| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·课题研究的意义 | 第10-12页 |
| ·脉象信号分析 | 第12-13页 |
| ·时频分析和概率神经网络的发展及国内外研究现状 | 第13-18页 |
| ·本论文的主要研究工作 | 第18-19页 |
| 2 短时傅里叶变换 | 第19-32页 |
| ·连续短时傅里叶变换 | 第19-22页 |
| ·连续短时傅里叶变换的定义及物理意义 | 第19-20页 |
| ·连续短时傅里叶变换的重构 | 第20-21页 |
| ·连续短时傅里叶变换的时频局域化分析 | 第21-22页 |
| ·连续短时傅里叶变换的基本性质 | 第22页 |
| ·离散时间短时傅里叶变换 | 第22-27页 |
| ·离散时间短时傅里叶变换的定义及物理意义 | 第22-25页 |
| ·离散时间短时傅里叶变换的时频局域化分析 | 第25-26页 |
| ·离散时间短时傅里叶变换的重构及其物理意义 | 第26-27页 |
| ·离散时间短时傅里叶变换的计算 | 第27-32页 |
| ·利用全极点递归算法计算离散时间短时傅里叶变换 | 第28-29页 |
| ·全极点滑动窗的特性 | 第29-32页 |
| 3 脉象信号的短时傅里叶变换分析 | 第32-41页 |
| ·脉搏波及分析吸毒者脉象信号的意义 | 第32-33页 |
| ·脉搏波的形成 | 第32页 |
| ·分析吸毒者脉象信号的意义 | 第32-33页 |
| ·脉象信号的采集与脉波的选取 | 第33-34页 |
| ·脉象信号的采集 | 第33页 |
| ·脉波的选取 | 第33-34页 |
| ·应用短时傅里叶变换分析脉象信号 | 第34-39页 |
| ·软件编制 | 第39-40页 |
| ·结论 | 第40-41页 |
| 4 小波分析基本理论 | 第41-55页 |
| ·连续小波变换与测不准原理的关系 | 第41-44页 |
| ·小波的定义 | 第41页 |
| ·测不准原理 | 第41-42页 |
| ·小波分析和测不准原理的关系 | 第42-44页 |
| ·连续时间信号的离散小波变换 | 第44-45页 |
| ·多分辨率分析 | 第45-48页 |
| ·多分辨率分析的定义 | 第45-47页 |
| ·离散时间信号小波变换的初值及其边界问题 | 第47-48页 |
| ·提升小波 | 第48-55页 |
| ·提升小波的基本原理 | 第48-49页 |
| ·小波分解与重构的多相位表示 | 第49-50页 |
| ·Laurent 多项式及Euclidean 算法 | 第50-51页 |
| ·多相位矩阵的因子分解 | 第51-52页 |
| ·提升算法 | 第52-55页 |
| 5 脉象信号的提升小波变换分析 | 第55-59页 |
| ·脉象信号的提升小波变换分析 | 第55-56页 |
| ·软件编制 | 第56页 |
| ·结论 | 第56-59页 |
| 6 人工神经网络的基本概念和基础理论 | 第59-66页 |
| ·人工神经网络的基本原理 | 第59-61页 |
| ·神经网络的学习规则 | 第59-60页 |
| ·神经网络的分类 | 第60-61页 |
| ·概率神经网络 | 第61-66页 |
| ·概率神经网络的结构 | 第61-63页 |
| ·PNN 网络的学习算法 | 第63-66页 |
| 7 概率神经网络在脉象信号识别中的应用 | 第66-71页 |
| ·实验三：在利用短时傅里叶变换提取特征向量的基础上再利用概率神经网络识别分类 | 第66-68页 |
| ·实验步骤 | 第66-68页 |
| ·实验四：在利用提升小波变换提取特征向量的基础上再利用概率神经网络识别分类 | 第68-69页 |
| ·实验步骤 | 第68-69页 |
| ·软件的编制 | 第69页 |
| ·结论 | 第69-71页 |
| 8 结论 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-78页 |
