基于希尔伯特振动分解的心音身份识别算法.pdfVIP

基于希尔伯特振动分解的心音身份识别算法 任方琴赵治栋 杭州电子科技大学通信工程学院，浙江杭州310018 摘要：心音信号是典型的非平稳信号，该文提出了基于希尔伯特振动分解的心音信号分析方法。 将心音信号分解为一组自适应谐波分量作为特征参数进行身份识别。对码本大小为60的心音数 据库进行实验，结果识别率到达93.3％，证明了这个方法的有效性。 关键词：心音身份识别；希尔伯特振动分解；谐波分量 TP391.41 A 杭州电子科技大学学报 2012年 旺(￡)-A(z)][重(t)+A。(t)A2(t)cos(2 以‘)=五(‘)+——————————i两J————————一 ， (3) (2)对解析信号的瞬时频率厂(t)应用低通滤波或定积分获取当前幅值最大谐波分量对应的瞬时频 率Z(￡)；以后者为例，在区间[0T=1／饶-A)]内做定积分，可证明得积分为0‘7|。 (3)通过同步检测和低通滤波提取当前幅值最大谐波分量相应的幅值A。(t)和相位0，； 将初始谐波信号分别与两参考正交信号相乘，同相输出Z。(t)和正交相输出z2(t)如下： z，(t)2军[A-(t)c。s(2芤Jz(t)dt+e·)]cos(2兀jir￡)dt) =下1 (4) 7c (5) A。：。(t)[_sin(oh)+sin(2if,：，(￡)+，(￡))dt+oh)] z：(t)=了1 f 通过低通滤波器滤除式5，6后半部分，可得瞬时幅值A，(t)和相位0，： fz，(t)=≯。(t)cos0， ∽：≥㈤咖啡 @’ JZl(t)2+Z2(t)2 fA。(t)=2 。’ ior=…粕器 (4)从原始信号中减去当前检测出的幅值最大谐波分量，获取残差值作为新的待检信号替代原始 信号，为下一步迭代准备。 (5)重复步骤(1—4)，直到满足迭代停IE条件。 w。(t)dt 原 图1 HVD方法框架图 2心音信号的lⅣD分析 考虑心音信号幅值和频率的非稳定性，可以把它看作非平稳多谐波信号：选取心音数据库中的某个 用户，并得到其连续2个心动周期的HVD谐波分量，如图2所示(图2中只显示部分点数)；然后取其不 同3个用户心音相同条件下400点对比3者第一谐波分量如图3所示。由图2，3可知：不同心动周期 内变化趋势是一致的，重合度很高；而对不同人峰值的幅度，主峰范围和顶峰所在点的差异性都较大，可 区分性高。 第4期 任方琴等：基于希尔伯特振动分解的心音身份识别算法 27 髫0． 謦 妊．0- 鲻o．铲—驾—』Lj趾—啦—平 搽‘0．5L—————。—————。—————．—————．—一 。．犟 螋 zQQ 酗 鲤 印 笋O5厂—————————————————。———可’ b：E二二二二=二二] 600