10.16798/j.issn.1003-0530.2019.03.012
心音信号MFCC特征向量提取方法的优化
为了提高利用梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCC)特征向量进行心音信号分类的准确率,本文提出以一种基于独立成分分析(independent component analysis,ICA)及权值优化的MFCC特征向量优化方法.首先,通过消除趋势项、降噪、提取心动周期与基础心音分割等步骤对心音信号预处理;接着,对提取的基础心音信号做Mel频谱变换及倒谱分析提取MFCC特征向量,其中用ICA替代离散余弦变换去除分量间高阶量的相关性,同时采用相关系数为权值优化整体混合矩阵;最后,采用F比衡量特征向量贡献率,并以其为权值优化各维特征向量.通过提取MFCC特征向量采用支持向量机(support vector machine,SVM)的分类器识别第一心音及第二心音,并与人工标注心音状态集进行对比.实验结果表明,基于ICA及权值优化的MFCC特征向量在SVM分类器中识别率得到了有效的提升,且优化算法具备一定抗噪性能.
心音、梅尔频率倒谱系数、独立成分分析、权值优化、支持向量机
35
TN912
国家自然科学基金11864016,11704164;江西省文化艺术规划课题YG2017384;江西省研究生创新专项资金项目YC2018-S330
2019-05-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
410-418