基于小波变换的脉象信号处理方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外相关研究和综述 | 第10-13页 |
| 1.2.1 国内外文献综述的简析 | 第12-13页 |
| 1.3 本课题的主要工作 | 第13页 |
| 1.4 本课题的组织结构 | 第13-15页 |
| 第2章 脉象信号的采集及数据库 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 脉象信号的采集 | 第15-18页 |
| 2.2.1 脉象信号采集系统 | 第15-18页 |
| 2.3 脉象数据库 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 脉象信号预处理 | 第21-37页 |
| 3.1 引言 | 第21-22页 |
| 3.2 基于小波变换的去噪处理 | 第22-27页 |
| 3.2.1 传统小波去噪方法 | 第22-23页 |
| 3.2.2 小波分解单只重构去除噪声 | 第23-27页 |
| 3.3 脉象信号的无效成分切除 | 第27-30页 |
| 3.4 去除基线漂移 | 第30-32页 |
| 3.5 周期分割 | 第32-35页 |
| 3.6 归一化处理 | 第35-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 脉象信号的特征提取及分类实验 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 时域特征提取 | 第37-39页 |
| 4.3 基于小波变换的能量特征提取 | 第39-40页 |
| 4.4 KNN 对脉象信号分类 | 第40-42页 |
| 4.4.1 KNN | 第40-41页 |
| 4.4.2 实验设计与结果分析 | 第41-42页 |
| 4.5 支持向量机对脉象信号进行分类 | 第42-43页 |
| 4.5.1 支持向量机 | 第42页 |
| 4.5.2 实验设计与结果分析 | 第42-43页 |
| 4.6 特征融合分类实验 | 第43-45页 |
| 4.7 健康疾病样本分类实验 | 第45页 |
| 4.8 本章小结 | 第45-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |
