IMF复杂度特征在心音信号分类识别中的应用

• 作者: 郭兴明 黄林洲
• 来源期刊: 计算机工程与应用
• 学科: 医学
• 关键词: 经验模式分解 心音 复杂度 支持向量机
• 年，卷（期）: 2013,（21）
• 所属期刊栏目: 信号处理
• 页码范围: 212-215
• 页数: 4页
• 分类号: R318.04
• 字数: 4202字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1202-0135

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭兴明	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	87	802	16.0	24.0
2	黄林洲	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	2	4	1.0	2.0