【摘 要】
：
目前,心血管疾病是我国患病人数最多的一种病症,其死亡率在全国居民患病类型中处于首位。心音信号中含有表征心脏功能的特征信息,可用于心血管疾病的预防与诊断。本文从原始心音信号进行分析,利用心音信号的时频特征,以心音降噪与心音分类为主要内容进行研究,主要工作与贡献如下。（1）在心音降噪方面提出了一种基于CEEMDAN与最优小波的心音降噪方法。针对小波去噪中高频有效信息丢失问题,引入了CEEMDAN自适应
论文部分内容阅读
目前,心血管疾病是我国患病人数最多的一种病症,其死亡率在全国居民患病类型中处于首位。心音信号中含有表征心脏功能的特征信息,可用于心血管疾病的预防与诊断。本文从原始心音信号进行分析,利用心音信号的时频特征,以心音降噪与心音分类为主要内容进行研究,主要工作与贡献如下。（1）在心音降噪方面提出了一种基于CEEMDAN与最优小波的心音降噪方法。针对小波去噪中高频有效信息丢失问题,引入了CEEMDAN自适应分解算法改善了信号失真;针对小波基参数选取困难问题使用了最优小波算法自适应选取最优小波基。首先,将原始心音信号利用CEEMDAN算法进行分解,获取它的各阶IMF分量;其次,利用自相关函数法判断IMF分量的阈值分界点,舍去噪声主导的IMF分量,对混叠模态分量使用最优小波方法进行降噪;最后,将降噪后的IMF分量与低频IMF分量进行信号重构获取降噪心音信号。本文降噪方法在三种数据集上均取得良好的降噪效果,验证了本文降噪算法的有效性。（2）在心音分类方面提出了一种基于CNN-LSTM的心音分类方法。针对传统心音分类器一般需要先进行分割处理再提取心音特征问题,使用了基于神经网络的心音分类方法,无需进行心音分割,也可以达到良好的分类效果。本文基于深度学习的方法分别搭建了CNN、LSTM、CNN-LSTM三种心音分类模型,并对此三种模型的分类效果作出评估,使用了两种心音数据集验证分类效果,其中数据集A先利用了本文提出的CEEMDAN与最优小波的降噪方法进行了降噪处理,数据集B为原始心音数据集。本文利用MFCC算法提取心音信号特征,将特征向量送入三种分类器分别进行训练并测试其性能。实验结果表明本文设计的三种分类器在数据集A上均取得90%以上准确率,与同样使用数据集A的其它方法进行对比,结果表明本文分类方法具有更高的准确率,可以证明本文分类方法的有效性;数据集B为小样本数据集,不具有普适性,但可以验证本文分类模型的效果,数据集B在三种模型上均取得97%以上准确率,可以证明本文分类模型具有有效性。
其他文献
恶性肿瘤,也称为癌症,是一种与基因突变有关的复杂疾病,普遍存在人体的各个组织中,一直以来都是全世界范围内的公共问题。科学家和临床医生长期以来积极地与癌症及其伴随疾病做斗争,但各国的癌症发病率仍逐年升高。随着医疗技术水平的不断进步,各种抗肿瘤药物相继研发,癌症患者的生存时间和状况得到了很大的改善。但晚期癌症至今仍无治有效的治愈方法,只能通过相关技术手段延长患者的生命。相比于癌症晚期患者,癌症早期患者
随着互联网的普及和信息技术的快速发展,越来越多的人通过社交网络进行日常的沟通交流和信息获取,社交网络已经成为人们生活中不可或缺的一部分。信息在社交网络中的传播速度极快,社交平台上的热搜事件很可能只是在几分钟前才发生的,并且信息的扩散范围也很广,理论上可以覆盖整个网络。由于新用户的不断加入,社交网络的规模逐渐庞大,其中的内容和数据日趋丰富。基于以上特点,不少商家开始在社交网络中进行病毒式营销,以推广
由于网络的蓬勃发展,图像数据资源呈爆发式增长,面对海量的数据资源,传统的图像检索方法检索效率慢且检索性能低,已经无法满足应用要求,所以如何在大规模图像数据资源中高效、快捷、精确地检索用户需要的图像已成为热门话题。近年来,深度学习技术蓬勃发展,为图像检索技术的进步提供了强大的助力。目前,深度学习与哈希算法的结合已成为现代图像检索算法的新潮流:一方面哈希算法是图像检索中最普遍最常用的近似最近邻搜索技术
随着近些年来互联网技术的蓬勃发展,人们的物质生活得到了较大的改善。然而,现实中伴随科技发展的是诸多的信息安全问题,譬如,信息在传输过程中被盗取、篡改,这已经成为通信领域内的热点问题。现阶段经典的公钥密码算法受限于算法复杂度高等缺陷,难以满足通信环境日益复杂的需要,针对这一问题新一代抗量子计算机算法应运而生。为了克服传统算法密钥存储量大等问题,文中在总结了现阶段基于线性码的McEliece公钥密码方
随着计算机的普及和数字信息处理技术的高速发展,人们对图像质量的要求不断提高。数字图像因其记录快捷、信息量大及传输便利等优点成为计算机时代最重要的信息载体。然而,数字图像在获取过程中常常受到散射介质（如雾、霾及水体等）的影响,使得到的图像不同程度地存在细节丢失、颜色失真、对比度降低等问题,从而造成图像的降质,如此将影响特征提取、目标识别和分类等后续图像处理操作。为此,文中以降质图像中常见的含雾图像和
图像增强是图像处理领域的重要分支,其作用是根据用户需求有针对性地突出或保留图像的特征信息,以达到提升图像质量的目的。随着计算机视觉技术的飞速发展和人们对高质量图像需求的不断提高,图像增强技术涉及的研究领域日益广泛。当前阶段,低能见度图像增强是图像增强技术中的研究热点,受到了国内外众多科研工作者的关注。为此,文中在借鉴了图像增强领域的相关理论和研究成果后,对低能见度图像中的大气图像（含雾图像）和水下
最优化问题一直是计算机工程领域内的关键任务。目前,越来越多复杂的优化问题已不适于使用传统优化技术求解。智能优化算法以其寻优能力强、灵活性高、鲁棒性强等优点被广泛的用于求解最优化问题。研究者已经提出了诸多经典的高性能的智能优化算法,比如粒子群算法、遗传算法、鲸鱼算法等。阴阳对优化（YYPO）算法是最近提出的一种高性能的轻量级智能优化算法,但其在优化过程中存在容易陷入局部最优、搜索精度不够、初期分布影
近年来,由于人工智能在众多的场景中为人们提供了便捷的服务,因此人工智能的发展和使用受到了更多人的青睐。群智能作为人工智能的一种,因其不依赖于训练集的特点,而成为人工智能研究中不可或缺的一部分。随着NP-hard难题的日益突出,群体智能的研究越发受到关注。NP-hard难题在现实应用领域中很难找到全局最优值。此类问题中可能存在的潜在解决方案的数量往往是无限的。在这种情况下,在一定的时间范围内找到有效
合成孔径雷达（Synthetic Aperture Radar,SAR）是一种对地观测系统,能够快速获取目标信息并对目标进行高分辨率成像,且具有全天候、全天时工作能力,在军事和民用等领域得到了广泛的应用。作为SAR领域的研究热点之一,SAR图像解译技术能够完成SAR图像中目标的检测、识别、分类和分割等任务。近年来,随着深度学习的迅速发展,光学图像领域的图像语义分割技术已取得显著成绩,该技术也推动了
随着网络技术飞速的发展,网络资源总量呈指数型增长,信息过载问题也愈演愈烈,面对如此海量且繁杂的数据,用户很难快速找出需要的信息,推荐系统能够有效缓解这一问题。个性化推荐系统通过各种数据挖掘技术解析用户的日志信息,给用户推送其偏爱的信息。推荐领域里推荐算法设计的好坏很大程度上决定了推荐性能的高低和用户的使用感受,因此对推荐算法的研究与改进有重要的意义。在多种个性化推荐算法里,二部图网络结构的推荐算法