数字化脉象信息获取和识别技术研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-12页 |
| 图清单 | 第12-13页 |
| 表清单 | 第13-15页 |
| 1 绪论 | 第15-24页 |
| ·选题背景与研究意义 | 第15-17页 |
| ·国内外研究现状 | 第17-20页 |
| ·脉象信息获取 | 第17-19页 |
| ·脉象信号的分析 | 第19页 |
| ·脉象信号识别方法 | 第19-20页 |
| ·本文研究的主要内容及其组织结构 | 第20-22页 |
| ·本文研究的主要内容 | 第20-21页 |
| ·本文的组织结构 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 2 取脉压力可控的脉象信号采集装置 | 第24-39页 |
| ·设计思路和总体结构 | 第24-25页 |
| ·系统电路及硬件设计 | 第25-29页 |
| ·DSP 控制器选型 | 第26页 |
| ·脉象传感器的选用及信号隔直放大电路 | 第26-28页 |
| ·通信模块 | 第28-29页 |
| ·系统气路 | 第29-30页 |
| ·系统下位机程序 | 第30-31页 |
| ·VC 上位机程序 | 第31-33页 |
| ·信号通信协议 | 第32-33页 |
| ·多线程技术 | 第33页 |
| ·确定取脉压力 | 第33-36页 |
| ·脉象数据采集 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 3 脉象信号特征分析 | 第39-65页 |
| ·信号预处理 | 第40-44页 |
| ·平滑处理 | 第40-42页 |
| ·去基线漂移 | 第42-44页 |
| ·归一化处理 | 第44页 |
| ·脉象信号的时域特征 | 第44-45页 |
| ·脉象信号的时域特征提取算法 | 第45-49页 |
| ·脉象信号周期提取算法 | 第45-46页 |
| ·取脉压力特征 | 第46-49页 |
| ·脉象信号的频域特征 | 第49页 |
| ·脉象信号频域特征提取算法 | 第49-51页 |
| ·脉象信号的频谱分析 | 第49-51页 |
| ·小波和小波包变换及其算法 | 第51-59页 |
| ·小波变换 | 第53-54页 |
| ·多分辨率分析及 Mallat 快速算法 | 第54-56页 |
| ·小波包分析及其算法 | 第56-57页 |
| ·脉象信号的小波包分析特征 | 第57-59页 |
| ·脉象信号的样本熵 | 第59-63页 |
| ·样本熵算法 | 第59-62页 |
| ·脉象信号的样本熵分析 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 4 脉象信号的模式识别 | 第65-78页 |
| ·模式识别概述 | 第65-66页 |
| ·人工神经元及其数学模型 | 第66-70页 |
| ·神经网络的转移函数 | 第68-69页 |
| ·人工神经网络 | 第69-70页 |
| ·GRNN 神经网络 | 第70-72页 |
| ·PNN 神经网络 | 第72-73页 |
| ·四种不同的脉象信号的模式识别 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 5 总结与展望 | 第78-80页 |
| ·总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录 A 细、缓、弦、滑脉象信号部分分析数据 | 第83-88页 |
| 附录 B 脉率计算程序 | 第88-90页 |
| 附录 C 三路脉象信号能量计算程序 | 第90-92页 |
| 附录 D 小波包分析程序 | 第92-94页 |
| 附录 E 序列的样本熵 | 第94-96页 |
| 附录 F Matlab 神经网络程序 | 第96-98页 |
| 作者简历 | 第98页 |
