基于fcm聚類算法的呼吸音分類識別研究

1、基于基于FCM聚類算法的呼吸音分類識別研究聚類算法的呼吸音分類識別研究徐學良1，易鵬飛2，3，王海濱2，3，張凱2，3，秦國瑾2，3（1.二0三醫(yī)院外一科，黑龍江齊齊哈爾161000；2.西華大學電氣信息學院，四川成都610039；3.四川省信號與信息處理省重點實驗室，四川成都610039）摘要：為了分類識別不同部位的呼吸音，提出一種基于呼吸氣持續(xù)時間相對值參數(shù)，以及呼吸氣間歇時間相對值參數(shù)提取的呼吸音分析方法。該方法包括呼吸音預(yù)處理、

2、包絡(luò)提取、基于FCM聚類算法的自適應(yīng)閾值線的選取、特征值提取為主的4個部分。對50例3種不同呼吸音進行分類實驗，分類準確率為94%，從而驗證了該方法的有效性。在此基礎(chǔ)上，對該方法在同一種呼吸音病理和健康研究方面做出了展望。關(guān)鍵詞：呼吸音；呼吸音分類；Mlet小波；FCM聚類算法中圖分類號：TN91134文獻標識碼：A文章編號：1004373X（2015）12001604收稿日期：20141213基金項目：四川省重點實驗室開放研究基金資助

3、項目（szjj2013014）呼吸音俗稱肺音，它能夠反映音源特征，并且能夠反映法來有效去除呼吸音中的白噪聲；最后采用Mlet小波來提取呼吸音包絡(luò)。在包絡(luò)提取法中，用Mlet小波針對呼吸音包絡(luò)提取比Hilbert變換法提取的包絡(luò)信號更光滑，能有效地降低使用Hilbert變換法所帶來的不夠光滑，毛刺太多（隨機干擾成分）等問題，因此，本論文采用Mlet小波方法來提取包絡(luò)[34]。2.2Mlet小波Mlet是由法國地球物理學家J.Mlet在分析

4、地震信號時提出來的，常用的是復(fù)值Mlet小波[5]：2.3呼吸信號的包絡(luò)圖2為肺泡呼吸音，其音調(diào)相對較低，吸氣時音響較強，音調(diào)相對較高，時相較長；呼氣時音響較弱，音調(diào)相對較低，時相較短[6]。圖3為胸膜摩擦音，其是隨著呼吸便可出現(xiàn)臟胸膜和壁胸膜間的摩擦聲，一般在吸氣末與呼氣開始時較為明顯。正常人胸膜表面光滑，胸膜腔內(nèi)只有微量液體存在，因此呼吸時胸膜臟層和壁層之間相互滑動并無音響發(fā)生。胸膜摩擦音為病理呼吸音的一種[6]。如圖4所示，支氣管