| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 1 绪论 | 第10-16页 |
| ·课题研究的目的及意义 | 第10-12页 |
| ·脉象信号分析的发展及国内外研究现状 | 第12-13页 |
| ·高阶统计量理论的发展及国内外研究现状 | 第13-15页 |
| ·本论文的研究工作 | 第15-16页 |
| 2 脉象信号 | 第16-19页 |
| ·脉搏、脉象与脉象图 | 第16页 |
| ·脉象信号的采集 | 第16-17页 |
| ·脉象信号的选取 | 第17-19页 |
| 3 高阶统计量 | 第19-26页 |
| ·高阶矩和高阶累积量 | 第19-23页 |
| ·矩和累积量的定义 | 第19页 |
| ·矩和累积量之间的关系 | 第19页 |
| ·矩和累积量的性质 | 第19-20页 |
| ·平稳随机过程的矩和累积量 | 第20-21页 |
| ·高斯过程的高阶矩和高阶累积量 | 第21-23页 |
| ·高阶累积量谱 | 第23-26页 |
| ·矩谱和累积量谱的定义 | 第23-24页 |
| ·双谱的对称关系 | 第24-26页 |
| 4 倒双谱估计及在脉象信号分析中的应用 | 第26-42页 |
| ·确定性信号的复倒谱 | 第26-28页 |
| ·信号假设 | 第26-27页 |
| ·复倒谱的定义 | 第27页 |
| ·复倒谱性质 | 第27-28页 |
| ·复倒谱计算方法和相位展开 | 第28页 |
| ·确定信号和随机信号的功率倒谱 | 第28-30页 |
| ·功率倒谱的定义 | 第28-29页 |
| ·功率倒谱的性质 | 第29页 |
| ·功率倒谱的计算方法 | 第29-30页 |
| ·确定信号和随机信号的倒双谱 | 第30-33页 |
| ·倒双谱的定义 | 第31-32页 |
| ·倒双谱的性质 | 第32页 |
| ·倒双谱的计算方法 | 第32-33页 |
| ·应用倒双谱分析脉象信号 | 第33-40页 |
| ·零分量比较 | 第34-36页 |
| ·倒双谱的对角切片方差比较 | 第36-37页 |
| ·倒双谱的对角切片能量比值比较 | 第37-39页 |
| ·三种方法综合分析 | 第39-40页 |
| ·软件编制 | 第40页 |
| ·结论 | 第40-42页 |
| 5 1(1/2)维倒谱在脉象信号分析中的应用 | 第42-57页 |
| ·1(1/2)维谱 | 第42-46页 |
| ·1(1/2) 维谱定义 | 第42页 |
| ·1(1/2) 维谱的性质 | 第42-45页 |
| ·1(1/2) 维谱的算法 | 第45页 |
| ·1(1/2) 维谱的仿真研究 | 第45-46页 |
| ·1(1/2) 维倒谱的定义和算法 | 第46-47页 |
| ·1(1/2) 维倒谱的性质 | 第47页 |
| ·脉象信号的1(1/2) 维倒谱分析 | 第47-55页 |
| ·零分量比较 | 第48-50页 |
| ·特定区间1(1/2) 维倒谱熵比较 | 第50-52页 |
| ·1(1/2)维倒谱的倒谱能比(CSER ) 比较 | 第52-54页 |
| ·三种方法综合分析 | 第54-55页 |
| ·软件的编制 | 第55页 |
| ·结论 | 第55-57页 |
| 6 基于神经网络的脉象模式识别研究 | 第57-72页 |
| ·BP 神经网络 | 第57-66页 |
| ·BP 神经网络内容 | 第57-58页 |
| ·BP 网络结构 | 第58-59页 |
| ·性能函数 | 第59页 |
| ·偏导数的链法则 | 第59-60页 |
| ·灵敏度的反向传播 | 第60-62页 |
| ·BP 算法 | 第62-63页 |
| ·Levenberg-Marquardt BP 算法 | 第63-66页 |
| ·脉象信号的神经网络分类识别 | 第66-70页 |
| ·对倒双谱提取的特征进行BP 分类识别 | 第67-69页 |
| ·对1(1/2) 维倒谱提取的特征进行BP 分类识别 | 第69-70页 |
| ·软件的编制 | 第70页 |
| ·结论 | 第70-72页 |
| 7 结论 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第77-78页 |
