| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 心肺音频识别发展历程 | 第12-15页 |
| 1.2.1 心音信号识别发展历程 | 第12-13页 |
| 1.2.2 肺音信号识别发展历程 | 第13-15页 |
| 1.3 本文的主要工作和结构安排 | 第15-16页 |
| 1.3.1 本文的主要工作 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16页 |
| 1.3.3 特色与创新 | 第16页 |
| 1.4 本章小结 | 第16-18页 |
| 第二章 心肺音频分类的理论基础及相关技术 | 第18-25页 |
| 2.1 心肺音频信号分类概述 | 第18-19页 |
| 2.2 心音信号基本理论 | 第19-20页 |
| 2.3 肺音信号基本理论 | 第20-21页 |
| 2.4 本文研究的几种心肺音频信号特点 | 第21-22页 |
| 2.5 小波理论 | 第22-24页 |
| 2.5.1 连续小波变换 | 第22-23页 |
| 2.5.2 离散的小波变换 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 心肺音频信号的预处理和特征提取 | 第25-43页 |
| 3.1 心肺音频数据的采集 | 第25-28页 |
| 3.2 心肺音频数据的组织形式 | 第28-29页 |
| 3.3 音频预处理 | 第29-30页 |
| 3.4 心肺音频数据的特征参数提取 | 第30-43页 |
| 3.4.1 心肺音频信号的LPCC特征参数提取 | 第33-35页 |
| 3.4.2 心肺音频信号的MFCC特征参数提取 | 第35-37页 |
| 3.4.3 心肺音频数据的小波分解特征参数提取 | 第37-43页 |
| 第四章 基于多模态特征的SVM心肺信号分类算法 | 第43-57页 |
| 4.1 多模态特征融合技术简介 | 第43页 |
| 4.2 心肺音频信号多模态特征融合 | 第43-45页 |
| 4.2.1 心肺音频信号的决策层融合 | 第44页 |
| 4.2.2 心肺音频信号的特征层融合 | 第44-45页 |
| 4.3 支持向量机原理 | 第45-49页 |
| 4.4 支持向量机的多分类技术 | 第49页 |
| 4.5 基于多模态特征融合SVM的心肺音频信号分类实验及结果 | 第49-55页 |
| 4.5.1 实验数据集与实验环境 | 第49-50页 |
| 4.5.2 基于SVM心肺音频信号诊断分类模型算法设计 | 第50-51页 |
| 4.5.3 基于单特征集SVM多分类实验及结果 | 第51-53页 |
| 4.5.4 基于特征层特征融合SVM多分类实验及结果 | 第53-55页 |
| 4.5.5 基于决策层特征融合SVM多分类实验及结果 | 第55页 |
| 4.6 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |
