心音信号MFCC特征向量提取方法的优化

作者：许春冬; 周静; 应冬文; 龙清华

来源：信号处理, 2019, 35(03): 410-418.

DOI：10.16798/j.issn.1003-0530.2019.03.012

• 心音
• 梅尔频率倒谱系数
• 独立成分分析
• 权值优化
• 支持向量机

为了提高利用梅尔频率倒谱系数(Mel-frequency cepstral coefficients, MFCC)特征向量进行心音信号分类的准确率,本文提出以一种基于独立成分分析(independent component analysis, ICA)及权值优化的MFCC特征向量优化方法。首先,通过消除趋势项、降噪、提取心动周期与基础心音分割等步骤对心音信号预处理;接着,对提取的基础心音信号做Mel频谱变换及倒谱分析提取MFCC特征向量,其中用ICA替代离散余弦变换去除分量间高阶量的相关性,同时采用相关系数为权值优化整体混合矩阵;最后,采用F比衡量特征向量贡献率,并以其为权值优化各维特征向量。通过提取MFCC特征向量采用支持向量机(support vector machine, SVM)的分类器识别第一心音及第二心音,并与人工标注心音状态集进行对比。实验结果表明,基于ICA及权值优化的MFCC特征向量在SVM分类器中识别率得到了有效的提升,且优化算法具备一定抗噪性能。

• 单位
  中国科学院声学研究所; 江西理工大学