2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩6頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論