基于EMD自适应重构的心音信号特征筛选及分类
王彬蓉1
王维博1
周超1
房玉1
郑永康2
1.西华大学电气与电子信息学院,四川成都6100392.国网四川省电力公司电力科学研究院,四川成都610072
摘要：目的 应用经验模态分解(EMD)和特征筛选算法对心音信号的分类进行研究,以有效区分心脏瓣膜缺损与正常状态的心音.方法 针对心音信号采用EMD获取多层固有模态函数(IMF),结合相关系数准则和均方根误差分析法,提出了基于自适应阈值确定IMF分量进行重构的方法.分别采用3种特征筛选算法:基于交叉验证的递归特征消除方法(RFECV)、基于最大互信息系数和基于最大相关最小冗余特征筛选方法,对重构信号提取多维特征进行排序选择.结果 利用随机森林法对现有特征数据集进行分类,RFECV法筛选出的特征子集分类准确率优于其余2种筛选方法,在选取15维特征的情况下最优准确率为98.28％.结论 通过EMD自适应重构结合基于RFECV的特征子集提取方法降维效果显著,且分类效果较好,具有实际应用意义.
关键词：EMD重构自适应阈值特征提取特征筛选心音分类
分类号：TN911.72(通信)
资助基金：国家自然科学基金(61571371)国家自然科学基金(61901393)西华大学大健康管理促进中心开放课题(DJKG2019005)西华大学大健康管理促进中心开放课题(DJKG2019-008)创新基金(ycjj2019054)
论文发表日期：2020-12-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 533-541 )
英文信息