| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 呼吸音信号特征提取研究现状 | 第13-15页 |
| 1.2.2 呼吸音信号模式识别研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文结构安排 | 第17-18页 |
| 2 呼吸音信号分类识别理论基础 | 第18-37页 |
| 2.1 分类识别系统的基本构成 | 第18-19页 |
| 2.2 信号前期处理工作 | 第19-23页 |
| 2.2.1 呼吸音信号采集 | 第19-20页 |
| 2.2.2 信号数字化与预处理 | 第20-23页 |
| 2.2.3 信号的端点检测 | 第23页 |
| 2.3 信号特征分析理论 | 第23-25页 |
| 2.3.1 时域分析 | 第23-24页 |
| 2.3.2 频域分析 | 第24页 |
| 2.3.3 其他变换域分析 | 第24-25页 |
| 2.4 信号特征提取方法 | 第25-28页 |
| 2.4.1 短时能量特征提取法 | 第25-26页 |
| 2.4.2 短时过零率特征提取法 | 第26-27页 |
| 2.4.3 Mel倒谱系数法的特征提取法 | 第27-28页 |
| 2.5 信号识别模型理论 | 第28-36页 |
| 2.5.1 人工神经网络识别理论 | 第28-30页 |
| 2.5.2 BP神经网络识别算法 | 第30-33页 |
| 2.5.3 支持向量机的识别理论与算法 | 第33-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3 呼吸音信号特征提取结果与分析 | 第37-58页 |
| 3.1 特征提取准备工作 | 第37-40页 |
| 3.2 呼吸音特征提取结果 | 第40-44页 |
| 3.2.1 基于短时时域参数的特征提取结果 | 第40-43页 |
| 3.2.2 基于MFCC参数的特征提取结果 | 第43-44页 |
| 3.3 呼吸音特征参数特性研究 | 第44-57页 |
| 3.3.1 差异性分析 | 第45-50页 |
| 3.3.2 统一性分析 | 第50-55页 |
| 3.3.3 相关性分析 | 第55-57页 |
| 3.4 本章小结 | 第57-58页 |
| 4 呼吸音信号特征识别模式 | 第58-66页 |
| 4.1 基于BP神经网络的识别结果与分析 | 第58-62页 |
| 4.2 基于SVM的识别结果与分析 | 第62-65页 |
| 4.3 本章小结 | 第65-66页 |
| 5 基于MATLAB的呼吸音分类识别系统设计与开发 | 第66-72页 |
| 5.1 识别系统开发 | 第66-67页 |
| 5.2 系统各模块开发 | 第67-71页 |
| 5.3 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第77-78页 |
| 个人简历 | 第77页 |
| 在学期间发表的学术论文与研究成果 | 第77-78页 |
| 致谢 | 第78页 |