智能电子听诊器设计与实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 心音和呼吸音 | 第8页 |
| 1.1.2 听诊 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 目前存在的问题 | 第10-11页 |
| 1.4 本文的研究目标 | 第11页 |
| 1.5 论文的结构安排 | 第11-13页 |
| 第二章 数字信号处理技术 | 第13-35页 |
| 2.1 傅立叶变换 | 第13-15页 |
| 2.1.1 传统傅立叶变换 | 第13页 |
| 2.1.2 傅立叶变换的局限性 | 第13-14页 |
| 2.1.3 测不准原理 | 第14页 |
| 2.1.4 非平稳信号 | 第14-15页 |
| 2.2 时频分析 | 第15-18页 |
| 2.2.1 短时傅立叶变换 | 第15-16页 |
| 2.2.2 魏格纳-威利分布 | 第16-17页 |
| 2.2.3 小波变换 | 第17-18页 |
| 2.2.4 希尔伯特黄变换 | 第18页 |
| 2.3 希尔伯特黄变换 | 第18-25页 |
| 2.3.1 固有模态函数 | 第18-19页 |
| 2.3.2 经验模式分解 | 第19-22页 |
| 2.3.3 希尔伯特变换 | 第22页 |
| 2.3.4 瞬时频率 | 第22-23页 |
| 2.3.5 Hilbert谱与边际谱 | 第23-24页 |
| 2.3.6 希尔伯特黄变换的有效性和先进性 | 第24-25页 |
| 2.4 非平稳信号的时频分析比较 | 第25-30页 |
| 2.4.1 正弦暂态信号 | 第25-26页 |
| 2.4.2 调频调幅信号 | 第26-28页 |
| 2.4.3 线性调频信号 | 第28-29页 |
| 2.4.4 小结 | 第29-30页 |
| 2.5 神经网络与模式识别 | 第30-35页 |
| 2.5.1 神经网络 | 第30页 |
| 2.5.2 BP神经网络模型 | 第30-31页 |
| 2.5.3 训练算法 | 第31-35页 |
| 第三章 心肺音信号处理的关键算法 | 第35-45页 |
| 3.1 心肺音信号的产生机理 | 第35-37页 |
| 3.1.1 心音听诊概述 | 第35-36页 |
| 3.1.2 肺音听诊概述 | 第36-37页 |
| 3.2 心肺音信号的噪声分析 | 第37-38页 |
| 3.3 心肺音信号的包络提取算法 | 第38-41页 |
| 3.3.1 短时平方能量算法 | 第38页 |
| 3.3.2 归一化平均香农能量算法 | 第38-39页 |
| 3.3.3 希尔伯特变换 | 第39-41页 |
| 3.4 心肺音信号的分段识别算法 | 第41-43页 |
| 3.4.1 传统分段算法 | 第41页 |
| 3.4.2 自动分段算法 | 第41-42页 |
| 3.4.3 算法的优点 | 第42-43页 |
| 3.5 神经网络特征值的选取 | 第43-45页 |
| 第四章 心肺音分析系统的设计实现 | 第45-61页 |
| 4.1 系统框图 | 第45-46页 |
| 4.2 声音采集 | 第46-48页 |
| 4.2.1 声音传感器 | 第46-47页 |
| 4.2.2 前端硬件电路 | 第47-48页 |
| 4.2.3 采样录音 | 第48页 |
| 4.3 软件预处理 | 第48-49页 |
| 4.4 时域分析 | 第49-50页 |
| 4.5 频域分析 | 第50页 |
| 4.6 时频分析 | 第50-51页 |
| 4.7 模式识别 | 第51-53页 |
| 4.7.1 输入层神经元参数的选择 | 第51-52页 |
| 4.7.2 输出层神经元个数的选择 | 第52页 |
| 4.7.3 隐含层神经元个数的选择 | 第52页 |
| 4.7.4 神经网络学习训练 | 第52-53页 |
| 4.8 分析实例 | 第53-61页 |
| 4.8.1 心音分析 | 第53-57页 |
| 4.8.2 肺音分析 | 第57-61页 |
| 第五章 总结与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表论文和参加科研情况说明 | 第65-66页 |
| 致谢 | 第66页 |
