基于相空间去噪的心音信号递归定量分析及识别-生物医学工程专业论文.docxVIP

中文 中文摘要 重庆大 重庆大学硕士学位论文 I I PAGE PAGE VI 摘 要 心血管疾病严重威胁着人类的健康。心音是心脏运动所产生的振动信号，蕴 含着与心血管疾病有关的心房、心室、血管和瓣膜等部位的各种信息，所以心音 分析是无创检测心脏病的重要手段。心脏跳动是非线性的，因而决定了心音的复 杂性和非线性。目前人们更多地采用线性的方法对心脏模型进行简化或近似，这 样并不足以完整的揭示生命活动规律。随着科学技术的发展，非线性系统的研究 已取得了很大的进展，这为我们更好地评估心脏状态暗示了一条途径。 心音信号是一种微弱振动信号，在采集的过程中会不可避免的引入干扰噪声， 这会使有用信号成分受到污染，影响后续分析，所以心音的前期去噪显得尤为重 要。传统去噪法一般从线性角度出发，忽略了心音非线性的本质，使其自身的动 力学特性受损，导致后续提取的特征参数不准确，进而影响识别。 针对心音信号非线性的特点，本文提出噪声水平自适应估计的局部投影与离 散小波阈值相结合的去噪方法。该方法建立在相空间重构的基础上，先取较大的 嵌入维，用局部投影降噪去除随机噪声部分，保留了较强信号和微弱信号，然后 取较小的嵌入维，再次用局部投影降噪算法，这时特征值较大的信号为较强的信 号，特征值较小的即为微弱信号，但是微弱信号中还包含一些噪声，而离散小波 阈值去噪可以有效地保留信号信息，所以再用离散小波阈值降噪将此噪声去除， 即可得到较完整的心音信号。对实测的心音信号进行分析，结果表明该方法能有 效地抑制噪声，通过去噪前后最大 Lyapunov 指数的计算，判断出该方法能很好地 保留原始信号的非线性特征。 从非线性动力学系统的基本特征出发，选取临床采集的正常及两类异常心音 信号为对象，对去噪后的心音信号进行非线性分析，包括基于递归图的递归定量 分析和混沌特征量 Kolmogorov 熵的研究，并从中选取了递归率、确定率、最长对 角线及 Kolmogorov 熵 4 个特征指标组成特征值向量，再通过主成分分析压缩特征 值向量，然后根据该压缩了的特征值向量建立不同类别心音各自的联合概率密度 分布模型，并设定判别阈值，可以对心音类型进行辨识。 关键词：心音，递归定量分析，Kolmogorov 熵，去噪，分类识别 英文摘 英文摘要 重庆大 重庆大学硕士学位论文 III III PAGE PAGE IV ABSTRACT Cardiovascular disease is a serious threat to human health. The motion of the heart send a vibration signal called heart sounds, which contain many information associated with the heart, such as atrial, ventricle, blood vessels, valves and so on. So heart sounds analysis is an important means for non-invasive heart disease diagnosis. Heart beating is nonlinear, which determines the nonlinear characteristics and complexity of the heart sounds. There is a greater use of the linear method to simplify or approximate the heart model at present, but it can not fully reveal the regular of the life activities. With the gradual boost of science and technology, the research of nonlinear system has made significant progress. This suggested a way to better evaluate cardiac status for us. Heart sound is a kind of weak vibration signal. In the acquisition process, it is inevitable to introduce interference noise, which would pollute the useful signal components, thus affect the subsequen