基于数据融合的三段式心音身份识别技术

提出了一种新的基于多特征提取的心音身份识别技术。在分析心音信号特性的基础上,采用独立子波函数表征个体心音特征信息,通过建立"第一心音s1、第二心音s2和周期-功率-频率(T-P-F)图"的三段式识别模型和应用相似距离的模式匹配方法,以及采用单路心音信号多周期段的数据层融合和改进的D-S数据决策层融合算法,有效地实现了单路心音信号多特征提取的身份识别。另外还介绍了一种双听诊头的心声检测装置。实际实验结果表明,该方法具有很好的识别率和可行性。

心音身份识别综述

针对国内外研究心音身份识别系统的现状及技术成熟度的分析,阐述了心音与身份识别之间的相互关系,总结了构建心音身份识别系统所需要的心音采集设备、心音预处理技术、特征提取和模式匹配等关键技术,提出了心音身份识别系统发展的新思路及所面临的挑战.

HILBERT包络法在心音身份识别中的应用

在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音。然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别。

基于希尔伯特振动分解的心音身份识别算法

心音信号是典型的非平稳信号,该文提出了基于希尔伯特振动分解的心音信号分析方法。将心音信号分解为一组自适应谐波分量作为特征参数进行身份识别。对码本大小为60的心音数据库进行实验,结果识别率到达93.3%,证明了这个方法的有效性。

听诊位置对心音生物识别效果的影响

心音信号作为一种生物特征已成为身份识别研究领域的新热点,并且已经有大量研究结果证明心音应用于身份识别技术是可行的,然而不同听诊位置采集到的心音信号具有一定的差异性,因此文中研究这种差异性对身份识别的影响。首先利用自制的4通道同步心音传感器记录来自二尖瓣、三尖瓣、肺动脉瓣、主动脉瓣的心音信号,然后对原始心音进行去噪和分段预处理,再通过线性预测编码(LPC)的方法提取S1和S2的共振峰频率作为心音识别的特征向量,并结合欧氏距离度量样本之间的相似性,分别对四个听诊位置进行身份识别实验。实验结果表明,不同听诊位置的识别率略有差异:在肺动脉瓣获得的识别率为92.5%,主动脉瓣的识别率为90%,二尖瓣和三尖瓣的识别率分别为87.5%和85%,并且肺动脉瓣获得的心音信号与实验对象的性别基本无关。这为心音采集与识别提供了一种有实用价值的参考。