首页--医药、卫生论文--神经病学与精神病学论文--脑血管疾病论文--急性脑血管疾病(中风)论文

非线性混沌理论在脑卒中患者声音时间序列中的分析和应用

致谢第5-6页
摘要第6-8页
ABSTRACT第8-9页
目录第10-13页
图目录第13-15页
表目录第15-16页
1 绪论第16-28页
    1.1 课题的研究背景及研究意义第16-17页
    1.2 课题研究现状第17-25页
        1.2.1 脑功能监测方法第17-19页
        1.2.2 声音信号分析和特征提取方法第19-24页
        1.2.3 声音分析诊断流程图第24页
        1.2.4 国内外研究现状第24-25页
    1.3 论文的主要内容及各章节简介第25-28页
2 脑与声音分析和脑卒中患者声样采集处理第28-42页
    2.1 大脑对语言功能的影响第28-31页
        2.1.1 言语功能的神经机制第28-30页
        2.1.2 语言机制的脑功能成像第30-31页
    2.2 大脑的非线性第31-33页
    2.3 声样的采集第33-34页
    2.4 本课题的采集样本第34-37页
        2.4.1 样本采集装置第34-37页
    2.5 声音信号增强处理第37-41页
        2.5.1 噪声的特性第38-39页
        2.5.2 声音去噪方法之小波去噪第39-41页
    2.6 本章小结第41-42页
3 非线性时间序列分析及其在嗓音信号分析中的应用第42-62页
    3.1 混沌理论概述第42-44页
    3.2 相空间重构理论第44-46页
    3.3 延迟时间的计算和应用第46-51页
    3.4 嵌入维数的计算和应用第51-56页
        3.4.1 计算嵌入维数的方法第51-53页
        3.4.2 时间序列计算嵌入维数第53-54页
        3.4.3 根据延迟时间和嵌入维数重构相空间第54-56页
    3.5 李雅普诺夫指数的计算和应用第56-61页
        3.5.1 李雅普诺夫指数的定义第56-57页
        3.5.2 李雅普诺夫指数的计算第57-60页
        3.5.3 时间序列的李雅普诺夫指数第60-61页
    3.6 本章小结第61-62页
4 改进的替代数据法在嗓音分析中的应用第62-74页
    4.1 替代数据法第62-64页
    4.2 关联维数的计算和应用第64-69页
        4.2.1 计算关联维数第64-66页
        4.2.2 对时间序列计算关联维数第66-69页
    4.3 改进替代数据法得到归一化检测量第69-72页
        4.3.1 基本概念第69页
        4.3.2 归一化方差的检测量的提出和计算第69-71页
        4.3.3 声音时间序列的归一化方差的检测量计算第71-72页
    4.4 本章小节第72-74页
5 脑卒中病人和健康人声音样本分析和分类第74-84页
    5.1 非线性参数在脑卒中病人和健康人样本中的对比第74-79页
        5.1.1 互信息图的第一个最小值对比第74-75页
        5.1.2 重构相空间的吸引子对比第75-76页
        5.1.3 最大Lyapunov指数对比第76-77页
        5.1.4 归一化方差的检测量对比第77-79页
    5.2 k近邻分类算法第79-81页
        5.2.1 什么是K近邻算法第79-80页
        5.2.2 k近邻的距离度量表示法第80-81页
        5.2.3 K值的选择第81页
    5.3 脑卒中病人和健康人声音样本分类第81-82页
    5.4 本章小节第82-84页
6 总结与展望第84-86页
    6.1 研究工作总结第84-85页
    6.2 进一步工作展望第85-86页
7 参考文献第86-92页
附录 攻读硕士学位期间的研究成果及作者简介第92页

论文共92页,点击 下载论文
上一篇:一种调控脑胶质瘤表达B7-H3的新MicroRNA-Mir-339-5p的发现及其对脑胶质瘤细胞侵袭作用的研究
下一篇:原发性肾病综合征中HMGB-1、NF-κB的相关性研究