文献类型：期刊文章

作　　者：郭兴明[1] 黄林洲[1]

机构地区：[1]重庆大学生物工程学院,重庆市医疗电子技术工程研究中心,重庆400030

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.30770551);重庆市新型医疗器械重大科技专项(CSTC.2008AC5103)

年　　份：2013

卷　　号：49

期　　号：21

起止页码：212-215

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：为提高非线性、非平稳心音信号特征提取的准确性和分类识别的高效性,提出一种基于固有模态函数(Intrinsic Mode Function,IMF)复杂度和二叉树支持向量机(Binary Tree Support Vector Machine,BT-SVM)的心音分类识别方法。对心音进行经验模式分解(Empirical Mode Decomposition,EMD),得到若干反映心音本体特征的平稳IMF分量;利用互相关系数准则对其筛选,计算所选IMF分量的复杂度值为信号的特征;将其组成特征向量输入到BT-SVM进行分类识别。临床数据仿真结果表明,该方法能有效提取心音特征,与传统识别方法相比,具有训练时间短,识别率高等优点。

关 键 词：经验模式分解 心音 复杂度 支持向量机

分 类 号：R318.04[生物医学工程类]