[發明專利]一種基于心音的身份識別方法

在審

• 申請號: 201811346201.1
• 申請日: 2018-11-13
• 公開（公告）號: CN109431517A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 梁慶真;劉傳銀;劉賢洪
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: A61B5/117
• 分類號: A61B5/117;A61B7/04;A61B5/00
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 劉興亮

1.一種基于心音的身份識別方法，其特征在于，包括以下步驟：

A.將心音信號進行自相關分段，將心音信號分成以周期為單位的小段；

B.利用心音信號的改進的MFCC提取算法，提取出能反應心音更深層次信息的改進的MFCC參數；

C.利用心音信號的S變換提取算法，提取S變換后的特征信息；

D.心音信號的高斯混合模型建模和匹配，對高斯混合模型訓練完成之后，再用高斯混合模型對心音信號進行識別。

2.根據權利要求1所述的一種基于心音的身份識別方法，其特征在于，所述步驟A中在進行心音信號自相關分段前還包括對心音信號進行預處理，且所述心音信號的預處理具體包括以下步驟：

A1.1對收到的心音信號進行重采樣；

A1.2對重采樣后的心音信號進行巴特沃斯低通濾波；

A1.3對濾波后的心音信號進行去噪。

3.根據權利要求2所述的一種基于心音的身份識別方法，其特征在于，所述步驟A1.1中具體是對收到的心音信號進行5點重采樣，且采樣頻率為2205Hz、所述步驟A1.2中對重采樣后的信號進行濾波時，具體設置通帶最大衰減為3db，阻帶最小衰減為18db；或所述步驟A1.3中具體是采用小波變換對濾波后的心音信號進行去噪。

4.根據權利要求1或2所述的一種基于心音的身份識別方法，其特征在于，所述步驟A中將心音信號進行自相關分段時具體包括以下步驟：

A2.1計算心音信號的幅度均值；

A2.2設定參數：設定重采樣后一個心音周期的最小點數s_min＝750，心音周期的最大點數s_max＝2500；

A2.3由心音信號長度以及一個心音周期的最大長度相除得到該心音信號的分段數M；

A2.4將這M段心音信號從開始到結束依次兩兩組合，若M為奇數則有多余的分段，多余的分段舍去；

A2.5尋找每個組合段中第一個第一心音的起始點；

A2.6計算組合段內所找到的第一心音起始點所在的心音周期與該段內的下個心音周期的自相關系數，并保存；

A2.7選擇所有組合段中最大的自相關系數所在的心音周期，作為分段結果。

5.根據權利要求4所述的一種基于心音的身份識別方法，其特征在于，所述步驟A2.5中為了避免起點正好位于第一心音處，以連續100個點小于心音信號的幅值均值作為判定第一心音起始點的條件。

6.根據權利要求4所述的一種基于心音的身份識別方法，其特征在于，所述步驟B具體包括以下步驟：

B1.預加重濾波器；

B2.計算分段后得到各個心音信號的MFCC；

B3.計算MFCC的一階差分系數。

7.根據權利要求4所述的一種基于心音的身份識別方法，其特征在于，所述步驟C具體包括以下步驟：

C1.對步驟A中自相關分段后的心音信號進行快速傅里葉變換，將變換結果擴維為其中，N為該離散信號的長度，m的取值為0至N-1中任一整數，n為頻率采樣的點數，T為采樣間隔時間；

C2.求取高斯窗函數的FFT變換，得到

C3.按頻率采樣點計算的傅里葉逆運算即得到S變換時頻復矩陣。

8.根據權利要求7所述的一種基于心音的身份識別方法，其特征在于，所述步驟C3中還包括將得到的S變換時頻復矩陣中每若干列的最大值作為特征向量。

9.根據權利要求7所述的一種基于心音的身份識別方法，其特征在于，所述步驟D具體包括以下步驟：

D1.估計高斯混合模型的參數，完成對訓練樣本中每一例信號的高斯混合模型建模，即為高斯混合模型的訓練過程；

D2.對高斯混合模型訓練完成之后，即進行心音信號的識別。

10.根據權利要求9所述的一種基于心音的身份識別方法，其特征在于，所述步驟D1中高斯混合模型的訓練過程中首先采用K-means算法來初始化參數，再通過EM算法進行參數估計，進而為每一個心音信號建立各自的高斯混合模型；或所述步驟D2中進行心音信號的識別時是將步驟C中提取的待測試心音信號的特征參數與訓練模型進行匹配，并分別求出待測試心音信號的特征參數與各模型之間的似然函數值，當似然函數值達到最大時對應的模型即為待測心音的識別結果。