基于脉搏信号的亚健康状态识别方法的研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 插图索引 | 第11-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-19页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·本文研究内容 | 第17-19页 |
| 第2章 亚健康与脉搏信号的基础知识 | 第19-25页 |
| ·引言 | 第19页 |
| ·亚健康基本知识 | 第19-20页 |
| ·亚健康的研究思路 | 第19-20页 |
| ·脉象与亚健康状态评估 | 第20页 |
| ·脉搏信号的基本特性 | 第20-23页 |
| ·脉图的基础 | 第20-21页 |
| ·脉图的时域判读法 | 第21-22页 |
| ·脉图的频谱分析 | 第22-23页 |
| ·最佳脉图 | 第23页 |
| ·中医脉诊 | 第23-25页 |
| 第3章 脉搏信号的采集和预处理 | 第25-39页 |
| ·引言 | 第25页 |
| ·脉搏信号的采集 | 第25-27页 |
| ·传感器的选择 | 第25-26页 |
| ·亚健康状态自评表(SRSHS) | 第26页 |
| ·脉搏信号的采集与选取 | 第26-27页 |
| ·小波分析 | 第27-31页 |
| ·小波变换 | 第27-29页 |
| ·多分辨分析 | 第29-31页 |
| ·基于小波变换的脉搏信号滤波处理 | 第31-36页 |
| ·脉搏信号的小波变换特性 | 第31-32页 |
| ·阈值法滤波 | 第32-34页 |
| ·小波基的选择 | 第34-35页 |
| ·分解层数的确定 | 第35-36页 |
| ·结果与分析 | 第36-39页 |
| 第4章 脉搏信号的分析与特征提取 | 第39-50页 |
| ·引言 | 第39页 |
| ·基于功率谱估计的特征提取 | 第39-42页 |
| ·功率谱估计 | 第39-40页 |
| ·功率谱峰值及峰值频率 | 第40页 |
| ·功率谱重心及重心频率 | 第40-41页 |
| ·实验结果 | 第41-42页 |
| ·基于 AR模型参数的特征提取 | 第42-45页 |
| ·平稳随机信号的 AR参数模型 | 第42-43页 |
| ·脉搏信号的 AR模型参数估计 | 第43-44页 |
| ·AR模型阶数p的选择 | 第44-45页 |
| ·实验结果 | 第45页 |
| ·基于小波分析的特征提取 | 第45-47页 |
| ·SER值 | 第45-46页 |
| ·小波包对脉搏信号的分解 | 第46页 |
| ·实验结果 | 第46-47页 |
| ·基于魏格纳-维尔分布的特征提取 | 第47-49页 |
| ·魏格纳-维尔分布 | 第47-48页 |
| ·Renyi信息量 | 第48页 |
| ·实验结果 | 第48-49页 |
| ·实验讨论与总结 | 第49-50页 |
| 第5章 脉搏信号的模式识别 | 第50-59页 |
| ·引言 | 第50页 |
| ·线性判别式分析对脉搏信号的识别 | 第50-52页 |
| ·线性判别式分析算法 | 第50-51页 |
| ·LDA分类结果 | 第51-52页 |
| ·支持向量机对脉搏信号的识别 | 第52-58页 |
| ·机器学习基本知识 | 第52-53页 |
| ·统计学习理论 | 第53-54页 |
| ·支持向量机 | 第54-57页 |
| ·核函数参数的自动调整 | 第57-58页 |
| ·SVM分类结果 | 第58页 |
| ·实验讨论与总结 | 第58-59页 |
| 第6章 亚健康识别系统的软件设计 | 第59-63页 |
| ·引言 | 第59页 |
| ·脉搏识别系统功能与分析 | 第59-61页 |
| ·系统功能模块的划分 | 第59-60页 |
| ·开发和运行环境开发工具 | 第60页 |
| ·数据库的设计 | 第60-61页 |
| ·主要窗体界面及运行结果 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 附录A 亚健康状态自评表(SRSHS) | 第71-73页 |
| 附录B 攻读学位期间所发表的学术论文目录 | 第73页 |
