EMD算法分析心音信号.docxVIP

心音信号的EMD算法分析 摘要：一个新的无心电图参考的无监督、低复杂度的检测S1和S2心音成 分的方法被提出。该心音分割算法将心音信号分为四个部分：第一心音，收缩 期期，第二心音和舒张期。该算法使用经验模式分解（EMD）在时间域产生心 音的强度包络。所提出的算法的性能已使用100个数字心音记录包括正常和异 常心音的14000个心脏周期评估。该算法已显示出超过90%的正确率。 关键词：心音描记法，听诊，第一心音，第二心音，收缩期，舒张期杂音，经验模式 分解，分割。 一引言 心血管系统造成的杂咅和畸变的许多病理条件听起来多比Z前他们反映的 其他症状多，如心电图（ECG）信号的变化［1］。虽然心电图和超声检查广泛用于心血管病 的防治诊断，首先由医生进行了听诊心脏声音分析的老年艺术来评价心脏的功能状态。然而, 诊断很少单独基于听诊，市于该听诊是主观的而且髙度依赖于解释器的技能的事实。然而普 通医生还是要采用有效和客观的手段做一个简单的初步检查，在疑似病人对能被送到心脏科 医生作进一步检查之前。 听诊观察者试图分开听和分析心咅，然后合成心脏功能。一个心动周期中，应该确定的 重要组成部分是：在第一心脏声音（S1），收缩期期间，第二心脏声音（S2）,和舒张期 在这个序列中的时间。重要特征应该被量化，包括节律、定时时刻和心脏声咅分量的相对强 度，S2的分裂，杂音或其他额外的声音的存在以及杂音或其他