《HHT和HMM在血细胞信号识别中的应用》由会员分享，可在线阅读，更多相关《HHT和HMM在血细胞信号识别中的应用（2页珍藏版）》请在装配图网上搜索。
1、HHT和HMM在血细胞信号识别中的应用 摘要：针对血细胞信号具有多形态、非线性、非平稳的特点，提出将希尔伯特黄变换HHT和隐马尔可夫模型HMM相结合的血细胞信号识别方法。该方法采用HHT对血细胞信号进行分析，选取经过经验模态分解得到的各本质模态函数中相关性较大的分量，以这些分量的能量矩作为信号的特征量，由HMM训练得到正常人和病患者的模型参数并用做分类识别。实验结果说明，该方法可以较好地识别?34；TP391.4文献标识码：A文章编号：1004?373X202123?0058?05ApplicationofHHTandHMMinbloodcellsignalrecognitionYINCui，
2、TAOLing，LONGWeiSchoolofInformationEngineering，NanchangUniversity，Nanchang330031，ChinaAbstract：Forthemulti?form，nonlinearandnon?stationarycharacteristicsofthebloodcellsignal，thebloodcellsignalre?cognitionmethodbasedonHilbertHuangtransformHHTandhiddenMarkovmodelHMMisproposed.TheHHTisusedinthemethodtoa
3、nalyzethebloodcellsignal.Thestrongdependencycomponentsineachintrinsicmodefunctionobtainedwithempiricalmodedecompositionareselected，andtheirenergymomentsaretakenasthesignalfeaturevaluetoachievethemodelparametersofhealthypeopleandpatientbyHMMtrainingforclassificationandrecognition.Theexperimentalresul
4、tsindicatethismethodcanrecognizethebloodcellssignalsofthehealthypeopleandpatient，andthesyntheticalaccuracyratecanreachupto89.13%.Keywords：signaldetectionandanalysis；HilbertHuangtransform；empiricalmodedecomposition；hiddenMarkovmo?del；featureextraction；bloodcellsignalanalysis0引言作为一种非常普遍的检测方法，血细胞分析在临床疾
5、病的诊断及健康体检等方面发挥着重要的作用【1】。一般地，疾病会引起血液中红细胞、白细胞、血小板等血细胞数量变化，因此通过对血细胞的分类识别有助于临床上判断人体健康与否。目前国内外的血细胞分析仪大多采用库尔特原理采集原始信号，根本原理是悬浮在电解液中的血细胞随电解液通过小孔管时，会导致小孔管内外两电极间电阻发生瞬时变化，产生电位脉冲【2】。血细胞的大小和数目会引起脉冲信号的大小和次数的变化。针对血细胞信号多形态、非线性和非平稳的特点，一般需采用短时傅里叶变换Short?timeFourierTransform，STFT，小波变换WaveletTransform，WT或Wigner?Ville分布
6、等时频分析的方法，但这些方法分析非平稳信号均有各自的缺乏，短时傅里叶变换容易受到窗函数的影响，小波变换的结果在很大程度上取决于小波的选择，Wigner?Ville分布易受到交叉相干扰【3】。本研究采用由Huang提出的希尔伯特黄变换HilbertHuangTransform，HHT方法提取血细胞信号特征向量，以防止上述种种缺乏【4】，并采用隐马尔可夫模型对血细胞的特征向量进行分类识别，实现对正常人和病患者的血细胞信号分类识别。1希尔伯特黄变换HHT由两大主要局部组成：第一局部为经验模态分解EmpiricalModeDecomposition，EMD，它是由Huang所创立的信号筛选方法【5】；
7、第二局部为Hilbert谱分析HilbertSpectrumAnalysis，HSA。EMD是HHT的核心算法，不同于其他的时频分析方法，HHT具有直接获得、自适应性等特点，分解的过程是基于原数据获得的后验基函数，这一点与小波变换有着很大的不同，同时也是相对于小波变换的巨大优势，因为不同的小波基函数对小波分析结果的好坏有很大的影响，由于对并不需要固定的基函数，针对不同的待处理信号可以自适应地分解出有限的多个本质模态函数IntrinsicModeFunction，IMF。这些IMF在经过Hilbert变换后得到瞬时频率，最终输出的Hilbert谱即为所有IMF瞬时频率的集合。5结语本文结合HHT
8、和HMM的优点，将非平稳的血细胞信号经验模态分解为多个IMF分量，选取其中与原信号相关系数较大的分量作为有效分量，分析提取出其关于时间能量的特征向量。而HMM模型又反映出特征向量的隐藏状态是正常人或病患者之间的联系，通过实验分析，获得了很有效的识别结果。参考文献【1】曾斌，郑会丰，林奕丽，等.早期糖尿病肾病患者血细胞形态变化临床分析J.中华全科医学，2021，92：179?speedparticledetectioninamicro?Coultercounterwithtwo?dimensionaladjustableapertureJ.Biosensorsandbioelectronics，
9、2021，242：290?Huangtransformforstructuralhealthmonitoringinpolymer?compositematerialsJ.Appliedacoustics，2021，745：746?HuangtransformWPD?HHTforspindlebearingsconditionmonitoringJ.Mechanicalsystemsandsignalprocessing，2021，332：197?stationarytimeseriesanalysisJ.Journalofself?assembleandmolecularelectronic
10、s，1998，454：903?FMsignalsanalysisbasedonEMD?B?splinesESAJ.Signalproces?sing，2021，929：2214?方法J.生物医学工程学杂志，2021，282：248?HuangtransformJ.Measurement，2021，441：46?HuangtransformcombinedwithinformationentropyJ.Journalofinformation&computationalscience，2021，1215：5603?SchwarztypeinnerproductinequalitiesJ.
11、Appliedmathematicsandcomputation，2021，231：463?方法J.计算机工程与应用，2021，444：68?69.12BEHJ，HANDK，DURASIWANMIR，etal.HiddenMarkovmodelonaunithyperspherespaceforgesturetrajectoryrecognitionJ.Patternrecognitionletters，2021，3615：144?153.13龚勋，冯毅雄，谭建荣，等.基于空间结构隐markov模型的故障诊断J.计算机集成制造系统，2021，181：132?改进粒子群算法的隐马尔可夫模型训练J.计算机工程与设计，2021，311：157?160.
HHT和HMM在血细胞信号识别中的应用
