[發明專利]魯棒性好且不易復制的心音特征身份識別方法

在審

• 申請號: 202010539093.0
• 申請日: 2020-06-13
• 公開（公告）號: CN111652178A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 劉秀萍
• 申請（專利權）人: 荊門匯易佳信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;A61B5/00;A61B7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.魯棒性好且不易復制的心音特征身份識別方法，其特征在于，是基于改良線性預測倒譜系數特征和GMM模型的心音生物特征識別算法，包括心音數據的采集和創建、心音數據的前置處理、改良線性預測倒譜系數特征的提取、特征參數歸一化、基于GMM模型的心音識別；心音數據的前置處理包括小波消噪、音頻分幀、加窗補償，改良線性預測倒譜系數在線性預測倒譜系數特征上加入心音數據的短期能量信息；

本發明一是對心音數據進行一系列前置處理，提取改良線性預測倒譜系數特征，通過GMM模型對心音數據進行分類，建立特征模板庫；二是對待測心音數據進行前置處理和提取相同特征并將特征參數代入特征模板庫，進行近似度比較找出相匹配的心音數據；

對心音數據進行加窗補償處理要選取合適的窗函數體現心音數據的特性，考慮因素有二點：窗函數頻譜的主瓣盡量的窄和旁瓣的相對幅度盡量的低，主瓣窄代表能量大多留在主瓣內，能提高譜估算時的頻域分辨率和減小泄漏；旁瓣的相對幅度低代表衰減快，對心音數據加窗補償處理時除考慮窗函數自身的頻譜特性外，還考慮心音數據的特征；哈明窗的帶寬相對其它窗函數更寬，旁瓣衰減快，符合心音數據的分布特征；本發明采用哈明窗，心音數據C(n)經過加窗補償處理之后得到的信號為：

C_H(n)＝C(n)*H(n) 式1

其中H(n)為哈明窗函數,對原心音數據進行音頻分幀和加窗補償之后得到各幀信號。

2.根據權利要求1所述的魯棒性好且不易復制的心音特征身份識別方法，其特征在于，采集心音數據在室內進行，保持室內環境安靜，采集心音數據時，首先將心音傳感器與適配器連接，然后用音頻連接電纜連接適配器和計算機，再將心音傳感器放置在測試者的心臟的二尖瓣處準備采集數據，最后用Cool Edit Pro軟件錄音，點擊開始錄音得到心音數據的wav文件。

3.根據權利要求1所述的魯棒性好且不易復制的心音特征身份識別方法，其特征在于，心音數據的前置處理中，本發明采用小波變換對心音數據消噪，具體采用Daubechies小波基，選擇分解層數為5層db6小波對心音數據消噪，通過臨界值消噪方法得到消噪結果。

4.根據權利要求1所述的魯棒性好且不易復制的心音特征身份識別方法，其特征在于，心音數據的音頻分幀是一個短期分析方法，將心音數據劃分為眾多較短的時間段，每一組時間段為一幀，而每一幀信號可看作穩定信號，具有穩定的頻率特性和特征參數；本發明采用部分重疊音頻分幀方法，心音數據每幀的長度取值范圍在64至256毫秒之間可看作穩定信號，區間內的信號有穩定的頻率特性和特征參數。

5.根據權利要求1所述的魯棒性好且不易復制的心音特征身份識別方法，其特征在于，對心音數據前置處理后，需要提取心音數據合適的特征參數用來作為識別的依據，選擇合適的特征參數可達到較好的身份識別率，本發明采用倒譜系數作為特征，選取線性預測倒譜系數特征參數，并提出了一種改良線性預測倒譜系數，在線性預測倒譜系數特征向量中加入短期能量特征；

通過計算線性預測系數標準方程可以求得心音數據的線性預測系數{b₁，b₂...b_J}，其中，階數J＝12，則心音數據的線性預測系數為{b₁，b₂...b₁₂}；

通過復倒譜和線性預測系數b_i之間的遞推關系，求得心音數據的線性預測倒譜系數如下式：

其中，J＝12，心音數據的線性預測倒譜系數為設置加窗函數的長度為N，用C_H(m)來表示為心音信號C(m)經過加窗處理后變換的信號，心音數據的短期能量特征參數為：

其中A_n是心音信號從第n點開始加窗函數后的短期能量，每幀心音數據的短期能量A_n是一個標量值，在心音數據的線性預測倒譜系數上加入心音數據的短期能量信息，則得到心音數據改良線性預測倒譜系數特征參數