| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·超声多普勒栓子信号检测的背景介绍 | 第8-9页 |
| ·超声多普勒栓子信号检测的传统方法和研究现状 | 第9-14页 |
| ·双采样容积法 | 第9-10页 |
| ·基于短时傅里叶变换的声谱图分析法 | 第10-12页 |
| ·改进的时频分布法 | 第12-13页 |
| ·小波变换和小波包分析法 | 第13-14页 |
| ·超声多普勒信号检测的进一步探索和本论文的主要工作 | 第14-16页 |
| 第二章 超声多普勒栓子信号的时频特征分析 | 第16-40页 |
| ·小波尺度图法 | 第16-22页 |
| ·超声多普勒信号预处理 | 第17-18页 |
| ·几个术语 | 第18页 |
| ·连续小波变换和小波尺度图 | 第18-20页 |
| ·小波尺度图特征参数的提取 | 第20-22页 |
| ·横向参数 | 第20-21页 |
| ·纵向参数 | 第21-22页 |
| ·自适应小波包基法 | 第22-30页 |
| ·传统小波分析的缺点 | 第22-24页 |
| ·信号逼近与最优基 | 第24-25页 |
| ·最优基快速树搜索算法 | 第25页 |
| ·Heisenberg原子图 | 第25-27页 |
| ·自适应小波包基特征参数的提取 | 第27-30页 |
| ·信号逼近能力 | 第28-29页 |
| ·逼近原子统计特性 | 第29-30页 |
| ·自适应Gaussian-Chirplet分解 | 第30-38页 |
| ·Gaussian-Chirplet函数和自适应信号分解 | 第31-32页 |
| ·传统的匹配追踪优化过程 | 第32-33页 |
| ·基于曲线拟合的快速算法 | 第33-35页 |
| ·自适应Wigner-Ville频谱图 | 第35-38页 |
| ·自适应Gaussian-Chirplet特征参数的提取 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第三章 超声多普勒栓子信号的自动检测系统设计 | 第40-56页 |
| ·多值支持矢量机 | 第41-43页 |
| ·支持矢量机 | 第41-42页 |
| ·基于决策树的多值支持矢量机 | 第42-43页 |
| ·基于多参数的Fisher广义最佳鉴别空间法 | 第43-48页 |
| ·Foley-Sammon变换和Fisher广义最佳鉴别矢量 | 第44-45页 |
| ·基于迭代理论的广义最佳鉴别矢量求解方法 | 第45-48页 |
| ·Takagi-Sugeno模糊神经网络直接分类法 | 第48-55页 |
| ·自适应小波包基的信号降维 | 第48-49页 |
| ·模糊逻辑系统和模糊规则 | 第49-52页 |
| ·Takagi-Sugeno模糊逻辑系统的结构 | 第52-53页 |
| ·Takagi-Sugeno模糊逻辑系统的初始化和训练 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 实验与结果 | 第56-72页 |
| ·信号来源 | 第56-57页 |
| ·计算机仿真的超声多普勒信号 | 第56页 |
| ·临床采集的超声多普勒信号 | 第56-57页 |
| ·实验方法与结果 | 第57-69页 |
| ·单方面特征参数提取的分类结果 | 第57-65页 |
| ·小波尺度图的特征参数 | 第57-60页 |
| ·自适应小波包基的特征参数 | 第60-63页 |
| ·自适应Gaussian-Chirplet分解的特征参数 | 第63-65页 |
| ·Fisher广义最佳鉴别平面的分类结果 | 第65-67页 |
| ·Takagi-Sugeno模糊神经网络的分类结果 | 第67-69页 |
| ·方法比较与讨论 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-75页 |
| ·工作总结 | 第72页 |
| ·工作展望 | 第72-75页 |
| 参考文献 | 第75-80页 |
| 硕士期间发表论文目录 | 第80-81页 |
| 致谢 | 第81-82页 |
