چکيده

بهبود عملکرد الگوریتم‎های تشخیص خودکارِ بیماری‎های قلبی-عروقی، نیاز به دانشی اولیه از ساختارهای ذاتی و زیربنایی و رفتارهای بنیادی سیگنال صوتی قلب (PCG) دارد. مدلسازی سیگنال، ابزار توانمندی است که به ما در فهم ویژگیهای شاخص و الگوهای رفتاری معین موجود در سیگنال PCG کمک کرده و امکان استخراج ویژگیهایی که برخاسته از ماهیت سیگنال باشند را فراهم می‎سازد. الگوریتم جستجوی تطابق که مدل اتمی تُنُک سیگنال برروی یک دیکشنری فوق‎کامل را استخراج می‎کند، ابزاری کارآمد برای رسیدن به این هدف می‎باشد. تحقیقات اخیر در این زمینه، عمدتاً برروی بکارگیری دیکشنری گابور در الگوریتم فوق متمرکز بوده‎اند. در این مقاله، ما الگوریتم جستجوی تطابق مبتنی بر دیکشنری بسته موجک را جهت مدلسازی صداهای اصلی و همچنین سوفلهای ناشی از بیماری در سیگنال صوتی قلب پیشنهاد می‎کنیم. ريشة متوسط مربع خطای نرماليزه شده (NRMSE) بین سیگنال اصلی و سیگنال بازسازی شده با استفاده از هر دو دیکشنری محاسبه شده است. نتایج نشان می‎دهند که استفاده از دیکشنری بسته موجک در الگوریتم جستجوی تطابق، جهت مدل کردن خصوصیات پیچیده صداها و سوفلها بسیار مناسب بوده و منجر به NRMSE كمتر در مقايسه با ديكشنري گابور شده است.