基于EMD关联维数和多重分形谱的心音识别.pdfVIP

学兔兔 第35卷 第4期 仪 器 仪 表 学 报 V0l_35 No．4 2014年4月 Chinese Journal of Scientific Instrument Apr．2014 基于EMD关联维数和多重分形谱的心音识别 郭兴明，张文英，袁志会，何彦青，李传鹏 (重庆大学生物工程学院 生物流变科学与技术教育部重点实验室 重庆 400044) 摘 要：心音是一种高度非线性、非平稳性的振动信号，传统的线性分析方法不足以揭示其内在特征，提出了一种基于EMD关 联维数和多重分形谱的心音分类识别方法。首先通过EMD将心音信号分解成若干个IMF，利用互相关系数准则对其进行筛选 以得到主IMF分量，并利用G．P算法求主IMF分量的关联维数；然后分析多重分形谱的4个特征参数，其中多重分形谱宽度的 差异性最大，将它结合主IMF分量的关联维数，作为二叉树支持向量机的输入向量实现对临床采集的正常心音和5类异常心音 信号的分类识别。结果表明，该方法能有效地提取心音特征，同时提高了心音信号的识别率。 关键词：心音；经验模式分解；关联维数；多重分形谱 中图分类号：R318 TH77 文献标识码：A 国家标准学科分类代码：310．61 Heart sound recognition based on EMD correlation dimension and multi—fractals pectrum Guo Xingming，Zhang Wenying，Yuan Zhihui，He Yanqing，Li Chuanpeng (College of Bioengineering，Chongqing University，Key Laboratory of Biorheological Science and Technology，Ministry ofEducation，Chongqing 400044，China) Abstract：Heart sound is a kind of highly nonstationary and nonlinear vibration signal，traditional linear analysis methods can not fully reveal its internal characteristics．In this paper，a new heart sound classification recognition method based on empirical mode decomposi— tion(EMD)correlation dimension and multi-fractal spectrum is proposed．Firstly，heart sounds are decomposed into a finite number of intrinsic mode functions(IMFs)using EMD．The main IMF components are selected using the criteria of mutual correlation coefficient， and the G—P algorithm is used to calculate the correlation dimension of the main IMF components．Secondly，four characteristic parame— ters of multi-fractal spectrum are analyzed，in which the multi—fractal spectrum