基于CEEMDAN样本熵的心音信号特征提取及识别研究

摘要

针对心音信号的非平稳特性和易被噪声干扰的特点，本文提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)与IMF样本熵结合的特征提取方法。将信号进行CEEMDAN自适应分解为若干个IMF分量，并计算各阶IMF分量的样本熵作为特征向量。在此基础上提出一种基于因子分解机(Factorization Machines, FM)的推荐模型，能更好的处理稀疏大数据的缺点，较好的解决了样本熵的稀疏性。为了验证该模型的优劣，进行了AUC曲线分析。通过对600例先心病病例心音和600例正常心音实验数据分析，证明该方法能够改善信号特征提取的效果，对先心病心音类型上的判断表现出较高的识别率。