高阶统计量在心音信号检测与分析中的应用

介绍一种心音信号检测系统和采用高阶统计量对信号进行分析的方法，首先根据心音信号的特点，讨论了信号检测系统的结构，在信号处理方面，采用现代谱估计方法对心音信号进行谱分析，在此基础上提出应用双谱技术分析心音信号，检测信号的相位耦合信息，进而说明利用高阶统计量能够在高斯噪声背景下大大提高信号检测能力，最后，给出心音信号的双谱估计结果，从中可以得到一般功率谱分析无法得到的有关信息，为心音信号的自动分类提供     

基于混沌特性的复合心音发生器的设计与研究

产生合成心音信号在教学、科研中都有一定的实际应用价值, 本文提出一种复合心音发生器。首先分析心音的产生机理和混沌特性,提出复合心音的合成原则,然后从心音的混沌特性出发构建一种心音发生器,它包括左侧心音产生子模型和右侧心音产生子模型,对它们的输出波形进行合成处理,从而得到一组幅值、周期都可调的合成心音信号。通过对合成心音信号的时频特征和混沌特征进行分析,结果表明,该合成心音信号与实际心音信号具有很高的相似度,可以基本满足教学和科研 的需求。     

基于高阶统计量的心音特征提取与分类研究

心脏听诊是先心病初诊的主要手段,由此可见心音含有重要的诊断信息.研究利用高阶统计量的ARMA模型直接提取先心病心音信号的特征,利用K近邻,决策树,贝叶斯分类器对其进行分类识别,并与用梅尔对数系数提取特征的方法进行了对比.实验测试结果为灵敏度0.88,特异度0.83,准确度0.855,优于其它算法.上述算法还省去了一般预...     

HILBERT包络法在心音身份识别中的应用

在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音.然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别.     

基于小波分析和神经网络的心音信号研究

针对传统的冠心病诊断方法具有不准性或有创性问题,积极广泛开展冠心病无损检测的研究,提高诊断准确性,为大众提供方便可行的检测手段是十分必要的。在分析冠状动脉堵塞与心音信号关系的基础上,研究心音信号的预处理,对心音信号进行去噪和定位分段;利用ARMA模型及功率谱估计对心音信号进行分析研究,提取冠心病病理特征;通过神经网络对心音信号进行分类,实现冠心病的智能无损诊断。实验结果表明,采用上述方法进行冠心病无损诊断准确率达到85.1%,为临床上的冠心病的无损诊断提供了应用基础。     

深度卷积神经网络在心音分类方法中的应用

通过分析心音信号对心脏早期的病理状态进行确诊具有重要的意义。提出了一种基于深度卷积神经网络的心音分类方法。将心音信号转化成具有时频特性的梅尔频谱系数（Mel Frequency Spectral Coefficient,MFSC）特征图,将其作为深度卷积神经网络模型的输入;利用深度卷积神经网络对MFSC特征图进行训练,引入中心损失函数建立最优的深度学习模型;测试阶段,先将心音信号转换成多张二维MFSC特征图,然后利用训练好的深度学习模型对其分类,最后利用多数表决原则判断心音信号的类别。针对人工标注的训练样本有限,导致模型训练正确率不高的问题,以心音的二维MFSC特征图为对象分别从时间域和频率域进行随机屏蔽处理进而扩充训练样本。实验结果表明,该方法在PASCAL心音数据集上进行测试,对正常、杂音、早搏三种心音的分类性能明显优于现有最好的方法。     

基于两级神经网络的心音分割

心音信号是分析诊断心脏疾病的重要信号,而心音分割是对其进行分析处理之前必不可少的一步。本文通过将心音分割任务分离为定位与识别两个子任务,提出一种两级卷积神经网络,由定位网络和判别网络两级构成,分别完成心音信号的识别与定位。首先将原始信号通过滑动窗口进行分帧,然后通过短时傅里叶变换得到其频谱,再通过梅尔滤波器得到其梅尔频谱系数（Mel frequency spectral coefficient, MFSC）特征,输入第1个定位网络对其是否为心音段进行判断,如果是的话,再输入判别神经网络,识别第一心音与第二心音,从而实现心音的分割。最后利用多帧结果投票,减小误判。同时,在卷积神经网络中引入空间注意力机制,实验结果表明,这种加入了注意力机制的两级神经网络模型在心音分割任务上比使用单个卷积神经网络分类模型的准确率更高,也使得模型更加简单,轻量化。     

心音检测识别技术在汽车主动安全中的应用

提出了一种基于心音特征分析的汽车主动安全技术,探讨利用心音信号对驾驶员现场健康状况进行监测的可行性和具体实施方法.首先分析了心音信号与汽车背景噪声的特点,提出了汽车环境中的心音信号模型,据此设计出一种汽车主动安全的汽车心音采集装置,然后给出了一种基于独立子波函数的心音信号分类识别方法.讨论了心音独立子波函数的构成准则,获取心音独立子波函数的算法,以及如何将心音独立子波函数作为一种新的统计特征参数,并且给出了一种心音确定度的新概念.最后通过一个实际的心音采集与分类识别实验,验证了本文方法的有效性和可行性.     

基于小波分析和概率神经网络的心音诊断研究

心音对大多数心血管疾病具有极高的临床诊断价值,对心音信号进行分析有助于临床上对心脏疾病的诊断。为了利用计算机智能分析心音信号,提出利用多尺度小波分解消除信号中的噪声,从各频带提取特征值,用概率神经网络（PNN）来进行心音信号的自动分析诊断。用Matlab仿真的方法测试了5种不同类型心音信号的分类情况,结果表明该方法可行。     

心音信号的测量与处理

阐述了心音信号的产生机制及成分,分析了心音信号的采集和预处理,最后对近年来心音信号的识别和分类进行了简要的说明。     

驾驶疲劳脑电信号的双谱特性分析

基于脑电信号的非高斯、非线性特性,采用非常有效的双谱分析方法来分析驾驶过程中的脑电信号。首先将驾驶2小时的脑电数据按一定的时间间隔分为6段,然后利用自回归（AR）模型双谱分析方法分析这些信号,研究不同时刻这些信号双谱结构的变化。分析结果显示,驾驶不同时刻的脑电双谱结构有很大差异,表明双谱分析方法有望成为驾驶疲劳检测的一个指标。     

参数化双谱估计在中医脉象信号识别中的应用

采用AR模型参数化双谱估计法对15例吸毒者和15例正常人的脉象信号进行了参数化双谱估计,在得到每一例脉搏波的归一化双谱幅值对角切片后,应用K L变换得到30个样本特征矢量,利用这些特征矢量和BP神经网络对两类脉象数据进行分类,得到平均的正确识别率高达96.7%,研究结果表明应用双谱对角切片作为脉象信号特征矢量,利用BP神经网络对海洛因吸毒者和正常人的脉象信号进行分类,具有很高的识别率.     

焊接缺陷超声检测回波信号的双谱分析

针对焊接缺陷超声检测中信号处理的特征提取问题，应用高阶谱方法对三类压力容器焊接缺陷的超声回波信号进行了分析，在焊接缺陷超声检测中，回波信号的相位携带有被检对象重要的结构特征信息。高阶谱方法与常规的功率谱分析方法不同，它不仅有振幅而且包含有相位，能揭示常规功率谱分析所不能表现的重要信息。本文应用高阶累积量技术对缺陷回波信号进行双谱分析，提取出缺陷回波基于双谱的平均相位信息作为特征参量，取得了较好的识别结果。     

双谱在城市地下燃气管道泄漏检测中应用研究

由于城市地下燃气管网压力较低,环境噪声复杂,泄露信号微弱,使得泄漏信号难于用基于二阶累积量理论的信号处理手段检测。根据高阶累积量及双谱理论,将双谱应用于高斯噪声下的非高斯信号检测,通过直接法得到双谱的估计值,并利用二维窗来提高双谱的频率分辨率,然后根据实际情况建立了相应的假设检验模型。实验结果表明,该方法可有效地检测出低压燃气管网的泄漏信号,检测距离不小于20m。     

基于指纹识别的通信电台识别仿真算法研究

研究电台准确识别的问题。在准确跟踪敌台活动、检测有效信息的过程中,由于信号受到哭声影响,实现识别较难。当待识别电台是相同调制模式和型号的不同电台个体,发射信号的差别非常细微。传统的关于暂态信号的识别方法是利用瞬间的暂态信号提取细微特征信息,造成信号的信噪比不高,不能正确识别电台信号。为了解决上述难题,提出了应用电台指纹的电台识别技术,通过对电台的稳态信号进行分析,计算信号的双谱特性,采用方形双谱和核主元分析算法,提取出信号中细微的指纹信息,通过分析电台的指纹信息完成电台的识别。实验表明,这种方法能够准确将差别细微的电台识别出来,避免传统方法信噪比不高的问题,保证了电台识别的准确率,取得了满意的结果。     

正交信号校正的自回归模型及其在动态过程监测中的应用

针对采样数据的自相关性, 提出一种基于自回归(AR) 模型的动态过程建模方法. 首先, 利用正交信号校正(OSC) 消除用于AR模型回归的两数据集间的正交不相关信号; 然后, 在处理过的数据上进行偏最小二乘(PLS) 回归建模. 该方法对模型潜隐成分和残差信息同时进行在线监测, 并借鉴贝叶斯推理方法将多个监测指标进行融合, 以易化触发故障警报的决策过程. 最后通过在田纳西-伊斯曼(Tennessee Eastman, TE) 过程上的仿真实验验证了所提出方法的有效性.

     

基于形状标记和双谱分析的图像形状特征提取

针对严重滑动磨粒、疲劳剥块和层状磨粒等磨粒的图像识别问题, 提出了基于形状标记和双谱分析的图像形状特征提取方法. 首先根据中心距离函数、累积角函数、最远点距离函数和三角形区域表示等4种形状标记方法, 将二维磨粒图像转换为一维信号表示; 然后对一维信号进行双谱分析, 得到形状的归一化双谱; 最后在归一化双谱域内, 根据双谱积分和双谱矩计算双谱不变量, 得到图像的76维形状特征, 涵盖了形状的整体特征、角度变化信息、角点信息和轮廓细节信息等. 为了有效评价所提方法的有效性, 在MPEG-7 CE Shape-1 Part B数据集和Swedish leaf数据集上进行了形状识别能力实验与抗噪声能力实验. 实验结果表明, 所提方法能够有效提高双谱分析用于形状识别时的识别准确率和抗噪声能力.     

基于高阶统计量和星座图的通信制式识别研究

针对实际工程中基于高阶累计量的调制方式识别方法对信噪比要求较高且对部分调制方式识别率低的问题, 本文提出了基于双谱分析和星座图相结合的一种新的调制方式识别方法。基于高阶累积量提取特征值,进一步对取得的累积 量特征值求傅里叶变换得到接收信号的双谱分析,对QPSK、OFDM和QAM调制信号进行分类识别,对于QAM调制中的 16QAM、32QAM和64QAM调制方式再依据星座图结果进行识别。通过实验数据表明,此调制方式识别方法识别率较高,高 阶谱分析对信噪比要求低。     

短丝纤维卷绕牵伸齿轮箱故障信号的图像特征提取方法

针对短丝纤维卷绕牵伸齿轮箱故障信号不易提取的问题,提出了基于图像纹理信息的特征提取方法。通过对齿轮箱振动信号进行小波包双谱分析,获得具有稳定纹理信息的振动信号双谱图,采用基于小波变换对双谱图进行图像融合,提高图像的综合纹理特征。采用灰度共生矩阵的四个特征参数对振动信号的双谱图进行加权融合特征提取。在短丝生产线上对齿轮箱常见的齿轮破损和裂纹进行了实验分析,结果表明本文方法的故障识别率达到85%以上。     

FIR方法在维纳滤波器设计中的应用与仿真

基于最小均方误差准则,得到维纳-霍夫方程,并利用FIR(有限冲击响应)方法求解,进而得到维纳滤波器的传递函数。在MatLab环境下,基于一阶AR(自回归)模型生成原始信号,对维纳滤波器进行设计和仿真,并分析抽样点数、AR模型参数、信噪比和滤波器阶数对滤波效果的影响。仿真结果表明,增大抽样点数和信噪比以及减小AR模型参数,滤波效果增强;增大滤波器阶数,滤波效果先增强后减弱。