摘要 | 第1-9页 |
ABSTRACT | 第9-11页 |
插图索引 | 第11-12页 |
附表索引 | 第12-13页 |
第1章 绪论 | 第13-18页 |
·课题研究背景及意义 | 第13-14页 |
·国内外研究现状 | 第14-17页 |
·精神疲劳简介 | 第14页 |
·脉搏信号检测方法 | 第14-15页 |
·脉搏信号处理方法的研究现状 | 第15-17页 |
·本文的研究内容及主要工作 | 第17-18页 |
第2章 精神疲劳与脉搏信号的基础知识 | 第18-22页 |
·精神疲劳的定义与特点 | 第18-19页 |
·脉搏信号的基本特性 | 第19-22页 |
·脉图的基础 | 第20页 |
·脉图的时域判读法 | 第20-22页 |
第3章 脉搏图像化检测装置及精神疲劳实验设计 | 第22-32页 |
·脉搏图像化检测装置 | 第22-24页 |
·脉搏采集装置介绍 | 第22页 |
·传感器的结构原理图 | 第22页 |
·脉象采集装置的主要指标及特点 | 第22-23页 |
·脉搏信号采集的流程 | 第23-24页 |
·精神疲劳实验的设计 | 第24-26页 |
·实验要求及依据 | 第24页 |
·实验任务 | 第24-26页 |
·实验的具体流程: | 第24-25页 |
·脉搏图像信号的采集位置 | 第25-26页 |
·采集的视频图像 | 第26页 |
·脉搏波形的提取 | 第26-32页 |
·图像格式的转换 | 第26-27页 |
·基于相关分析的波形提取理论 | 第27-32页 |
第4章 基于频域分析的脉搏信号分析与特征提取 | 第32-46页 |
·引言 | 第32页 |
·脉搏信号特征提取方法概述 | 第32-33页 |
·时域分析法 | 第32-33页 |
·频域分析法 | 第33页 |
·脉搏信号预处理 | 第33-35页 |
·功率谱估计与特征提取 | 第35-40页 |
·功率谱估计 | 第35-37页 |
·基于功率谱能量比(SER值)的脉搏信号特征提取 | 第37-40页 |
·基于功率倒谱的脉搏信号特征提取分析 | 第40-44页 |
·功率倒谱的定义 | 第40-41页 |
·脉搏信号传输系统的功率倒谱 | 第41页 |
·基于脉搏功率倒谱的特征提取 | 第41-44页 |
·结果分析 | 第44页 |
·小结 | 第44-46页 |
第5章 基于参数化谱估计的脉搏特征提取方法 | 第46-55页 |
·引言 | 第46页 |
·平稳随机信号的AR参数模型 | 第46-48页 |
·脉搏信号的AR模型参数估计 | 第48-54页 |
·确定AR模型阶数 | 第48-49页 |
·脉搏信号的参数谱估计 | 第49-51页 |
·AR参数谱方法对精神疲劳前后状态进行识别 | 第51-54页 |
·小结 | 第54-55页 |
第6章 基于小波分析的脉搏特征提取方法 | 第55-64页 |
·小波变换理论 | 第55-57页 |
·小波的概念 | 第55-57页 |
·小波包分解原理 | 第57-59页 |
·小波包的数学模型 | 第58-59页 |
·小波包分解结构示意图 | 第59页 |
·脉搏信号的小波包分解频带能量比例分析方法 | 第59-63页 |
·小波包分解频带能量比例的原理 | 第60页 |
·利用小波包分析构造特征向量 | 第60-61页 |
·基于小波包分解频带能量比例分析方法的脉搏信号特征提取 | 第61-63页 |
·小结 | 第63-64页 |
第7章 基于线性判别式分析和BP神经网络的精神疲劳状态识别 | 第64-83页 |
·引言 | 第64页 |
·模式识别与分类 | 第64-66页 |
·线性判别式分析对脉象信号的分类识别 | 第66-69页 |
·线性判别式分析算法 | 第66-68页 |
·LDA对精神疲劳状态的分类结果 | 第68-69页 |
·基于K—L变换的特征提取方法 | 第69-74页 |
·基于K—L变换的特征提取 | 第69-73页 |
·利用K—L变换提取用于BP神经网络分类的特征值 | 第73-74页 |
·BP神经网络用于脉象分类识别 | 第74-82页 |
·BP神经网络的基本概念 | 第74-75页 |
·BP网络结构及训练参数的选定 | 第75-77页 |
·脉象识别的神经网络模型 | 第77-78页 |
·Matlab神经网络工具箱的应用 | 第78-81页 |
·实验结果 | 第81-82页 |
·小结 | 第82-83页 |
总结与展望 | 第83-85页 |
参考文献 | 第85-88页 |
致谢 | 第88-89页 |
附录 攻读学位期间发表的学术论文目录 | 第89页 |