基于CEEMDAN和极限学习机的脉象混合特征识别方法

作者：张靖轩; 李长龙; 王晓青; 江春花; 吴晨曦; 徐勤奇^*

来源：中国测试, 2023, 1-12.

• 脉象识别
• CEEMDAN
• 能量熵
• 样本熵
• 相关性分析

中医脉象的准确识别有利于人体疾病的诊断，针对脉象特征模糊问题，提出了一种基于自适应噪声完全集合经验模态分解（CEEMDAN）和基本脉象时域特征、能量熵与样本熵的混合特征提取方法。首先，采集人体脉象信号进行小波分解，以去除高频噪声和基线漂移。其次，对5种脉象信号进行CEEMDAN处理得到各阶固有模函数（IMF），计算IMF分量能量占比与脉象信号的相关性，选取5～7阶IMF分量计算能量熵和样本熵。最后，将时域特征、能量熵与样本熵融合的混合特征向量，输入到麻雀算法优化极限学习机（SSA-ELM）中进行脉象识别。实验结果表明，本文所提方法的脉象识别准确率达98.60%，平均精确率为98.64%，单种脉象识别的召回率及F1值都在97%以上。与传统方法相比，该方法具有较好的识别性能。

• 单位
  唐山市妇幼保健院; 华北理工大学