征提取得到m個特征值HSn= [hsi(n)，hs2 (η)，·…，hsm-Kn)，hsm(n)]，定義HSWNN訓(xùn)練誤差為：
[0053] (9)
[0054] 其中:y為期望輸出，為網(wǎng)絡(luò)實際輸出，N為樣本總數(shù)。那么，HSWNN的訓(xùn)練算法為：
[0055]
[0056] 其中：1為迭代次數(shù)，λ為迭代步長，gk(Xn)為樣本η在第N個隱含層節(jié)點的輸出。 [0057]該心音小波神經(jīng)網(wǎng)絡(luò)最小化誤差訓(xùn)練算法以誤差為指導(dǎo)，不斷對參數(shù)進行修改， 使誤差往小的方向發(fā)展，目的性很強，不像一般搜索算法那么盲目和難以預(yù)測，收斂速度明 顯具有優(yōu)勢。
[0058]以上實施例僅為說明本發(fā)明的技術(shù)思想，不能以此限定本發(fā)明的保護范圍，凡是 按照本發(fā)明提出的技術(shù)思想，在技術(shù)方案基礎(chǔ)上所做的任何改動，均落入本發(fā)明保護范圍 之內(nèi)；本發(fā)明未涉及的技術(shù)均可通過現(xiàn)有技術(shù)加以實現(xiàn)。
【主權(quán)項】
1. 一種心音小波神經(jīng)網(wǎng)絡(luò)構(gòu)造方法，其特征在于:將心音特征優(yōu)化抽取和心音識別融 合在一個針對心音的分類網(wǎng)絡(luò)中進行處理，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)，把心音的針對性學(xué)習(xí)和心音識別技術(shù)高度融合，也就是利用心音小波神經(jīng)網(wǎng) 絡(luò)識別系統(tǒng)的有針對性的層次化的架構(gòu)，將心音特征抽取、心音分類識別實現(xiàn)有針對性的 表達，以解決復(fù)雜條件下的心音分類識別問題。2. 根據(jù)權(quán)利要求1所述的構(gòu)造方法，其特征在于， 構(gòu)造心音小波神經(jīng)網(wǎng)絡(luò)的步驟如下： Stepl構(gòu)造心音小波基函數(shù)； Step2求得心音小波系數(shù)的時域化表達式； Step3將心音小波基替代神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)，可實現(xiàn)心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造。3. 根據(jù)權(quán)利要求2所述的構(gòu)造方法，其特征在于，步驟Stepl中： 首先設(shè)計小波尺度濾波器函數(shù)H(w)，其次設(shè)計尺度濾波器h(n)和<?>然后尺度空間正 交化，最后可獲取小波基函數(shù)； 令濾波器長度為10，消失距為5時，可得到心音小波基的一組實數(shù)解： ?/；(7/) = ? 0.0269-0.0323-0.2411 0.0541 0.8995 0.8995 0.0541 -0.2411 -0.0323 0.0269} i " (1) !/?(；〇 = {0.0198 0.0238 -0.0233 0.1456 0.5411 0.5411 0.1456 -0.0233 0.023S 0.0198} 再根據(jù)g[?] = (-I)1 _爾1f Μ = (-?/?μ -?]可求得對應(yīng)的心音小波濾波器g(η)和 奴")為： = {-0.0198 0.0238 0.0233 0.1456 -0.5411 0.5411 -0.1456 -0.0233 -0.0238 0.0198} < C '2): ?. [g(H) = {0.0269 0.0323 -0.2411 -0.0541 0.8995 -0.8995 0.0541 0.2411 -0,0323 -0.0269}4. 根據(jù)權(quán)利要求3所述的構(gòu)造方法，其特征在于，步驟Step2中： 將步驟Stepl中的（1)、（2)式的解代入(3)式的雙尺度方程中： ^(t) = v2 V h(k) φ(2? - A：) k.^0 ?// ?ι) = λ/2 V g(k) φ( 2? - k) < k=G i3) ^ N-x ^ ~ φ([) = V2^/?(k) φ(2? -k) k=(i ..N-l ~ (//it) = ^)(2t-k) 令N=10,可獲得心音小波基的時域解析形式，同時也是神經(jīng)網(wǎng)絡(luò)的隱層函數(shù)。5. 根據(jù)權(quán)利要求4所述的構(gòu)造方法，其特征在于，步驟Step3中： 以下式中，xi(i = l，2，...，m)為輸入層第i個樣本輸入，yk(k=l，2, . . .，n)為輸出層第k 個樣本的輸出，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： m input] . ~ [ νν?,,.ν^/ --1,2,.. ,·η) (4) /=1 1 f - J) 將隱層神經(jīng)元的輸入代入小波函數(shù)?/Λ,./,(〇 = ~y中，得到隱層神經(jīng)元的輸 V Cl Cl 出： ￥,,biinputlj) = ifA^ttputlj -bj)/α;. j C5) 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： ? m \ ， j* = / Σ w2jk ψ〇μ Σ >rli； ^ + & -戶1 、.扣1 」 」 、6) 其中θ代表偏移值，又叫閾值； 一段長度為Ν的正常心音信號模型可描述為： Ν IiS(J) = X，(^i-si (0 + ^?.〇) + α;；λ\(〇 + kAsA(t) + k,s^{t)) (7) .拎1 其中，SI、S2分別為第一、第二心音信號；S3、S4分別為第三、第四心音;S5表不心音中的雜 音成分;ki(i = l，2,3,4,5)表示合成系數(shù)； 再將步驟Step2中的（3)式和步驟Step3中的（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)。6. 根據(jù)權(quán)利要求5所述的構(gòu)造方法，其特征在于，心音小波神經(jīng)網(wǎng)絡(luò)的輸出為： yk im)=Σ π^,Γ( -tl ),k = i2.,.x ?=1 fel (8)7. -種心音小波神經(jīng)網(wǎng)絡(luò)(HSWNN)的訓(xùn)練方法，根據(jù)權(quán)利要求6所述的方法構(gòu)造心音小 波神經(jīng)網(wǎng)絡(luò)，其特征在于:神經(jīng)網(wǎng)絡(luò)的訓(xùn)練實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，求解的代價也會變得很大，根據(jù)心音的特點定 義一個最小化誤差函數(shù)從而得到權(quán)值Wk P的唯一解。8. 根據(jù)權(quán)利要求7所述的訓(xùn)練方法，其特征在于： 設(shè)第η個樣本心音信號為HSn，對其進行特征提取得到m個特征值HSn= [hsi(n)，hs2 (η)，·…，hsm-Kn)，hsm(n)]，定義HSWNN訓(xùn)練誤差為： 廁酬~)=去￡亂ν"賊)(賊)] ^ h^i ·ρ=ι L J (9) 其中:y為期望輸出，3；為網(wǎng)絡(luò)實際輸出，N為樣本總數(shù)，訓(xùn)練方法為： 卜"，+ 1)^(/) - 加V 漢腦w(< -告? ?卜(那〃)-~(冊")]柏、(a-J (1〇) 概}φ ^ n=\ pM L 」L 卜！ _ 其中：1為迭代次數(shù)，λ為迭代步長，gk(Xn)為樣本n在第N個隱含層節(jié)點的輸出。
【專利摘要】本發(fā)明公開了一種心音小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法，將心音特征優(yōu)化抽取和心音識別融合在一個針對心音的分類網(wǎng)絡(luò)中進行處理，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)，把心音的針對性學(xué)習(xí)和心音識別技術(shù)高度融合，也就是利用心音小波神經(jīng)網(wǎng)絡(luò)識別系統(tǒng)的有針對性的層次化的架構(gòu)，將心音特征抽取、心音分類識別實現(xiàn)有針對性的表達，以解決復(fù)雜條件下的心音分類識別問題。本發(fā)明的心音小波基轉(zhuǎn)換為激活函數(shù)的方法；給出了構(gòu)造心音小波神經(jīng)網(wǎng)絡(luò)的具體步驟；根據(jù)心音的特點構(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方面呈現(xiàn)出更多優(yōu)勢的小波神經(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。
【IPC分類】G06N3/02, G06F19/00
【公開號】CN105469140
【申請?zhí)枴緾N201510525087
【發(fā)明人】成謝鋒, 李允怡, 傅女婷, 張學(xué)軍, 孫科學(xué)
【申請人】南京郵電大學(xué)
【公開日】2016年4月6日
【申請日】2015年8月24日