结合SVM和香农能量的HSMM心音分割算法

针对基于逻辑回归的隐半马尔可夫模型中希尔伯特（Hilbert）变换提取的心音包络具有较大毛刺，提出一种结合支持向量机（Support vector machine， SVM）和香农能量的隐半马尔可夫模型（Hidden semi-Markov model， HSMM）心音分割算法。首先采用小波降噪的方法对心音进行降噪，接着根据R峰和T波标记心音，提取香农能量包络等特征，然后对结合逻辑回归模型（Logistic regression， LR）的HSMM相关参数进行训练，并借助Viterbi算法推测出最可能的状态。最后，通过SVM模型识别第一心音S₁和第二心音S₂。该算法无需设置硬阈值，有效地抑制了噪声，更有助于包络的提取。实验结果表明，提出的算法分割精确度较参考算法得到显著的提升，具有良好的抗噪性能，取得了更好的分割效果。