足球比分直播

基于分形理论的心音信号特征分析与分类识别分析.pdf

返回
基于分形理论的心音信号特征分析与分类识别分析.pdf_第1页
第1页 / 共77页
基于分形理论的心音信号特征分析与分类识别分析.pdf_第2页
第2页 / 共77页
基于分形理论的心音信号特征分析与分类识别分析.pdf_第3页
第3页 / 共77页
基于分形理论的心音信号特征分析与分类识别分析.pdf_第4页
第4页 / 共77页
基于分形理论的心音信号特征分析与分类识别分析.pdf_第5页
第5页 / 共77页
点击查看更多>>
资源描述:
中文摘要 I 摘 要 心音作为人体重要 的 生理信号之一,有自己独特的发生机制及特性,包含着心脏系统各种生理和病理信息。它能反映心脏及大血管的机械运动状况 , 是临床评估心脏功能状态的无创而便捷的方法。研究表明,心音信号为确定的非线性信号,且具有明显的分形特性。而现有的心音信号研究大多是建立在心音信号线性时变或时不变模型基础之上的,并不能完全揭示心音信号的内在机制 ,这就需要用非线性的相关理论分析心音。 分形 理论 是非线性学科中 一个 活跃的数学分支,可以很好 地 揭示出非线性过程内在所具有的特殊规律。 本文对心音信号进行基于分形理论的 研究,着重分析心音信号的分形特征,从非线性的角度揭示心音信号的内在特征规律, 从而为心音信号的分析研究提供了一种新的方法。 本文从两个方面提取心音 信 号的分形特征,关联维数和多重分形。单一分形维数着重于从整体上描述分形体的不规则程度,多重分形具有良好的局部分析能力,二者结合从整体与局部的角度同时考虑信号的特征,提高分类识别的准确率。首先,对心音信号进行经验模式分解 empirical mode decomposition, EMD,得 到 一系列固有模态函数 intrinsic mode functions ,IMF, 这些 IMF 分量随着心音信号频率的变化而自适应的变化。 利用互相关系数准则对 IMF 进行筛选,分析 主IMFIMF1IMF4分量的瞬时频率特性,正常心音和异常心音的各个主 IMF 分量的瞬时频率特性存在明显差异,说明经验模式分解能够较好地反映心音信号的细节特征 ,结合 G-P 算法对主 IMFIMF1IMF4分量分别求其关联维数 ,各个主 IMF分量的关联维数构成心音信号识别的特征向量。 其次,分析心音信号的多重分形特性,包括广义赫斯特指数、质量指数和多重分形谱。综合分析这三个多重分形特征,显示心音信号具有多重分 形特性,并且正常心音信号的多重分形特性强于异常心音信号。重点分析多重分形谱的四个特征参量,因各类心音信号的多重分形谱宽度较之于其它三个特征参量有显著的差异,选取多重分形谱宽度作为心音识别的特征向量。最后采用支持向量机 SVM作为分类器,以心音信号主 IMF 分量的关联维数和多重分形谱宽度作为输入向量,从而实现心音信号的自动分类识别。 对采集的正常及五类异常心音信号,包括心律不齐、二尖瓣狭窄、第一心音分裂、主动脉 狭窄 及室间隔缺损等异常心音,采用本文所述方法进行测试。结果表明, 结合主 IMF 分量的关联维数和多重分 形谱宽度 能够 获得较高的识别率,说明分形 理论在揭示 心音信号非线性特征 方面具有良好的特性 ,为后期心音信号的重庆大学硕士学位论文 II 诊断及心音非线性本质的研究奠定了基础。 关键词 心音,分形,经验模式分解,特征提取,分类识别 英文摘要 III ABSTRACT As a vital physiological signal of human body, heart sound has its own unique mechanism and characteristic, which contains much physiological and pathological ination of the human cardiac system. It can reflect the mechanical movement of the heart and great vessels, and it is the basic for clinical assessment of the heart function condition with the advantage of noninvasiveness and convenience. Research shows that heart sound signal is deterministic non-linear dynamical system and has obvious fractal characteristic. But the existing research is based on the linear time-varying and time invariant model for the most part; it can not reveal the internal mechanism of heart sound signal, so it need to use the theory of nonlinear to analyze the heart sound. As an active branch of mathematics in nonlinear science, Fractal theory can well reveal the inherent special property of nonlinear process. This paper analyzes the fractal characteristic of heart sounds signal based on fractal theory, so as to understand the inherent characteristics of heart sound more deeply from the perspective of nonlinear and provides a new for the analysis of heart sound signal. This paper extracts the fractal characteristic of heart sound from two aspects, including the correlation dimension and multi-fractal. Single fractal dimension focuses on the irregular degree of fractal objects for the overall, multi-fractal has good ability of local analysis, considering the characteristics of heart sound from the whole and local all together, and it can improve the classification accuracy. Firstly, using empirical mode decomposition , the heart sound signals are decomposed into several intrinsic mode functions IMFs changed with the frequency of heart sound signal for self-adaption. The main IMF components are chose by using the criteria of mutual correlation coefficient , analyze the instantaneous frequency characteristic of main IMFs IMF1IMF4 components, the instantaneous frequency characteristics of main IMFs has obvious difference between normal heart sounds and abnormal heart sounds, and it shows that the details ination of heart sound signal can be well reflected by means of empirical mode decomposition, and then calculate the correlation dimension of main IMFs IMF1IMF4 using G-P algorithm, the correlation dimension of main IMFs IMF1IMF4 component constitute the feature vector of heart sound signal recognition. Secondly, this part analyzes the multi-fractal characteristics of heart sound signal, 重庆大学硕士学位论文 IV including generalized Hurst index, quality index and the multi-fractal spectrum. Comprehensive analysis on the three multi-fractal characteristics shows that the heart sound signal has multi-fractal properties, and the multi-fractal characteristics of normal heart sound signal is stronger than abnormal heart sound signal. Through the selective analysis of the four characteristic parameters of multi-fractal spectral, select the multi-fractal spectrum width for the vector feature of heart sound recognition as it has significant difference between normal heart sound signal and abnormal heart sound signal compared with the other three multi-fractal characteristic parameters. Finally, the feature vector, the correlation dimension of main IMFs IMF1IMF4 component and multi-fractal spectrum width, is into support vector machine SVM to realize the automatic recognition of the heart sound signals. Collecting signals, including the normal heart sound and abnormal kinds such as, heart sound with arrhythmia, mitral stenosis, aortic stenosis, splitting first heart sounds, and ventricular septal defect, and all of those heart sound signals are tested with the proposed in the paper. The results showed that the features of heart sound combining with the correlation dimension of main IMFs IMF1IMF4 component and multi-fractal spectrum width could get a higher recognition rate,and the fractal theory has good properties for revealing the nonlinear characteristic of heart sound signal, which could lay a foundation for the future research of the essential nonlinearity of the heart sound and the cardiac disease diagnosis. Key words heart sound; fractal; empirical mode decomposition EMD; feature extraction; classification and recognition 目 录 V 目 录 中文摘要 .......................................................................................................................................... I 英文摘要 ....................................................................................................................................... III 1 绪 论 ......................................................................................................................................... 1 1.1 研究背景和意义 ....................................................................................................................... 1 1.2 国内外研究现状 ....................................................................................................................... 2 1.2.1 心音信号的传统特征分析方法 ........................................................................................ 2 1.2.2 心音信号识别研究的现状 ................................................................................................ 3 1.3 分形理论的发展及应用概述 ................................................................................................... 4 1.3.1 分形理论的发展概述 ........................................................................................................ 4 1.3.2 分形理论在生理信号处理中的应用 ................................................................................ 5 1.4 论文的研究内容及结构安排 ................................................................................................... 6 2 心音信号的 经验模式分解 .............................................................................................. 9 2.1 心音信号的基本理论 ............................................................................................................... 9 2.1.1 心音信号的产生机理及特性 ............................................................................................ 9 2.1.2 心音信号的时 频 域特征 .................................................................................................. 10 2.1.3 心音信号的采集及预处理 .............................................................................................. 11 2.2 心音信号的经验模式分解 ..................................................................................................... 12 2.2.1 经验模式分解理论 .......................................................................................................... 12 2.2.2 心音信号的 EMD 分解及主 IMF 分量选取 .................................................................. 13 2.2.3 心音信号的 IMF 分量频谱特性 ..................................................................................... 20 2.3 本章小结 ................................................................................................................................. 23 3 分形理论概述 ....................................................................................................................... 25 3.1 分形的定义及性质 ................................................................................................................. 25 3.1.1 分形的定义 ...................................................................................................................... 25 3.1.2 分 形的性质 ...................................................................................................................... 26 3.2 关联维数及其计算 ................................................................................................................. 27 3.2.1 G-P 算法计算关联维数 .................................................................................................... 28 3.2.2 延迟时间的确定 .............................................................................................................. 28 3.2.3 嵌入维数的确定 .............................................................................................................. 29 3.3 多重分形的定义 ..................................................................................................................... 31 3.4 多重分形去趋势波动理论 ..................................................................................................... 34 重庆大学硕士学位论文 VI 3.4.1 DFA 方法原理 .................................................................................................................. 34 3.4.2 MF- DFA 方法原理 .......................................................................................................... 35 3.4.3 MF- DFA 简化算法的相关理论 ...................................................................................... 36 3.5 本章小结 ................................................................................................................................. 37 4 心音信号的分形特征分析 ............................................................................................ 39 4.1 心音信号关联维数 ................................................................................................................. 39 4.1.1 心音信号关联维数分析 ................................................................................................... 39 4.1.2 基于经验模式分解的心音信号关联维数 ...................................................................... 43 4.2 基于 MF-DFA 的心音信号分析 ............................................................................................ 45 4.2.1 心音信号的 MF-DFA 方法分析 ..................................................................................... 45 4.2.2 心音信号的广义 Hurst 指数分析 ................................................................................... 46 4.2.3 心音信号的 Renyi 指数分析 ........................................................................................... 48 4.2.4 心音信号多重分形谱分析 .............................................................................................. 49 4.2.5 心音信号的多重分形谱特征参数选取 .......................................................................... 51 4.3 本章小结 ................................................................................................................................. 54 5 基于分形特性的心音信号分类识别 ....................................................................... 55 5.1 特征参数的选择 ..................................................................................................................... 55 5.1.1 特征提取与选取原则 ...................................................................................................... 55 5.1.2 心音信号特征选择 .......................................................................................................... 55 5.2 支持向量机理论 ..................................................................................................................... 56 5.2.1 支持向量机理论及多分类支持向量机 ........................................................................... 56 5.2.2 核函数的选择 .................................................................................................................. 59 5.2.3 核函数参数的选取 .......................................................................................................... 59 5.3 心音信号分类识别结果 ......................................................................................................... 60 5.4 本章小结 ................................................................................................................................. 62 6 总结和展望 ............................................................................................................................ 63 6.1 总结 ......................................................................................................................................... 63 6.2 展望 ......................................................................................................................................... 64 致 谢 ...................................................................................................................................... 65 参考文献 ...................................................................................................................................... 67 附 录 ...................................................................................................................................... 73 A 作者在攻读硕士学位期间发表的论文目录 ............................................................................ 73 B 作者在攻读硕士学位期间参加的科研项目 ............................................................................ 73 1 绪 论 1 1 绪 论 心血管疾病已成为诱发人类死亡的主要原因之一, 中国心血管病报告 2012中显示 ,我国每年因心血管疾病导致死亡的人数占 总死亡 总数 的 41,居各类死因之首,并且呈现逐年上升的趋势。如今,医学界正在积极的寻求和探索心血管疾病的诊断和防治的有效手段。 1.1 研 究背景和意义 临床经验表明, 心音 和心血管疾病之间存在生理上的内在联系,心音检测已成为临床上 无创检测冠心病 ,心脏瓣膜病 等心 血管疾 病的有效手段 [1]。心音信号是人体内重要的生理信号之一 [2],它由大血管机械振动和心脏各部分瓣膜开闭形成。在 心血管疾病 初期,心脏中尚未出现 病 理改 变 之前 ,心音 信号 中 出现的杂音和畸变包含着一些重要的诊断信息 [3],这些信息能够反映 心脏各部分 的 功能状态 及心脏的生理和病理信息,因此,心音能够有效地评估心功能状态及诊断心脏疾病。 长期以来,心音听诊是检查心脏疾病的常用方法,但传统的心音听诊技术 依赖于人耳听力的灵敏度和医师的主观经验,其作用较为有限。心音图的出现为心血管疾病的诊断提供了很大的帮助 [4],它可以真实的记录和反映正常心音、异常心音及心脏杂音,但无法对其进行定性及定量的分析。随着计算机和信号处理技术的快速发展,数字心音信号的分析已成为目前心音研究的热点之一,其出现的时频域分析方法 [5,6]及谱分析方法 [7,8],使心音信号特征分析和识别技术得到不断提高。心音信号的特征分析和识别已经成为心血管疾病临床诊断的重要辅助方法之一。 对于心音信号的研究,国内外学者提出了大量分析识别算法 [9,10],从各种不同的角度研究心音信号的特点并提取其特征,进行分类识别研究,这些算法对心脏疾病的诊断具有一定的积极意义。但这些研究大多是基于线性理论基础发展起来的,而心音信号是一种生 理非线性、非平稳性振动信号, 仅对其进行线性近似及相应的分析,并不能完全揭示心音信号的内在机制。研究表明 [11-14],心音信号为确定的非线性信号,且具有明显的分形特性。本文对心音信号进行基于分形理论的研究,作为非线性学科的一个重要分支,分形理论 [15]的研究对象是局部和整体具有自相似性的复杂事物,旨在探索复杂事物内部结构的复杂性。本文重 点分析心音信号的分形特性, 从非线性的角度揭示心音信号的内在特征规律 ,并提取心音信号的分形特征参数,以此作为特征向量对其识别,从而为心音信号的研究提供一种新的方法。 重庆大学硕士学位论文 2 1.2 国内外研究现状 1.2.1 心音信号的传统特征分析方法 只有提取出能反应心音信号本质特性的参数,才能对心音信号进行有效地识别,即高质量的特征提取是心音分类识别基础。随着信号处理与分析技术的发展,国内外学者对心音信号进行时域 、 频域及时频域等方面的分析,但时域分析和频域分析只能从某一个方面揭示心音信号的特征,只对心音信号进行时域或者频域内的特 征值提取,不足以准确的描述心音的特性。时频域联合分析技术因其能够反应信号频率随时间变化的动态特性而成为研究心音信号的重点。在时频域分析方面,国内外相关学者进行了积极的研究,并取得了一定的成果。 M.Akay 等 [16]采用短时傅里叶变换对动脉狭窄的心音
展开阅读全文
收藏
下载资源

加入会员免费下载





足球比分直播