基于STMHT算法的心音分割研究

第一心音(S1)和第二心音(S2)的定位和提取是利用心音分析诊断心脏病时的首要任务。鉴于此,本研究提出一种基于STMHT的心音分割法,分别提取S1和S2。本研究分为以下3个阶段:第一阶段,采用小波分解对心音信号进行预处理,保留心音信号的有效成分(21.5~689.0 Hz);第二阶段,用Viola积分波形法提取心音包络;最后,基于STMHT算法自动定位和提取S1和S2。对30例心音信号的提取结果进行评价,结果表明,S1和S2提取的准确率高达97.37%,优于其它已实现的有效方法。

基于增量高斯混合模型的心电分类研究

本研究提出一种基于增量高斯混合模型算法的心电分类方式。与其相对应的分为三个阶段:第一阶段,基于小波分解对心电信号进行预处理,以消除基线漂移(0.15~0.3 Hz)和背景噪声;第二阶段,首先基于短时修正希尔伯特变换(STMHT)定位R峰,然后自动确定QRS波进而提取心电特征参数;第三阶段提出一种无监督式增量高斯混合模型算法实现心电信号分类。本研究结果在MIT-BIH心律失常数据库中对48组心电数据进行分类比较,其准确率达93.31%。