一種心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及一種心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法。
【背景技術(shù)】
[0002] 小波神經(jīng)網(wǎng)絡(luò)是一種基于小波基作為神經(jīng)元非線性激勵(lì)函數(shù)的網(wǎng)絡(luò)模型，它集小 波變換的時(shí)頻局部特性、聚焦特性的優(yōu)點(diǎn)與神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)、魯棒性、容錯(cuò)性的 優(yōu)點(diǎn)為一體，可以使網(wǎng)絡(luò)從根本上避免局部最優(yōu)，并且加快了收斂速度，具有很強(qiáng)的學(xué)習(xí)和 泛化能力，在圖像處理、模式識(shí)別等領(lǐng)域有著廣泛的應(yīng)用。

【發(fā)明內(nèi)容】

[0003] 發(fā)明目的：本發(fā)明的目的是構(gòu)造一種新的心音小波神經(jīng)網(wǎng)絡(luò)，通過在神經(jīng)網(wǎng)絡(luò)結(jié) 構(gòu)的隱含層中引入心音小波作為激活函數(shù)，把心音的針對(duì)性學(xué)習(xí)和心音識(shí)別技術(shù)高度融 合，從而獲得一種新的心音小波神經(jīng)網(wǎng)絡(luò)。
[0004] 技術(shù)方案:為了上述目的，本發(fā)明采用的技術(shù)方案為:一種心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu) 造方法，將心音特征優(yōu)化抽取和心音識(shí)別融合在一個(gè)針對(duì)心音的分類網(wǎng)絡(luò)中進(jìn)行處理，通 過在隱含層引入心音小波作為激活函數(shù)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，把心音的針對(duì)性學(xué)習(xí)和心音識(shí)別 技術(shù)高度融合，也就是利用心音小波神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)的有針對(duì)性的層次化的架構(gòu)，將心 音特征抽取、心音分類識(shí)別實(shí)現(xiàn)有針對(duì)性的表達(dá)，以解決復(fù)雜條件下的心音分類識(shí)別問題。
[0005] 構(gòu)造心音小波神經(jīng)網(wǎng)絡(luò)的具體步驟：
[0006] Stepl構(gòu)造心音小波基函數(shù)；
[0007] Step2求得心音小波系數(shù)的時(shí)域化表達(dá)式；
[0008] Step3將心音小波基替代神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)，可實(shí)現(xiàn)心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu) 造。
[0009] 本發(fā)明同時(shí)公開了一種心音小波神經(jīng)網(wǎng)絡(luò)(HSWNN)的訓(xùn)練方法，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 實(shí)際就是要獲得隱含層到輸出層的權(quán)值，在心音小波神經(jīng)網(wǎng)絡(luò)(HSWNN)中，樣本維數(shù)比較 大，求解的代價(jià)也會(huì)變得很大，根據(jù)心音的特點(diǎn)定義一個(gè)最小化誤差函數(shù)從而得到權(quán)值w kp 的唯一解。根據(jù)心音的特點(diǎn)構(gòu)造小波神經(jīng)網(wǎng)絡(luò)和訓(xùn)練方法，獲得了一種在處理心音信號(hào)方 面呈現(xiàn)出更多優(yōu)勢(shì)的小波神經(jīng)網(wǎng)絡(luò)，為小波神經(jīng)網(wǎng)絡(luò)的工程應(yīng)用提供了一種行之有效的方 法。
[0010]有益效果：本發(fā)明所構(gòu)建的一種心音小波神經(jīng)網(wǎng)絡(luò)，與morlet小波神經(jīng)網(wǎng)絡(luò)和 Mexican-hat小波神經(jīng)網(wǎng)絡(luò)相比較，心音小波神經(jīng)網(wǎng)絡(luò)在收斂性、算法速度上呈現(xiàn)明顯的優(yōu) 越性。
【附圖說明】
[0011] 圖1是心音小波神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)結(jié)構(gòu)圖。
[0012] 圖2是小波基構(gòu)造流程。
[0013] 圖3是小波神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖。
[0014] 圖4是心音小波神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0015] 以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)闡述。
[0016] 1、小波神經(jīng)網(wǎng)絡(luò)的構(gòu)成原理
[0017] 小波神經(jīng)網(wǎng)絡(luò)的構(gòu)成原理是將神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的激活函數(shù)由小波函數(shù)代替，相 應(yīng)的輸入層到隱含層的權(quán)值由小波函數(shù)的尺度伸縮因子a代替，隱含層到輸出層的權(quán)值由 平移因子b代替，所以小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造實(shí)際上就是激活函數(shù)的構(gòu)造。小波與神經(jīng)網(wǎng)絡(luò)目 前的"融合"主要有如下三種方式：
[0018] (1)用連續(xù)參數(shù)的小波作為神經(jīng)網(wǎng)絡(luò)的隱層函數(shù)；
[0019] (2)用多分辨率的小波作為神經(jīng)網(wǎng)絡(luò)的隱層函數(shù)；
[0020] (3)用正交基作為神經(jīng)網(wǎng)絡(luò)的隱層函數(shù)。
[0021] 因?yàn)榧せ詈瘮?shù)可以引入非線性因素，解決線性模型所不能解決的問題。所以激活 函數(shù)的選擇無論對(duì)于識(shí)別率或收斂速度都有顯著的影響。常用的激活函數(shù)包括閾值型、分 階段性函數(shù)以及sigmoid函數(shù)等形式。
[0022] 圖1為心音小波神經(jīng)網(wǎng)絡(luò)識(shí)別系統(tǒng)的結(jié)構(gòu)示意圖，這是一種通過有針對(duì)性的限制 條件提升心音識(shí)別效果的方法。
[0023]采用心音小波神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)，一方面，將心音特征的優(yōu)化技術(shù)和心音生理特 性結(jié)合一體，獲取有生理意義的心音特征;另一方面，將心音特征優(yōu)化抽取和心音識(shí)別融合 在一個(gè)針對(duì)心音的分類網(wǎng)絡(luò)中進(jìn)行處理，通過在隱含層引入心音小波作為激活函數(shù)的神經(jīng) 網(wǎng)絡(luò)結(jié)構(gòu)，把心音的針對(duì)性學(xué)習(xí)和心音識(shí)別技術(shù)高度融合，也就是利用心音小波神經(jīng)網(wǎng)絡(luò) 識(shí)別系統(tǒng)的有針對(duì)性的層次化的架構(gòu)，將心音特征抽取、心音分類識(shí)別實(shí)現(xiàn)有針對(duì)性的表 達(dá)，以解決復(fù)雜條件下的心音分類識(shí)別問題。
[0024] 2、心音小波神經(jīng)網(wǎng)絡(luò)(HSWNN)的訓(xùn)練方法
[0025] 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練實(shí)際就是要獲得隱含層到輸出層的權(quán)值。在心音小波神經(jīng)網(wǎng)絡(luò) (HSWNN)中，樣本維數(shù)比較大，求解的代價(jià)也會(huì)變得很大，所以可以根據(jù)心音的特點(diǎn)定義一 個(gè)最小化誤差函數(shù)從而得到權(quán)值Wk P的唯一解。
[0026] -、構(gòu)造心音小波神經(jīng)網(wǎng)絡(luò)的步驟如下：
[0027] Stepl構(gòu)造心音小波基函數(shù)。
[0028]根據(jù)構(gòu)造流程圖2所示。首先設(shè)計(jì)小波尺度濾波器函數(shù)H(w)，其次設(shè)計(jì)尺度濾波器 h(n)和/7(??.然后尺度空間正交化，最后可獲取小波基函數(shù)。
[0029]令濾波器長度為10,消失距為5時(shí)，可得到心音小波基的一組實(shí)數(shù)解：
[0030]
[0031] 再根據(jù)
?求得對(duì)應(yīng)的心音小波濾波器g (η)和 ?(")為：
[0032]
[0033] Step2心音小波系數(shù)的時(shí)域化表達(dá)式。
[0034]將（1)、（2)式的解代入(3)式的雙尺度方程中：
[0035]
[0036] 令N=10,可獲得心音小波基的時(shí)域解析形式，同時(shí)也是神經(jīng)網(wǎng)絡(luò)的隱層函數(shù)。
[0037] Step3將心音小波基替代神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)，可實(shí)現(xiàn)心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu) 造。
[0038] 其中，xi(i = l，2,. . .，m)為輸入層第i個(gè)樣本輸入，yk(k=l，2,. . .，n)為輸出層第k 個(gè)樣本的輸出，Z(x) = (Z1，Z2,. . .，zf)為小波函數(shù)，輸入層與隱含層的連接權(quán)值為隱含 層與輸出層的連接權(quán)值為w2jk。則隱含層神經(jīng)元的輸入為：
[0039]
(4)
(5；)
[0040] 將隱層神經(jīng)元的輸入代入小波函數(shù) 和，得到隱層神經(jīng)元
的輸出：
[0041]
[0042] 聯(lián)立(4)和(5)式，則小波神經(jīng)網(wǎng)絡(luò)模型輸出可以表示為：
[0044] 其中Θ代表偏移值，又叫閾值。[0045] -段長度為N的正常心音信號(hào)模型可描述為：
[0043] (6)
[0046]
(7)
[0047]其中，S1、S2分別為第一、第二心音信號(hào)；S3、 S4分別為第三、第四心音，其信號(hào)強(qiáng)度 較弱，一般不予討論];S5表不心音中的雜音成分;ki(i = l，2,3,4,5)表不合成系數(shù)。
[0048]再將(3)和(7)式代入(6)式的小波神經(jīng)網(wǎng)絡(luò)模型中，可構(gòu)造出一種心音小波神經(jīng) 網(wǎng)絡(luò)，其模型結(jié)構(gòu)圖如圖4所示。該心音小波神經(jīng)網(wǎng)絡(luò)的輸出為：
[0049]
(：8)
[0050] 二、心音小波神經(jīng)網(wǎng)絡(luò)(HSWNN)的訓(xùn)練算法如下：
[0051] 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練實(shí)際就是要獲得隱含層到輸出層的權(quán)值。在心音小波神經(jīng)網(wǎng)絡(luò) (HSWNN)中，樣本維數(shù)比較大，求解的代價(jià)也會(huì)變得很大，所以可以根據(jù)心音的特點(diǎn)定義一 個(gè)最小化誤差函數(shù)從而得到權(quán)值Wk P的唯一解。
[0052]設(shè)第η個(gè)樣本心音信號(hào)為HSn，對(duì)其進(jìn)行特