首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

脉搏图像化检测方法对精神疲劳状态的识别

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

论文共89页,点击 下载论文
上一篇:放射性示踪法研究镍在大鼠体内的药动参数与镍镉联合制毒机理的研究
下一篇:低破碎玉米脱粒机的设计与分析