基于改进的MFCC与CNN心音信号 识别方法的研究

• 作者: 王佳佳 熊飞龙 江西理工大学能源与机械工程学院
• 来源期刊: 计算机测量与控制
• 学科: 其他
• 关键词: 心音分类;MFCC;滤波;PCA;CNN
• 年，卷（期）: 2024,（12）
• 页码范围: 201-207,215
• 页数: 8页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2024.12.029

摘要

心音分类在心血管疾病的早期检测中起着至关重要的作用，特别是对小型初级卫生保健诊所、缺少专业人员陪护的家庭等检测；为提高心音信号数据类别间的可辨别性，提出了一种改进MFCC方法提取数据特征，并与PCA算法组合，作为样本输入CNN模型进行分类；对心音信号数据集进行降噪与下采样，减少数据量及噪声影响，利用改进的MFCC对其进行特征提取，并利用PCA算法进而抽取相关特征；为验证不同特征数据集以及不同滤波算法在提取心音数据特征数据集方面对分类过程及分类结果所产生的影响，将其分别输入CNN模型进行训练；经实验验证，改进的MFCC特征+PCA算法与传统的MFCC相比较，可提高训练模型的训练速度，同时也可提高识别率。