基于LabVIEW的心音信號檢測系統設計

4 實(shí)驗結果

利用本系統對三位被測試者分別采集20組信號，總共60組信號進(jìn)行分析。首先采用小波包變換去除噪聲，進(jìn)行小波包能量特征提取，得到小波包分解的第三層8個(gè)系數的能量特征值;然后將前5個(gè)能量特征值組合成特征向量，并對應不同測試者樣本附上1、2和3的標簽;最后隨機選取50個(gè)樣本訓練SVM識別模型，并利用遺傳算法(GA)優(yōu)化SVM的參數c和g，剩下的10個(gè)樣本作為測試數據，進(jìn)行10次實(shí)驗，求取平均識別率。仿真結果表明，WPT+GA-SVM平均識別率為85%。

對于GA-SVM分類(lèi)模型，GA的參數選擇為種群規模為20、進(jìn)化次數為50次、交叉概率為0.4、變異概率為0.2。GA優(yōu)化SVM時(shí)適應度變化曲線(xiàn)如圖7所示。表1給出了其中一次實(shí)驗的10個(gè)測試樣本的特征向量、預測標簽和實(shí)際標簽。

由表1可見(jiàn)，10個(gè)測試樣本僅編號9的樣本被誤判，其余都正確分類(lèi)，識別率達90%。測試結果的識別率未能達到100%的原因及措施：(1)樣本數量較少。需要建立一個(gè)心音數據庫;(2)采集過(guò)程中的噪聲對最后的識別率有一定的影響。但預處理電路去噪還有改進(jìn)的空間，軟件去噪值得繼續深入研究;(3)特征提取和模式識別都至關(guān)重要，因此還需要進(jìn)一步挖掘優(yōu)化算法。

本文從硬件和軟件兩個(gè)方面提出了一個(gè)基于STC單片機和LabVIEW的心音信號檢測系統，通過(guò)心音身份識別實(shí)驗表明，信號調理電路設計的好壞決定了系統能否可靠、穩定地運行。本文所設計的硬件系統具有開(kāi)發(fā)周期短、性?xún)r(jià)比高的特點(diǎn)，單片機軟件采用模塊化設計，調試方便，上位機軟件界面友好、操作簡(jiǎn)便、功能強大。