基于fcm聚類算法的呼吸音分類識(shí)別研究

1、基于基于FCM聚類算法的呼吸音分類識(shí)別研究聚類算法的呼吸音分類識(shí)別研究徐學(xué)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(xué)電氣信息學(xué)院，四川成都610039；3.四川省信號(hào)與信息處理省重點(diǎn)實(shí)驗(yàn)室，四川成都610039）摘要：為了分類識(shí)別不同部位的呼吸音，提出一種基于呼吸氣持續(xù)時(shí)間相對(duì)值參數(shù)，以及呼吸氣間歇時(shí)間相對(duì)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(gè)部分。對(duì)50例3種不同呼吸音進(jìn)行分類實(shí)驗(yàn)，分類準(zhǔn)確率為94%，從而驗(yàn)證了該方法的有效性。在此基礎(chǔ)上，對(duì)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(hào)：TN91134文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004373X（2015）12001604收稿日期：20141213基金項(xiàng)目：四川省重點(diǎn)實(shí)驗(yàn)室開放研究基金資助

3、項(xiàng)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(duì)呼吸音包絡(luò)提取比Hilbert變換法提取的包絡(luò)信號(hào)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(jī)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(xué)家J.Mlet在分析

4、地震信號(hào)時(shí)提出來的，常用的是復(fù)值Mlet小波[5]：2.3呼吸信號(hào)的包絡(luò)圖2為肺泡呼吸音，其音調(diào)相對(duì)較低，吸氣時(shí)音響較強(qiáng)，音調(diào)相對(duì)較高，時(shí)相較長(zhǎng)；呼氣時(shí)音響較弱，音調(diào)相對(duì)較低，時(shí)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(shí)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(shí)胸膜臟層和壁層之間相互滑動(dòng)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