一种用于心震图信号分类的自适应特征提取算法
信号处理
2019-02-04 v2
摘要
本文提出了一种用于心震图（SCG）信号的新型自适应特征提取算法。该算法将 SCG 信号划分为多个 bin，其中每个 bin 的长度由该 bin 内的信号变化决定。例如，当信号变化较陡时，bin 较短，反之亦然。该算法被用于提取在 7 名健康个体（年龄：29.44.5 岁）不同肺容量阶段记录的 SCG 信号特征。特征提取算法的输出被输入到支持向量机分类器中，以将 SCG 事件分为高肺容量和低肺容量两类（HLV 和 LLV）。将分类结果与当前可用的非自适应特征提取方法在不同 bin 数量下的结果进行了比较。结果表明，该算法的分类准确率达到约 90%。该算法优于非自适应算法，尤其是在 bin 数量减少时。例如，对于 16 个 bin，自适应和非自适应方法的 F1 score 分别为 0.910.05 和 0.630.08。
引用
@article{arxiv.1803.10343,
title = {An Adaptive Feature Extraction Algorithm for Classification of Seismocardiographic Signals},
author = {Amirtaha Taebi and Brian E Solar and Hansen A Mansy},
journal= {arXiv preprint arXiv:1803.10343},
year = {2019}
}