[发明专利]一种心音信号的识别与评估方法

摘要

本发明公开了一种心音信号的识别与评估方法，包含心音信号预处理、心音信号的自相关分段、心音信号的MFCC提取算法、心音信号的S变换提取算法、心音信号的训练和识别、心音信号活力程度的评估。本发明的心音信号的识别与评估方法，针对心音为周期信号的特点，提供一个自相关分段算法结合改进的MFCC算法以及S变换，实现各类心音的识别，并以MFCC算法以及S变换所提取到的特征参数作为量化依据实现心音信号活力程度的量化评估。

主权项

1.一种心音信号的识别与评估方法，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MFCC提取算法；C1.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；C2.计算步骤二中分段后得到各个心音信号的MFCC；步骤四：心音信号的S变换提取算法；D1.对步骤二中自相关分段后的单个周期的心音信号进行快速傅里叶变换,将变换结果扩维为n为频率采样的点数；D2.求取高斯窗函数的FFT变换,得到G(m，n)；D3.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；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MFCC以及S变换特征参数的提取，其中S变换中采用的做法是将得到的变换矩阵中每若干列的最大值作为特征向量，最后将MFCC与S变换特征结合到一起，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；步骤六：心音信号活力程度的评估；F1.通过心脏活力较好的运动员群体的心音信号的MFCC以及S变换两个不同的特征输入SVDD分别建立一个超球体的模型，即MFCC超球体和S变换超球体；F2.根据MFCC和S变换对结果影响的显著程度分别设置一个权重系数a和b；F3.将测试样本的两个特征参数输入SVDD，根据这两个特征向量与运动员水平在超球体内的距离关系确定两个分数值；F4.将确定的两个分数值与各自的权重系数相乘，得到最终的一个分数，作为心音的评估标准。