目录
一、引言
1.研究背景
心音信号作为生物医学信号中的重要研究对象,具有很高的临床价值,因此对心音信号的分析目前正受到学术界和产业界的重视。PhysioNet Challenge大赛提供了942名患者的数据集,如图1,包括患者的信息以及心音信号。
心音信号是很有节律的周期信号,如图2,可以大致划分为四个周期,S1发生在心动周期的收缩期,频率约为40~60HZ,S2发生在心动周期的舒张期,频率约为60~100HZ.心动周期的时间约为1秒。
2.研究方案
模型训练的步骤共四步,首先对待训练的信号进行去噪,然后进行信号分割,得到长度一致的数据。对分割好的信号进行特征提取,将特征送入神经网络训练,得到分类模型。如图3
二、信号预处理
1.小波去噪
数据集中提供的心音信号带有杂音。这会对心音分类的预测造成影响。我们采用的去噪方法是小波去噪,小波去噪的原理是信号进行小波变换后