心音信号MFCC特征向量提取方法的优化

• 作者: 周静 应冬文 许春冬 龙清华
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 心音 梅尔频率倒谱系数 独立成分分析 权值优化 支持向量机
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法研究
• 页码范围: 410-418
• 页数: 9页
• 分类号: TN912
• 字数: 4322字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.03.012

摘要

为了提高利用梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCC)特征向量进行心音信号分类的准确率,本文提出以一种基于独立成分分析(independent component analysis,ICA)及权值优化的MFCC特征向量优化方法.首先,通过消除趋势项、降噪、提取心动周期与基础心音分割等步骤对心音信号预处理;接着,对提取的基础心音信号做Mel频谱变换及倒谱分析提取MFCC特征向量,其中用ICA替代离散余弦变换去除分量间高阶量的相关性,同时采用相关系数为权值优化整体混合矩阵;最后,采用F比衡量特征向量贡献率,并以其为权值优化各维特征向量.通过提取MFCC特征向量采用支持向量机(support vector machine,SVM)的分类器识别第一心音及第二心音,并与人工标注心音状态集进行对比.实验结果表明,基于ICA及权值优化的MFCC特征向量在SVM分类器中识别率得到了有效的提升,且优化算法具备一定抗噪性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许春冬	江西理工大学信息工程学院	38	141	6.0	10.0
2	应冬文	江西理工大学信息工程学院	6	16	2.0	4.0
4	周静	江西理工大学信息工程学院	7	3	1.0	1.0
7	龙清华	江西理工大学信息工程学院	6	2	1.0	1.0