利用床垫式和腰带式生理信号监测系统进行咳嗽的监测与识别
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 咳嗽的神经生理学特征 | 第12-13页 |
| 1.2 咳嗽的生理学特征 | 第13页 |
| 1.3 咳嗽的危害 | 第13-14页 |
| 1.4 咳嗽监测技术的发展 | 第14-20页 |
| 1.4.1 咳嗽监测仪的发展历史 | 第14-18页 |
| 1.4.2 咳嗽音识别技术的发展历史及研究现状 | 第18-20页 |
| 1.5 床垫式咳嗽监测系统 | 第20-22页 |
| 1.6 腰带式咳嗽监测系统 | 第22-24页 |
| 1.7 本文主要工作 | 第24-26页 |
| 第二章 咳嗽信号特征及咳嗽评估方法 | 第26-34页 |
| 2.1 咳嗽信号的特征分析 | 第26-28页 |
| 2.2 咳嗽与其他事件的区别 | 第28-30页 |
| 2.3 咳嗽评估方法 | 第30-33页 |
| 2.4 总结 | 第33-34页 |
| 第三章 微动敏感床垫信号处理及提取 | 第34-48页 |
| 3.1 数字信号滤波法 | 第34-40页 |
| 3.1.1 数字滤波器概述 | 第34-35页 |
| 3.1.2 数字滤波器的工作原理 | 第35-37页 |
| 3.1.3 零相位数字滤波器处理床垫原始信号 | 第37-40页 |
| 3.2 小波变换处理床垫原始信号 | 第40-46页 |
| 3.2.1 小波变换的定义 | 第40-43页 |
| 3.2.2 小波变换处理原始信号 | 第43-46页 |
| 3.3 最优算法的选择 | 第46-47页 |
| 3.4 总结 | 第47-48页 |
| 第四章 腰带式监测系统的信号提取 | 第48-58页 |
| 4.1 高通滤波器的设计 | 第48-55页 |
| 4.1.1 功率谱估计的原理 | 第48-50页 |
| 4.1.2 咳嗽频率的确定 | 第50-53页 |
| 4.1.3 窗函数的设计原理 | 第53页 |
| 4.1.4 高通滤波器的实现 | 第53-55页 |
| 4.2 声音包络的提取 | 第55-56页 |
| 4.3 总结 | 第56-58页 |
| 第五章 咳嗽识别算法设计 | 第58-70页 |
| 5.1 基于微动敏感床垫的咳嗽识别算法 | 第58-62页 |
| 5.1.1 实验平台 | 第58页 |
| 5.1.2 研究对象 | 第58页 |
| 5.1.3 实验步骤 | 第58-59页 |
| 5.1.4 算法设计 | 第59-60页 |
| 5.1.5 实验结果 | 第60-62页 |
| 5.2 基于腰带式咳嗽信号监测系统的咳嗽识别算法 | 第62-68页 |
| 5.2.1 实验平台 | 第62页 |
| 5.2.2 研究对象 | 第62-63页 |
| 5.2.3 实验步骤 | 第63页 |
| 5.2.4 算法设计 | 第63-64页 |
| 5.2.5 实验结果 | 第64-68页 |
| 5.3 结论 | 第68-70页 |
| 第六章 总结与展望 | 第70-74页 |
| 6.1 工作总结 | 第70-71页 |
| 6.2 后续工作及展望 | 第71-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 学位论文评闻及答辩情况表 | 第80页 |
