| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 生物识别技术的应用背景及意义 | 第10-15页 |
| 1.2 心音身份识别的国内外研究现状 | 第15-19页 |
| 1.3 本论文的主要研究内容 | 第19页 |
| 1.4 论文章节安排 | 第19-21页 |
| 第2章 心音信号身份识别的理论基础 | 第21-26页 |
| 2.1 心音相关基础理论知识 | 第21-22页 |
| 2.2 心音信号的时频域分布特性 | 第22-23页 |
| 2.2.1 时域特性分析 | 第22-23页 |
| 2.2.2 频域特性分析 | 第23页 |
| 2.3 心音身份识别系统 | 第23-24页 |
| 2.4 系统性能评价 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 心音信号的预处理 | 第26-42页 |
| 3.1 小波去噪 | 第26-35页 |
| 3.1.1 小波去噪原理 | 第26-28页 |
| 3.1.2 小波母函数和分解层次的选取 | 第28-33页 |
| 3.1.3 心音信号的小波去噪效果 | 第33-35页 |
| 3.2 信号的归一化 | 第35页 |
| 3.3 信号的分帧和加窗 | 第35-38页 |
| 3.3.1 心音信号的分帧 | 第35-36页 |
| 3.3.2 心音信号的加窗处理 | 第36-38页 |
| 3.4 端点检测 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于MFCC和短时能量混合的GMM模型识别算法 | 第42-55页 |
| 4.1 MFCC及其一阶差分系数 | 第42-48页 |
| 4.1.1 Mel频率以及MFCC的提取 | 第42-44页 |
| 4.1.2 MFCC动态参数的提取 | 第44-45页 |
| 4.1.3 短时能量 | 第45页 |
| 4.1.4 混合特征 | 第45-48页 |
| 4.2 高斯混合模型（GMM） | 第48-54页 |
| 4.2.1 高斯混合模型简介 | 第48页 |
| 4.2.2 高斯混合模型基本概念 | 第48-49页 |
| 4.2.3 心音信号的模型估计 | 第49-52页 |
| 4.2.4 高斯混合模型的识别 | 第52-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第5章 实验结果与分析 | 第55-61页 |
| 5.1 心音库的建立 | 第55-56页 |
| 5.1.1 心音信号的采集 | 第55-56页 |
| 5.1.2 心音数据库的建立 | 第56页 |
| 5.2 基于MFCC与短时能量和高斯混合模型的心音身份识别实验 | 第56-59页 |
| 5.2.1 不同特征参数系统识别性能的影响 | 第57页 |
| 5.2.2 不同心音信号的训练时间对系统识别性能的影响 | 第57-58页 |
| 5.2.3 不同高斯混合模型阶数对系统识别性能的影响 | 第58-59页 |
| 5.3 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |
