基于MFCC与GFCC混合特征的先心病心音分类研究

摘要

为提高心音信号的分类准确率,提出一种基于梅尔频率倒谱系数与Gammatone频率倒谱系数的混合特征(MFCC与GFCC混合特征)的先心病心音信号分类算法。首先用db6小波双参数可调阈值函数对心音信号降噪,再用基于逻辑回归的隐半马尔可夫模型自动分段以提取单个心动周期;然后对信号加汉宁自卷积窗并提取心音的MFCC与GFCC混合特征,再用主成分分析法进行降维,以减少计算量;最后采用深度学习模型Inception v4进行分类识别,并与其它传统识别方法做了分类比较研究。用所提出的方法对1600例心音样本进行了分类测试,实验结果表明,上述方法对先心病心音的分类准确率比传统识别方法有明显提高,分类准确率达91.25%。