一种基于改进的MFCC的心音类型识别方法技术

本发明专利技术公开了一种基于改进的MFCC的心音类型识别方法，包括以下步骤：第一步、心音信号预处理；第二步、心音信号的自相关分段；第三步、心音信号的MFCC提取算法；第四步、心音信号的训练和识别。与现有技术相比较，本发明专利技术通过改进MFCC这一倒谱域参数，来提取能表征不同类型心音特点的深层次信息，实现正常与几大类异常心音信号的有效识别，且识别精度较高，非常适合临床辅助诊断心血管疾病。

【技术实现步骤摘要】

本专利技术涉及信号处理
的一种非稳定周期信号识别方法，尤其涉及一种基 于改进的MFCC的心音类型识别方法。
技术介绍
作为心脏及大血管机械运动所产生的振动信号，心音是人体最重要的生理信号之 一。当心血管疾病尚未发展到足以产生临床及病理改变以前，心音中就会出现一些重要的 病理信息，这些病理信息在许多疾病中都有特征性体现，这对心血管疾病的诊断和病情的 估计都是十分有意义的。因此，心音分析是无创检测心血管疾病的重要手段，已经成为临床 辅助诊断该类疾病的有效方法之一。 现有技术中，心音的分类识别功能仅限于区分正常和异常心音信号，并未对异常 心音信号进行更细致的分类识别，因此分类尚不精细，且识别正确率有待进一步提高。
技术实现思路
本专利技术的目的就在于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，以解决上述技术问题。 为了实现上述目的，本专利技术采用的技术方案是：一种基于改进的MFCC的心音类型 识别方法，包括以下步骤：第一步.心音信号预处理； Al.对收到的心音数据进行重采样； A2.对重采样后的信号进行巴特沃斯低通滤波； A3.对滤波后的心音{目号进行去噪； 第二步.心音信号的自相关分段； BI.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 ;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； B4.寻找每个组合段中第一个第一心音的起始点，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； B5.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。第三 步.心音信号的MFCC提取算法； Cl.预加重滤波器；将心音信号s(n)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L 0之间； C2.计算分段后得到各个心音信号的MFCC ; 第四步.心音信号的训练和识别。 DL对采集的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； D2.对训练组和测试组的心音信号进行MFCC特征参数的提取，并保存； D3.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。 作为优选，其中步骤Al对收到的心音信号进行5点重采样，采样频率为2205Hz。 作为优选，步骤A2对重采样后的信号进行滤波，设置通带最大衰减为3db，阻带最 小衰减为18db。 作为优选，步骤A3采用dmey小波变换对滤波后的心音信号进行去噪。 作为优选，其中，步骤M避免起点正好位于第一心音处，以连续100个点小于心音 数据的幅值均值作为判定第一心音起始点的条件。 作为优选，步骤C2将自相关分段后的心音信号进行快速傅里叶变换，然后取平方 计算心音信号的离散功率谱；将频谱能量乘以一组L个三角带通滤波器，求得每一个滤波 器输出的对数能量，共L个；将上述的L个对数能量带入离散余弦变换，求出倒谱域参数：【主权项】1. 一种基于改进的MFCC的心音类型识别方法，其特征在于：包括以下步骤，第一 步.心音信号预处理； Al.对收到的心音数据进行重采样； A2.对重采样后的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； 第二步.心音信号的自相关分段； BI.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; 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； B4.寻找每个组合段中第一个第一心音的起始点，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； B5.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。第三步.心 音信号的MFCC提取算法； Cl.预加重滤波器；将心音信号s(n)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L0之间； C2.计算分段后得到各个心音信号的MFCC; 第四步.心音信号的训练和识别。 DL对采集的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； D2.对训练组和测试组的心音信号进行MFCC特征参数的提取，并保存； D3.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。2. 根据权利要求1所述的一种基于改进的MFCC的心音类型识别方法，其特征在于：步 骤Al对收到的心音信号进行5点重采样，采样频率为2205Hz。3. 根据权利要求1所述的一种基于改进的MFCC的心音类型识别方法，其特征在于：步 骤A2对重采样后的信号进行滤波，设置通带最大衰减为3db，阻带最小衰减为18db。4. 根据权利要求1所述的一种基于改进的MFCC的心音类型识别方法，其特征在于：步 骤A3采用dmey小波变换对滤波后的心音信号进行去噪。5. 根据权利要求1所述的一种基于改进的MFCC的心音类型识别方法，其特征在于：步 骤M避免起点正好位于第一心音处，以连续100个点小于心音数据的幅值均值作为判定第 一心音起始点的条件。6. 根据权利要求1所述的一种基于改进的MFCC的心音类型识别方法，其特征在 于：步骤C2将自相关分段后的心音信号进行快速傅里叶变换，然后取平方计算心音 信号的离散功率谱；将频谱能量乘以一组L个三角带通滤波器，求得每一个滤波器输 出的对数能量，共L个；将上述的L个对数能量带入离散余弦变换，求出倒谱域参数：其中{C}即为MFCC参数，P为MFCC的阶数，Pj为第j个功率值参数，j为当前滤波器。7.根据权利要求1所述的一种基于改进的MFCC的心音类型识别方法，其特征在于：步 骤D3中采用的分类器为Iibsvm分类器。【专利摘要】本专利技术公开了一种基于改进的MFCC的心音类型识别方法，包括以下步骤：第一步、心音信号预处理；第二步、心音信号的自相关分段；第三步、心音信号的MFCC提取算法；第四步、心音信号的训练和识别。与现有技术相比较，本专利技术通过改进MFCC这一倒谱域参数，来提取能表征不同类型心音特点的深层次信息，实现正常与几大类异常心音信号的有效识别，且识别精度较高，非常适合临床辅助诊断心血管疾病。【IPC分类】A61B5-00【公开号】CN104706321【申请号】CN201510063813【专利技术人】梁庆真, 彭晶, 周杨, 万潇, 张雅勤, 刘传银 【申请人】四川长虹电器股份有限公司【公开日】2015年6月17日【申请日】2015年2月6日本文档来自技高网...

【技术保护点】
一种基于改进的MFCC的心音类型识别方法，其特征在于：包括以下步骤，第一步.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；第二步.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；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；B4.寻找每个组合段中第一个第一心音的起始点，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；B5.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。第三步.心音信号的MFCC提取算法；C1.预加重滤波器；将心音信号s(n)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.计算分段后得到各个心音信号的MFCC；第四步.心音信号的训练和识别。D1.对采集的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；D2.对训练组和测试组的心音信号进行MFCC特征参数的提取，并保存；D3.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。...

【技术特征摘要】

【专利技术属性】
技术研发人员：梁庆真，彭晶，周杨，万潇，张雅勤，刘传银，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51