变换系数减少，消除噪声分量；然后通过离散小波变换逆变换重构信号，从而达到去噪的目的；步骤（2）中，提取梅尔频率倒谱系数时，梅尔频率倒谱系数与实际频率的对应关系如下：；步骤（2）中，提取希尔伯特黄边际谱系数时，首先，对原始数据进行经验模态分解，把数据分解成满足Hilbert变换要求的n阶本征模态函数和残余函数之和；之后，对每一阶IMF进行Hilbert变换，得到瞬时频率，求得时频图；步骤（3）中，在模式识别中，模板特征有着标准化的定义，特征向量集的每一列代表一个特征，每一行代表一个人，一个人至少有两行。