基于融合特征提取的心脏杂音分类识别算法比较研究

摘要

心音听诊是一种无创便捷的心脏物理检查方法,病理性心脏杂音的出现预示着心脏功能或结构的损伤,因此,心音分类识别作为开发心音自动听诊系统的技术基础具有重要的研究意义.本文构造了一种新的融合特征集用于心脏杂音的分类识别,该特征集包含了刻画心音时频域、能量、熵和非线性信息的特征参数.预处理后的心音通过小波包变换,能量估计和样本熵计算进行特征提取,再通过主成分分析获得融合特征矩阵,分类识别过程由支持向量机执行,并对常用的四类核函数进行了比较研究,实验结果表明,径向基函数支持向量机获得的识别准确率、特异性和敏感性分别是95.27％、97.99％和92.68％.本文提出的方法对心音自动听诊系统的设计具有指导意义.