心音模式識別是人工智能和生物醫學的一個交叉應用領域，本書采用理論模擬、生物實驗與電子測量相結合的分析方法，討論了心音產生、變化的基本生物聲學機理和信號傳遞規律，詳細描述了基于心音的特征提取、表征和識別的相關算法，這些算法均適用于生物信息等應用。全書共8章，主要內容包括：緒論、心音產生機理與心血管模型的研究、心音采集設備、自構心音小波的方法及應用、獨立子元變換分析、心音的特征提取與識別方法、心音的混沌特性與深度信任網絡，以及心音模式識別的應用。另外，還介紹了心音模式識別技術在手機智能看診器、汽車主動安全和家庭智能護理等方面的應用案例，并提供了部分智能手機平臺上的開發代碼和心音小波分析的MATLAB代碼。
目錄
《智能科學技術著作叢書》序
前言
第1章 緒論 1
1.1 心音模式識別的定義、目的和意義 1
1.2 心音模式識別技術的發展過程 2
1.3 心音模式識別技術的特點及發展趨勢 6
1.3.1 心音模式識別技術的特點 6
1.3.2 心音模式識別技術的發展趨勢 7
1.4 本章小結 8
參考文獻 8
第2章 心音產生機理與心血管系統仿真模型 12
2.1 心音信號的產生機理 12
2.1.1 心臟的位置及形狀 12
2.1.2 心房和心室 13
2.1.3 心動周期和心音 14
2.1.4 心音的組成 14
2.2 心血管系統仿真模型 16
2.2.1 基于集總參數的心血管系統仿真模型 16
2.2.2 基于彈簧質量阻尼系統的內心音模型（第一心音） 35
2.2.3 非線性調頻信號模型（第二心音） 39
2.3 基于心血管系統仿真模型的內在特征病態仿真 46
2.3.1 高血壓病理仿真 46
2.3.2 心血管系統的心衰病理仿真 50
2.4 基于第一心音復雜度的外在特征病理分析 53
2.4.1 心音信號采集 53
2.4.2 多尺度化的基本尺度熵 54
2.4.3 第一心音復雜度分析 55
2.5 本章小結 56
參考文獻 57
第3章 心音采集設備 61
3.1 電子聽診器 61
3.2 雙路心音聽診器 63
3.3 藍牙心音聽診器 64
3.4 穿戴式心音聽診器 67
3.5 雙模式聽診器 68
3.6 多普勒聽診器 68
3.7 光電位移心音傳感器 70
3.8 壓電薄膜型心音傳感器 71
3.9 智能聽診器 72
3.10 本章小結 72
參考文獻 73
第4章 自構心音小波的方法及應用 74
4.1 概述 74
4.2 心音信號的產生與預處理 75
4.2.1 心音的產生原理及成分 75
4.2.2 心音信號研究的意義 76
4.2.3 心音信號的預處理 77
4.3 心音信號的時頻分析 79
4.3.1 短時傅里葉變換 79
4.3.2 小波變換 81
4.4 心音小波 82
4.4.1 最佳小波基 82
4.4.2 雙正交小波基的構造 83
4.4.3 心音信號的特點 85
4.4.4 心音小波的構造原則 86
4.4.5 心音模型 86
4.4.6 HS小波的構造方法 87
4.4.7 HS小波簇 89
4.5 五種小波在心音信號處理中的分析與比較 90
4.5.1 不同小波對心音信號的處理效果對比 90
4.5.2 特征提取及分類 97
4.6 本章小結 104
參考文獻 104
第5章 獨立子元變換分析 106
5.1 常見的信號分析方法 106
5.1.1 Gabor變換 106
5.1.2 經驗模態分解 107
5.2 獨立子元變換 109
5.2.1 獨立子元變換的基本概念 109
5.2.2 信號的獨立子元分解與重構 110
5.3 獨立子元變換在心音識別中的應用 114
5.3.1 心音獨立子元的獲取 114
5.3.2 基于心音獨立子元的分類識別 116
5.4 獨立子元變換在欠定盲源分離中的應用 116
5.4.1 單路混合信號盲分離 116
5.4.2 基于獨立子元變換的單路信號分層方法 117
5.4.3 單路非平穩混合信號的欠定盲源分離 122
5.4.4 含噪混合周期信號的欠定盲源分離 124
5.5 本章小結 128
參考文獻 128
第6章 心音的特征提取與識別方法 130
6.1 心音識別系統 130
6.2 基于數據融合的三段式心音身份識別技術 132
6.2.1 三段式識別模型 132
6.2.2 心音信息融合技術 134
6.2.3 實驗方法與結果 138
6.3 基于線性頻帶倒譜的心音特征提取與識別技術 139
6.3.1 心音信號的分析 140
6.3.2 基于心音線性頻帶倒譜的心音特征提取與識別系統 144
6.3.3 識別實驗 147
6.4 二維心音特征提取與識別方法 151
6.4.1 二維心音圖概念 151
6.4.2 二維心音圖預處理 152
6.4.3 二維心音圖特征提取 152
6.4.4 二維心音圖分類和身份識別 155
6.5 心音紋理圖特征提取與識別方法 157
6.5.1 心音紋理圖 157
6.5.2 脈沖耦合神經網絡與識別算法 162
6.5.3 仿真實驗 164
6.6 徑向基函數神經網絡在心音識別中的應用 169
6.6.1 徑向基函數神經網絡的結構和特點 169
6.6.2 心音信號的LPCC和MFCC特征參數 170
6.6.3 基于RBF神經網絡的心音身份識別 172
6.6.4 實驗結果和比較 174
6.7 小波神經網絡在心音識別中的應用 177
6.7.1 小波神經網絡的定義與特點 177
6.7.2 心音小波神經網絡的構造 177
6.7.3 心音小波神經網絡的訓練算法 181
6.7.4 基于小波神經網絡的心音身份識別 181
6.8 本章小結 184
參考文獻 185
第7章 心音的混沌特性與深度信任網絡 189
7.1 概述 189
7.2 心音的混沌特征表示 190
7.2.1 心音信號的相空間重構 190
7.2.2 用互信息法確定時延 190
7.2.3 用Cao法計算最佳嵌入維數 190
7.2.4 用GP算法快速求解關聯維數 191
7.3 心音的預測模型 191
7.3.1 基于混沌的Volterra級數預測模型 191
7.3.2 心音信號的短期預測模型 193
7.3.3 心音信號的長期預測模型 195
7.4 心音混沌特性的應用 199
7.4.1 運動狀態變化對心音混沌特征的影響規律 199
7.4.2 年齡變化對心音混沌特征的影響規律 202
7.5 心音深度信任網絡 203
7.5.1 深度學習網絡與深度信任網絡 203
7.5.2 進程擇優法和深度學習網絡的快速設計方法 206
7.5.3 心音深度學習網絡的構建 210
7.5.4 心音深度信任網絡的識別實驗 214
7.6 本章小結 216
參考文獻 216
第8章 心音模式識別的應用 219
8.1 基于LabVIEW的心音分析與身份識別系統 219
8.1.1 概述 219
8.1.2 系統模塊 219
8.1.3 實驗結果與結論分析 224
8.2 基于Android平臺的心音識別系統 226
8.2.1 系統功能模塊設計 226
8.2.2 系統用戶界面設計與實現 229
8.2.3 系統測試實驗 230
8.3 人體運動強度檢測方法 232
8.3.1 小波包分解和能量熵算法 232
8.3.2 運動強度檢測仿真實驗 234
8.3.3 運動強度檢測的硬件實現 238
8.4 基于心音特征分析的汽車主動安全技術 240
8.4.1 汽車背景噪聲的特點 240
8.4.2 用于汽車主動安全的心音采集裝置 242
8.4.3 心音信號的提取方法 242
8.4.4 心音獨立子波函數的算法實現 243
8.4.5 心音的分類識別 245
8.4.6 實驗結果 245
8.5 胎兒心音的提取與分析系統 248
8.5.1 基于EMD方法的單路混合信號盲分離方法 248
8.5.2 單路混合胎音的盲分離實驗 248
8.6 本章小結 253
參考文獻 253
附錄 257
新書資訊