基于动态光谱的血液成分含量检测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 无创血液成分检测的背景及意义 | 第8-9页 |
| 1.2 目前无创血液成分检测方法 | 第9-12页 |
| 1.2.1 非光学无创检测方法 | 第9-10页 |
| 1.2.2 光学无创测量方法 | 第10-11页 |
| 1.2.3 光学检测方法的主要难点 | 第11-12页 |
| 1.3 动态光谱检测方法的现状 | 第12-13页 |
| 1.4 本文的研究目的及意义 | 第13-14页 |
| 1.5 论文研究内容及章节安排 | 第14-16页 |
| 第二章 动态光谱的原理及数据处理过程 | 第16-28页 |
| 2.1 动态光谱基本原理 | 第16-19页 |
| 2.2 采用的实验装置 | 第19-20页 |
| 2.3 采集过程 | 第20-21页 |
| 2.4 光谱数据的预处理及动态光谱数据提取 | 第21-24页 |
| 2.4.1 频域提取法 | 第21-23页 |
| 2.4.2 单沿提取法 | 第23-24页 |
| 2.5 建立预测模型以及模型质量评估 | 第24-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 光谱数据的预处理 | 第28-44页 |
| 3.1 引言 | 第28-29页 |
| 3.2 消除基线漂移干扰影响 | 第29-32页 |
| 3.2.1 确定极值及沿特性 | 第29-30页 |
| 3.2.2 拟合补偿基线 | 第30-32页 |
| 3.3 利用小波分析去噪 | 第32-37页 |
| 3.3.1 去噪原理 | 第32-33页 |
| 3.3.2 去噪方法的改进 | 第33-34页 |
| 3.3.3 各尺度噪声方差的准确估计推导 | 第34-35页 |
| 3.3.4 处理结果与分析 | 第35-37页 |
| 3.4 提取动态光谱值 | 第37-42页 |
| 3.4.1 提取动态光谱值的过程及原理 | 第37-41页 |
| 3.4.2 实验验证 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 建立预测模型 | 第44-60页 |
| 4.1 引言 | 第44-45页 |
| 4.2 主成分分析减小波长数 | 第45-48页 |
| 4.2.1 处理过程 | 第45-46页 |
| 4.2.2 处理结果 | 第46-48页 |
| 4.3 神经网络及遗传算法原理 | 第48-51页 |
| 4.3.1 神经网络原理 | 第48页 |
| 4.3.2 GA与BP神经网络相结合的原理 | 第48-50页 |
| 4.3.3 BP神经网络与遗传算法结合的具体步骤 | 第50-51页 |
| 4.4 模型建立过程及结果分析 | 第51-57页 |
| 4.4.1 BP神经网络建模 | 第51-54页 |
| 4.4.2 基于遗传算法的BP神经网络建模 | 第54-57页 |
| 4.5 本章小结 | 第57-60页 |
| 第五章 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
