摘要：準確的心音分割是分析和處理心音信號的基本前提。主流的心音分割算法采用監(jiān)督式預先訓練的方法構建統計模型,它不僅依賴于繁瑣的手工標注,還存在模型與被分割數據之間的不匹配問題。提出了一種面向心音分割的個性化高斯混合建模方法,避免了手工標注和預先訓練,而且在線訓練獲得的個性化模型能夠高度匹配被分割的心音數據。由于心音信號的周期在一段短時間內很穩(wěn)定,因此假設在包含若干心動周期的分析窗內,心音信號具有穩(wěn)定的周期性,通過主成分分析提取本征心動周期信號,通過無監(jiān)督學習構建個性化的統計模型,根據模型實現窗內每一心動周期的分割。實驗表明,算法的平均分割準確率比主流的LRHSMM算法高3%。