基于多小波变换的脉象信号识别的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题的研究意义 | 第8-9页 |
| ·脉象信号分析 | 第9-11页 |
| ·多小波分析的国内外研究现状 | 第11-12页 |
| ·论文的主要研究工作 | 第12-14页 |
| 2 多小波变换的基本理论 | 第14-26页 |
| ·小波变换 | 第14-17页 |
| ·连续小波变换 | 第14-15页 |
| ·离散小波变换 | 第15页 |
| ·多分辨率分析 | 第15-17页 |
| ·Mallat 算法 | 第17页 |
| ·多小波变换 | 第17-24页 |
| ·多小波的多分辨率分析 | 第17-21页 |
| ·多小波的 MALLAT 算法 | 第21-22页 |
| ·多小波变换的信号预处理 | 第22-24页 |
| ·多小波包变换 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 脉象信号的特征提取 | 第26-39页 |
| ·脉象信号分析 | 第26-28页 |
| ·基于多小波变换的脉象信号特征提取 | 第28-33页 |
| ·多小波-频带能量的特征提取 | 第29-31页 |
| ·多小波-近似熵的特征提取 | 第31-33页 |
| ·基于多小波包变换的脉象信号特征提取 | 第33-38页 |
| ·多小波包-频带能量的特征提取 | 第35-36页 |
| ·多小波包-系数熵的特征提取 | 第36-38页 |
| ·结论 | 第38-39页 |
| 4 基于支持向量机的脉象信号识别 | 第39-49页 |
| ·支持向量机基本原理简介 | 第39-44页 |
| ·结构风险最小化 | 第39-40页 |
| ·最优分类面 | 第40-43页 |
| ·支持向量机网络 | 第43-44页 |
| ·对脉象信号进行 SVM 分类识别 | 第44-48页 |
| ·基于多小波-近似熵的分类识别 | 第44-46页 |
| ·基于多小波包-系数熵的分类识别 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 结论与展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
| A．作者在攻读硕士学位期间发表论文的目录 | 第54页 |
