| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 缩略语表 | 第10-11页 |
| 1 绪论 | 第11-18页 |
| ·课题背景和研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·本课题肺音研究的主要工作 | 第16-18页 |
| 2 肺音信号的获取、分析和预处理 | 第18-32页 |
| ·肺音信号的获取技术 | 第18-19页 |
| ·韦尔奇变换与小波变换 | 第19-23页 |
| ·傅里叶变换 | 第19-20页 |
| ·短时傅里叶变换（STFT) | 第20页 |
| ·信号的连续小波变换 | 第20-21页 |
| ·信号的离散小波变换 | 第21-22页 |
| ·小波的多分辨率分析和 MALLAT 算法 | 第22-23页 |
| ·小波分析去噪技术 | 第23-25页 |
| ·小波的肺音混合去噪技术 | 第25-29页 |
| ·肺音的高通滤波 | 第25-27页 |
| ·基于小波变换的混合去噪原理与实现 | 第27-29页 |
| ·肺音周期分割算法的研究与实现 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 肺音信号的特征提取和识别技术 | 第32-43页 |
| ·模式识别技术和特征提取技术 | 第32-42页 |
| ·模式识别的基本原理 | 第32-33页 |
| ·特征提取技术 | 第33-35页 |
| ·分类器的设计 | 第35页 |
| ·人工神经网络的分类识别技术 | 第35-37页 |
| ·BP 神经网络原理 | 第37页 |
| ·BP 神经网络的设计基础 | 第37-39页 |
| ·基于遗传算法的优化的 BP 网络 | 第39-42页 |
| ·临床常见的四类肺音与肺病的联系 | 第42页 |
| ·本章小结 | 第42-43页 |
| 4 肺音特征提取和分类识别技术的实现 | 第43-54页 |
| ·基于韦尔奇功率谱的肺音特征提取 | 第43-46页 |
| ·韦尔奇功率谱估计 | 第43-44页 |
| ·肺音的韦尔奇功率谱特征提取 | 第44-46页 |
| ·基于小波系数统计特征值的肺音特征提取 | 第46-48页 |
| ·肺音的小波分析 | 第46-47页 |
| ·肺音小波系数统计特征值的提取实现 | 第47-48页 |
| ·BP 神经网络与遗传 BP 神经网络（GABPNN）的识别与分析 | 第48-53页 |
| ·BP 神经网络的识别与分析 | 第48-51页 |
| ·遗传 BP 神经网络（GABPNN）的肺音识别结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 5 肺音分析识别系统的设计与实现 | 第54-62页 |
| ·肺音分析识别系统构架和功能 | 第54页 |
| ·基于 MATLAB 软件的ＧＵＩ操作界面编写 | 第54-61页 |
| ·本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-65页 |
| ·本文的工作总结 | 第62-63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-74页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第74-75页 |