肺音信号的特征提取与模式识别
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 1． 绪论 | 第9-16页 |
| 1．1 课题背景及意义 | 第9-13页 |
| 1．2 本文主要工作与特色 | 第13-16页 |
| 1．2．1 主要工作 | 第13-15页 |
| 1．2．2 特色及创新 | 第15-16页 |
| 2． 预备知识 | 第16-31页 |
| 2．1 小波分析理论基础 | 第16-24页 |
| 2．1．1 经典Fourier变换 | 第16-17页 |
| 2．1．2 加窗Fourier变换 | 第17-18页 |
| 2．1．3 一维连续小波变换 | 第18-20页 |
| 2．1．4 离散小波变换 | 第20-21页 |
| 2．1．5 一维正交MRA与Mallat算法 | 第21-24页 |
| 2．2 人工神经网络理论基础 | 第24-30页 |
| 2．2．1 人工神经网络概述 | 第24-27页 |
| 2．2．2 多层前馈型神经网络及其学习算法 | 第27-30页 |
| 2．3 本章小结 | 第30-31页 |
| 3． 肺音的特征提取与分类识别 | 第31-60页 |
| 3．1 模式识别概念及关键技术 | 第31-35页 |
| 3．1．1 模式识别的基本概念 | 第31-32页 |
| 3．1．2 特征提取和选择 | 第32-34页 |
| 3．1．3 分类器的设计 | 第34-35页 |
| 3．2 模式识别分类与比较 | 第35-38页 |
| 3．2．1 模式识别方法 | 第35-36页 |
| 3．2．2 神经网络模式识别方法 | 第36-38页 |
| 3．3 肺音信号的特征提取 | 第38-50页 |
| 3．3．1 肺音信号的获取 | 第39-41页 |
| 3．3．2 肺音信号的常用特征 | 第41-42页 |
| 3．3．3 肺音信号的小波分析 | 第42-43页 |
| 3．3．4 肺音信号的小波分解 | 第43-45页 |
| 3．3．5 特征提取过程 | 第45-46页 |
| 3．3．6 肺音信号的最终特征 | 第46-50页 |
| 3．4 肺音信号的分类识别 | 第50-59页 |
| 3．4．1 神经网络结构的确定 | 第50-51页 |
| 3．4．2 BP神经网络参数选择 | 第51-56页 |
| 3．4．3 神经网络训练过程 | 第56-58页 |
| 3．4．4 神经网络识别结果分析 | 第58-59页 |
| 3．5 小结 | 第59-60页 |
| 4． 肺音分析与识别系统的实现 | 第60-72页 |
| 4．1 系统框架 | 第60页 |
| 4．2 硬件系统 | 第60-61页 |
| 4．3 系统软件实现 | 第61-67页 |
| 4．3．1 肺音信号采集 | 第61-64页 |
| 4．3．2 MATLAB与VC接口实现 | 第64-67页 |
| 4．4 系统主要模块 | 第67-71页 |
| 4．4．1 肺音采集 | 第67页 |
| 4．4．2 肺音分析 | 第67-70页 |
| 4．4．3 肺音识别 | 第70-71页 |
| 4．5 小结 | 第71-72页 |
| 5． 总结与展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间发表的学术论文目录 | 第77-78页 |
