基于LabVIEW的心音信号检测系统设计

4 实验结果

利用本系统对三位被测试者分别采集20组信号，总共60组信号进行分析。首先采用小波包变换去除噪声，进行小波包能量特征提取，得到小波包分解的第三层8个系数的能量特征值；然后将前5个能量特征值组合成特征向量，并对应不同测试者样本附上1、2和3的标签；最后随机选取50个样本训练SVM识别模型，并利用遗传算法(GA)优化SVM的参数c和g，剩下的10个样本作为测试数据，进行10次实验，求取平均识别率。仿真结果表明，WPT+GA-SVM平均识别率为85%。

对于GA-SVM分类模型，GA的参数选择为种群规模为20、进化次数为50次、交叉概率为0.4、变异概率为0.2。GA优化SVM时适应度变化曲线如图7所示。表1给出了其中一次实验的10个测试样本的特征向量、预测标签和实际标签。

由表1可见，10个测试样本仅编号9的样本被误判，其余都正确分类，识别率达90%。测试结果的识别率未能达到100%的原因及措施：(1)样本数量较少。需要建立一个心音数据库；(2)采集过程中的噪声对最后的识别率有一定的影响。但预处理电路去噪还有改进的空间，软件去噪值得继续深入研究；(3)特征提取和模式识别都至关重要，因此还需要进一步挖掘优化算法。

本文从硬件和软件两个方面提出了一个基于STC单片机和LabVIEW的心音信号检测系统，通过心音身份识别实验表明，信号调理电路设计的好坏决定了系统能否可靠、稳定地运行。本文所设计的硬件系统具有开发周期短、性价比高的特点，单片机软件采用模块化设计，调试方便，上位机软件界面友好、操作简便、功能强大。