小波包与的混沌集成的心音特征提取及分类识别.pdf

第33 卷 第9 期 仪 器 仪 表 学 报 Vol. 33 No. 9 2012 年9 月 Chinese Journal of Scientific Instrument Sep． 2012 小波包与混沌集成的心音特征提取及分类识别* 1 1 2 1 1 郭兴明 ，丁晓蓉 ，钟丽莎 ，雷 鸣 ，翁 渐 (1 重庆大学生物工程学院 重庆 400044 ;2 泸州医学院 泸州 646000) 摘 要:针对心脏疾病诊断过程中心音识别的难点，提出了一种结合小波包分析及混沌的特征提取的心音识别方法。首先分 析统计了心音信号的小波包能量特征，然后选取小波包分解中能表征心音信号特征的分量进行混沌分析，计算了最大Lyapunov 指数和关联维数;最后以这些参数构成特征矢量作为支持向量机的输入，对临床采集到的65 例正常及有心脏疾病的心音信号 进行识别分类。结果表明，结合小波包分析和混沌的特征参量，较传统的分类识别方法具有更高的识别精度，说明非线性混沌 特征能够较有效地表征心音信号的特征，为下一步临床心脏疾病的更准确诊断奠定了基础。 关键词:心音信号;小波包;混沌理论;能量特征;分类 中图分类号:TN911． 72 文献标识码:A 国家标准学科分类代码:510 ． 40 Heart sound feature extraction and classification based on integration of wavelet packet analysis and chaos theory 1 1 2 1 1 Guo Xingming ，Ding Xiaorong ，Zhong Lisha ，Lei Ming ，Weng Jian (1 College of Bioengineering ，Chongqing University ，Chongqing 400044 ，China ;2 Luzhou Medical College ，Luzhou 646000 ，China) Abstract :Aiming at the difficult point of heart sound recognition in heart disease diagnosis process ，a new method of heart sound feature extraction and classification is presented based on integration of wavelet packet analysis and chaos theory． Firstly ，the wavelet packet energy features of heart sound signal are acquired． Then the main components that can represent the features of the heart sound signal in the wavelet packet decomposition are analyzed with chaos theory ，and the largest Lyapunov exponent and number of correlation dimensions are calculated． Finally ，these pa- rameters constitute the feature vectors ，which are used as the inputs of support vector machine to