鼾声相关信号自动检测与分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·论文主要工作及结构安排 | 第10-11页 |
| 2 鼾声相关信号检测 | 第11-16页 |
| ·概述 | 第11页 |
| ·鼾声相关信号检测算法 | 第11-14页 |
| ·鼾声相关信号检测算法验证 | 第14-15页 |
| ·鼾声相关信号检测算法性能分析 | 第15-16页 |
| 3 鼾声相关信号特征提取 | 第16-29页 |
| ·概述 | 第16页 |
| ·特征提取及其物理意义 | 第16-27页 |
| ·频率类特征提取 | 第17页 |
| ·能量类特征提取 | 第17-18页 |
| ·共振峰特征提取 | 第18-25页 |
| ·美尔(Mel)倒谱系数特征提取 | 第25-26页 |
| ·经验模态分解(EMD)特征提取 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 4 鼾声相关信号机器学习与特征选择 | 第29-33页 |
| ·机器学习原理 | 第29-31页 |
| ·基于K-NN的机器学习过程 | 第29-30页 |
| ·交叉验证训练最优分类器 | 第30-31页 |
| ·ReliefF法则 | 第31页 |
| ·本章小结 | 第31-33页 |
| 5 鼾声相关信号自动检测与分类 | 第33-39页 |
| ·实验数据的选取 | 第33-35页 |
| ·分类器训练实验结果 | 第35-36页 |
| ·自动检测与分类实验结果与主观评价 | 第36-39页 |
| 6 吸气相关鼾声信号的自动检测 | 第39-44页 |
| ·概述 | 第39页 |
| ·分类器的训练与优化 | 第39-41页 |
| ·理论分析与验证实验 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 7 总结和展望 | 第44-46页 |
| ·工作总结 | 第44页 |
| ·未来展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51-52页 |
