基于肺音的麻醉状态下呼吸系统的建模与仿真
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 相关领域研究现状 | 第11-14页 |
| 1.2.1 肺音研究的发展历史及现状分析 | 第11-13页 |
| 1.2.2 系统建模的发展历史及现状分析 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 麻醉状态下呼吸系统的建模方法研究 | 第16-27页 |
| 2.1 最小二乘法 | 第16-21页 |
| 2.1.1 最小二乘法的基本概念 | 第16-17页 |
| 2.1.2 传统最小二乘法 | 第17-19页 |
| 2.1.3 约束最小二乘法 | 第19页 |
| 2.1.4 递推最小二乘法 | 第19-21页 |
| 2.2 RBF 神经网络辨识 | 第21-26页 |
| 2.2.1 RBF 神经网络概述及其网络结构 | 第21-24页 |
| 2.2.2 RBF 网络学习方法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 麻醉前后肺音信号的特征提取 | 第27-39页 |
| 3.1 小波分析理论 | 第27-32页 |
| 3.1.1 一维连续小波 | 第27-29页 |
| 3.1.2 离散小波 | 第29-30页 |
| 3.1.3 多分辨率分析及 Mallat 算法 | 第30-32页 |
| 3.2 麻醉前后肺音信号的获取 | 第32-33页 |
| 3.3 麻醉前后肺音信号的特征提取 | 第33-38页 |
| 3.3.1 肺音信号的小波分析 | 第33-35页 |
| 3.3.2 肺音信号的小波分解 | 第35-36页 |
| 3.3.3 特征提取的过程 | 第36-37页 |
| 3.3.4 麻醉前后肺音信号的最终特征 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 麻醉状态下呼吸系统的建模与仿真 | 第39-52页 |
| 4.1 基于最小二乘法进行呼吸系统建模 | 第39-41页 |
| 4.1.1 ARX 模型实现建模 | 第39-41页 |
| 4.1.2 ARMAX 模型实现建模 | 第41页 |
| 4.2 基于 RBF 神经网络进行呼吸系统建模 | 第41-46页 |
| 4.2.1 RBF 神经网络结构的确定 | 第42-44页 |
| 4.2.2 RBF 神经网络训练算法的设计 | 第44-45页 |
| 4.2.3 神经网络系统辨识的建模步骤 | 第45-46页 |
| 4.3 仿真验证 | 第46-51页 |
| 4.3.1 ARX 模型验证 | 第46-47页 |
| 4.3.2 ARMAX 模型验证 | 第47-48页 |
| 4.3.3 ARX 模型和 ARMAX 模型对比 | 第48-49页 |
| 4.3.4 RBF 神经网络模型仿真 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
