摘要 | 第2-3页 |
Abstract | 第3-4页 |
1 绪论 | 第7-14页 |
1.1 课题研究背景及意义 | 第7-10页 |
1.2 膝关节摆动信号 | 第10-12页 |
1.2.1 国内外研究现状 | 第10-12页 |
1.2.2 存在的问题 | 第12页 |
1.3 本文主要工作与成果 | 第12页 |
1.4 本文结构安排 | 第12-14页 |
2 膝关节摆动信号研究方法 | 第14-22页 |
2.1 VAG信号预处理 | 第14-15页 |
2.2 VAG信号特征提取方法 | 第15-20页 |
2.2.1 基于时频分析的特征提取 | 第15-16页 |
2.2.2 基于时域分析的特征提取 | 第16-17页 |
2.2.3 基于统计分析的特征提取 | 第17-18页 |
2.2.4 基于非线性分析的特征提取 | 第18-20页 |
2.3 分类器 | 第20-21页 |
2.4 本章小结 | 第21-22页 |
3 膝关节摆动信号的获取与预处理过程 | 第22-36页 |
3.1 膝关节摆动信号的获取与数据描述 | 第22-24页 |
3.2 改进的集成经验模态分解结合小波阈值联合去噪 | 第24-33页 |
3.2.1 集成经验模态分解 | 第24-26页 |
3.2.2 分形标度指数 | 第26-28页 |
3.2.3 改进的基于EEMD的小波阈值去噪 | 第28-33页 |
3.3 实验与结果分析 | 第33-35页 |
3.4 本章小结 | 第35-36页 |
4 膝关节摆动信号的特征提取与分类 | 第36-46页 |
4.1 膝关节摆动信号的特征提取方法 | 第36-38页 |
4.2 新的膝关节摆动信号特征提取方法 | 第38-43页 |
4.2.1 多重分形去趋势波动分析 | 第38-40页 |
4.2.2 实验与结果分析 | 第40-43页 |
4.3 膝关节摆动信号分类方法 | 第43-45页 |
4.3.1 基于支持向量机的膝关节摆动信号分类 | 第44页 |
4.3.2 实验与结果分析 | 第44-45页 |
4.4 本章小节 | 第45-46页 |
5 膝关节关节炎患病程度分析 | 第46-54页 |
5.1 膝关节关节炎患病程度的特征分析 | 第46-51页 |
5.1.1 膝关节信号功率谱相关性分析 | 第46-47页 |
5.1.2 基于切片小波变换的膝关节信号重构 | 第47-49页 |
5.1.3 实验与结果分析 | 第49-51页 |
5.2 膝关节关节炎患病程度的特征提取 | 第51-53页 |
5.2.1 基于多重分形去趋势波动分析的特征提取 | 第52页 |
5.2.2 实验与结果分析 | 第52-53页 |
5.3 本章小节 | 第53-54页 |
结论 | 第54-55页 |
参考文献 | 第55-59页 |
攻读硕士学位期间发表学术论文情况 | 第59-60页 |
致谢 | 第60-62页 |