首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化技术在各方面的应用论文

基于腕带传感装置的高血压脉象辨识系统的研究

摘要第1-3页
Abstract第3-7页
第一章 绪论第7-15页
   ·课题研究的意义第7-9页
   ·中医脉诊客观化研究历史及现状第9-10页
   ·脉诊的基本概念第10-12页
     ·脉博第10页
     ·脉象形成原因第10页
     ·脉图的基本结构和意义第10-12页
     ·最佳脉图第12页
   ·脉象信号识别的常用方法第12页
   ·神经网络技术的发展及中外研究现状第12-14页
   ·本课题研究的主要内容第14-15页
第二章 脉象信号的分析识别方法第15-24页
   ·脉图的时域分析法第15-18页
     ·直观形态法第16页
     ·多因素图示法第16-17页
     ·速率图法第17页
     ·脉图面积法第17-18页
   ·脉图的频域分析方法第18-21页
     ·功率谱分析第19-20页
     ·倒频谱分析第20-21页
     ·传递函数估计第21页
   ·脉象信号的联合分析法第21-24页
     ·短时傅里叶变换第21-22页
     ·小波分析第22-24页
第三章 高血压患者脉象信号时频分析第24-33页
   ·脉象信号时频域分析方法基础第24-27页
     ·周期信号的频谱第24-25页
     ·离散傅里叶变换与快速傅里叶变换第25-26页
     ·功率谱分析第26-27页
     ·时频功率谱能量比分析第27页
   ·高血压患者脉象信号时频分析第27-32页
     ·脉象信号的采集第27-28页
     ·脉象信号时域分析第28-30页
     ·脉象信号频域分析第30页
     ·功率能量比分析结果第30-31页
     ·高血压时频分析Matlab程序摘要第31-32页
   ·小结第32-33页
第四章 基于神经网络技术的高血压患者脉象信号模型的建立第33-50页
   ·神经网络的基本原理第33-39页
     ·生物神经元简介第33页
     ·神经元的模型第33-38页
     ·神经网络的特点第38-39页
   ·前向神经网络和BP算法第39-45页
     ·感知器第39页
     ·前向神经网络第39-40页
     ·BP学习算法第40-45页
   ·基于BP网络的高血压脉象信号辨识模型的建立第45-50页
     ·神经网络结构的确定第45-46页
     ·隐层神经元个数的确定第46-47页
     ·学习算法和学习参数的确定第47-48页
     ·学习样本的确定第48-50页
第五章 基于腕带式传感装置的高血压脉象信号辨识系统的实现第50-65页
   ·基于腕带式传感装置的高血压患者脉象信息采集系统第50-58页
     ·脉搏传感装置的工作原理第50-52页
     ·数据采集系统第52-58页
   ·基于BP网络的高血压患者脉象分析系统建立第58-62页
     ·MATELAB7.0 神经网络工具箱 GUI 简介第58-60页
     ·BP神经网络的设计第60页
     ·神经网络的训练第60-61页
     ·神经网络辨识结果分析第61-62页
   ·主程序的设计与使用第62-65页
第六章 课题的总结和展望第65-67页
   ·课题总结第65-66页
   ·课题的展望第66-67页
参考文献第67-70页
研究生期间发表论文第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:长庆送变电工程施工质量控制研究
下一篇:基于实物期权理论的企业并购决策研究