基于LabVIEW的心音信號檢測系統設計

4 實驗結果

利用本系統對三位被測試者分別采集20組信號，總共60組信號進行分析。首先采用小波包變換去除噪聲，進行小波包能量特征提取，得到小波包分解的第三層8個系數的能量特征值;然后將前5個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個樣本訓練SVM識別模型，并利用遺傳算法(GA)優化SVM的參數c和g，剩下的10個樣本作為測試數據，進行10次實驗，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分類模型，GA的參數選擇為種群規模為20、進化次數為50次、交叉概率為0.4、變異概率為0.2。GA優化SVM時適應度變化曲線如圖7所示。表1給出了其中一次實驗的10個測試樣本的特征向量、預測標簽和實際標簽。

由表1可見，10個測試樣本僅編號9的樣本被誤判，其余都正確分類，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。需要建立一個心音數據庫;(2)采集過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重要，因此還需要進一步挖掘優化算法。

本文從硬件和軟件兩個方面提出了一個基于STC單片機和LabVIEW的心音信號檢測系統，通過心音身份識別實驗表明，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發周期短、性價比高的特點，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、操作簡便、功能強大。