基于盲源分离的心肺音信号分离方法研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 国内外盲源分离研究现状 | 第14-17页 |
| 1.2.2 国内外心肺音分离研究现状 | 第17-18页 |
| 1.3 论文的主要研究内容及结构安排 | 第18-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 心肺音盲源分离的相关技术 | 第21-35页 |
| 2.1 盲源分离原理及其数学模型 | 第21页 |
| 2.2 盲源分离分类 | 第21-26页 |
| 2.2.1 线性瞬时混合模型 | 第23-24页 |
| 2.2.2 线性卷积混合模型 | 第24-25页 |
| 2.2.3 非线性混合模型 | 第25-26页 |
| 2.3 独立成分分析 | 第26-30页 |
| 2.3.1 约束条件 | 第27页 |
| 2.3.2 预处理过程 | 第27-28页 |
| 2.3.3 常用目标函数 | 第28-30页 |
| 2.4 单通道盲源分离 | 第30-34页 |
| 2.4.1 稀疏分解 | 第30-32页 |
| 2.4.2 时频掩码 | 第32-33页 |
| 2.4.3 相关系数 | 第33页 |
| 2.4.4 信噪比 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 心肺音盲源分离算法方案设计 | 第35-45页 |
| 3.1 心肺音盲源分离算法方案设计流程图 | 第35-36页 |
| 3.2 心肺音盲源分离步骤 | 第36-43页 |
| 3.2.1 心肺音源信号数学模型 | 第36-37页 |
| 3.2.2 短时傅里叶变换 | 第37-38页 |
| 3.2.3 非负矩阵分解 | 第38-40页 |
| 3.2.4 训练样本分类 | 第40-42页 |
| 3.2.5 源信号重构 | 第42-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第四章 心肺音盲源分离算法的仿真实验 | 第45-53页 |
| 4.1 实验环境 | 第45页 |
| 4.2 实验数据 | 第45-46页 |
| 4.3 实验流程 | 第46页 |
| 4.4 实验过程 | 第46-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 心肺音盲源分离应用实现 | 第53-59页 |
| 5.1 心肺音盲源分离算法的c/c++实现 | 第53-55页 |
| 5.2 Android App应用设计 | 第55-57页 |
| 5.2.1 Android NDK介绍 | 第55-56页 |
| 5.2.2 App设计流程 | 第56-57页 |
| 5.3 应用效果 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 总结 | 第59-60页 |
| 未来展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读学位期间的科研成果 | 第67-71页 |
| 致谢 | 第71-73页 |
| 附录Ⅰ 心肺音盲源分离算法主程序 | 第73-79页 |
| 附录Ⅱ 非负矩阵分解、分类学习、时频掩码程序 | 第79-81页 |
