自适应噪声完备经验模态分解排列熵结合支持向量机的心音分类方法研究 |
| |
引用本文: | 刘美君,吴全玉,丁胜,潘玲佼,刘晓杰.自适应噪声完备经验模态分解排列熵结合支持向量机的心音分类方法研究[J].生物医学工程学杂志,2022(2):311-319. |
| |
作者姓名: | 刘美君 吴全玉 丁胜 潘玲佼 刘晓杰 |
| |
作者单位: | 江苏理工学院电气信息工程学院生物信息与医药工程研究所 |
| |
基金项目: | 国家自然科学基金青年项目(62001196);;江苏省重点研发计划项目(BE2019317,BE2020648); |
| |
摘 要: | 针对心音信号非平稳性、非线性的特征,为了更直观地把心音信号的特征显示出来,提高分类识别的高效性,提出了一种自适应噪声完备经验模态分解(CEEMDAN)排列熵作为心音信号的特征向量,通过支持向量机(SVM)进行心音分类识别的方法。首先,将原始心音信号进行CEEMDAN,得到若干从高频到低频的模态分量(IMF)。其次,利用IMF分量与原始信号的相关系数、能量因子和信噪比来优选IMF做Hilbert变换,得到分量信号的瞬时频率,再计算各IMF排列熵值组成特征向量。最后,将特征向量输入SVM二分类器进行正常与异常心音信号的分类识别。对源自2016年PhysioNet/CinC挑战赛的100例心音样本进行正常与异常的分类,准确度达到87%。研究表明本文方法相比于常用的EMD和EEMD排列熵的方法准确度提高了18%~24%,可见,CEEMDAN排列熵结合SVM的方法能够有效识别正常和异常心音。
|
关 键 词: | 心音分类 自适应噪声完备经验模态分解 排列熵 支持向量机 |
|