基于希爾伯特-黃變換的血細胞信號分析與研究.pdf

1、血細胞信號(BCS)由于信號脈沖多樣,時頻特性復雜,具有非線性、非平穩(wěn)和非高斯的固有特征,目前臨床上所用的信號脈沖計數(shù)法僅能從計算血液中細胞含量來分析信號特征,無法準確地體現(xiàn)出蘊含在血細胞信號內(nèi)部的大量的生理及病理信息,且由于類似M信號等因素的影響,容易存在計數(shù)不準確的問題,分析結果也就不夠完整可靠。
　　針對這一問題,本文提出運用自適應性強,頻率聚集性高的希爾伯特-黃變換(HHT)算法對BCS分析處理,提取特征向量并運用支持向量

2、機(SVM)對BCS分類識別。首先通過經(jīng)驗模態(tài)分解(EMD)將BCS自適應地分解成若干個本征模態(tài)函數(shù)(IMF)分量,再獲得Hilbert譜、Hilbert邊際譜以及傅立葉頻譜,分析與挖掘BCS的時頻特性和非線性動力學特性;給出所要提取的特征的定義和公式,并計算提取健康人與患者的BCS的平均強度、譜質(zhì)心、能量貢獻率以及邊際譜熵;根據(jù)對比分析二者的特征分布規(guī)律構建時頻特征向量與非線性動力學特征向量用于BCS分類識別,檢驗此分析方法的效果。<