论文部分内容阅读
针对传统心音预处理算法过程复杂且处理后的心音信号只有时间维度,无法满足深度学习样本处理需求,提出一种适用于卷积神经网络心音预处理算法,能够将心音信号从一维变换至二维,并采取皮尔卡森相关系数对预处理后样本进行相关分析,分析表明预处理后的正负样本差异较大,可以用于CNN进行分类识别。上述算法首先采用4层小波阈值去噪,相比传统去噪算法能较好地去除噪声并保持信号中有效信息。其次,截取合适长度的信号,提取梅尔倒谱系数及一阶差分、二阶差分,组成3幅二维心音信号"特征图",对应图片RGB三个通道,满足了CNN样本