ICA在心音信号预处理中的应用研究

独立分量分析 (ICA)是近年来涌现的用于盲信号分离的新技术 ,本文利用独立分量分析对心音信号进行了预处理 :消除工频干扰。心音信号由自制的心音传感器获得。在分析了独立分量分析的基本原理的基础上 ,建立了基于互信息极小的目标函数 ,研究了目标函数优化的迭代算法 ,给出了利用此算法的ICA实现步骤。实验结果表明 ,利用独立分量分析有效地对心音信号进行预处理 ,能成功地从心音中分离出工频干扰信号。

心音信号MFCC特征向量提取方法的优化

为了提高利用梅尔频率倒谱系数(Mel-frequency cepstral coefficients, MFCC)特征向量进行心音信号分类的准确率,本文提出以一种基于独立成分分析(independent component analysis, ICA)及权值优化的MFCC特征向量优化方法。首先,通过消除趋势项、降噪、提取心动周期与基础心音分割等步骤对心音信号预处理;接着,对提取的基础心音信号做Mel频谱变换及倒谱分析提取MFCC特征向量,其中用ICA替代离散余弦变换去除分量间高阶量的相关性,同时采用相关系数为权值优化整体混合矩阵;最后,采用F比衡量特征向量贡献率,并以其为权值优化各维特征向量。通过提取MFCC特征向量采用支持向量机(support vector machine, SVM)的分类器识别第一心音及第二心音,并与人工标注心音状态集进行对比。实验结果表明,基于ICA及权值优化的MFCC特征向量在SVM分类器中识别率得到了有效的提升,且优化算法具备一定抗噪性能。

单路单周期心音混叠信号欠定盲分离方法

结合现有的单路混叠盲分离算法和心音信号的周期特性,提出了一种基于dwt_ica的单路单周期心音混叠信号欠定盲分离算法。该算法首先得到一组单周期独立心音子波,然后把该独立心音子波加入到一个单路单周期心音混叠信号中,从而将一路信号变成一个多路信号,接着再利用ICA方法分离该多路信号,可获得源心音信号的一种估计。心音混叠信号的盲分离仿真实验表明,该算法是行之有效的。

基于WPT分层和独立子波函数的单路心音混合信号BSS新方法

提出了一种基于小波变换分层和独立子波函数的单路混合信号的盲源分离新方法。首先讨论了单路混合信号分离模型,以及如何利用WPT进行窄带分层和获取独立子波函数的技术;然后通过结合独立子波函数进入单路混合信号,使单路混合信号由一维向量转化成为多维向量,以实现其盲分离;最后通过心音信号的分离实验,验证了本方法的有效性和可行性。

心音检测识别技术在汽车主动安全中的应用

提出了一种基于心音特征分析的汽车主动安全技术,探讨利用心音信号对驾驶员现场健康状况进行监测的可行性和具体实施方法。首先分析了心音信号与汽车背景噪声的特点,提出了汽车环境中的心音信号模型,据此设计出一种汽车主动安全的汽车心音采集装置,然后给出了一种基于独立子波函数的心音信号分类识别方法。讨论了心音独立子波函数的构成准则,获取心音独立子波函数的算法,以及如何将心音独立子波函数作为一种新的统计特征参数,并且给出了一种心音确定度的新概念。最后通过一个实际的心音采集与分类识别实验,验证了本文方法的有效性和可行性。

基于独立分量分析的多普勒胎心音瞬时心率的检测方法

目的:提出一种基于独立分量分析的多普勒胎心音瞬时心率的检测方法。方法:首先对由超声多普勒胎心仪采集到的心音信号进行预处理,再对预处理后信号进行时频分析,然后将胎心音信号的时频谱进行实数化处理和对数化处理,接着将对数化以后的胎心音信号时频谱以不同的频率分量进行独立分量分析分离出独立分量,最后选取与原信号相关性最强的一个独立分量并对该独立分量进行峰值检测计算出胎儿瞬时心率。结果:该方法不仅能识别胎心音信号的幅值信息,同时能识别其频域信息,多次实验表明,该算法准确率高达95%以上。结论:该方法能够在强噪声背景下快速地分离出理想胎心音信号的包络信号并计算胎儿瞬时心率,对围产阶段胎心监护具有较为重要的意义。