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

多位置融合心音身份识别技术研究及系统实现

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第10-17页
    1.1 本文研究背景和意义第10-13页
    1.2 心音身份识别的研究现状第13-15页
    1.3 本文研究点和主要工作第15-16页
    1.4 论文章节安排第16-17页
第2章 心音身份识别理论基础第17-23页
    2.1 心音基础知识第17-18页
    2.2 心音信号的特性分析第18-20页
        2.2.1 心音信号的时、频域特征第18-19页
        2.2.2 不同采集位置心音特性第19-20页
    2.3 心音身份识别系统与性能评价第20-21页
    2.4 实验环境与心音数据库第21-22页
    2.5 本章小结第22-23页
第3章 心音自动分段算法研究第23-35页
    3.1 引言第23页
    3.2 心音分段方法第23-29页
        3.2.1 心音包络的提取第24-27页
        3.2.2 峰值点-边界点的检测第27-28页
        3.2.3 边界点的校正与识别第28-29页
    3.3 心音分段实验结果与讨论第29-34页
    3.4 本章小结第34-35页
第4章 基于BFCC+△BFCC与WVQ的多位置融合心音身份识别算法第35-58页
    4.1 基于听觉特性Bark子波变换和BFCC特征参数第35-40页
        4.1.1 BFCC特征参数第37-38页
        4.1.2 BFCC的动态特征参数第38-40页
    4.2 矢量量化(VQ)第40-44页
        4.2.1 VQ的基本原理第40-41页
        4.2.2 矢量量化的失真测度第41-42页
        4.2.3 基于LBG算法的最佳码本设计第42-44页
        4.2.4 基于标准差的加权失真测度VQ第44页
    4.3 应用BFCC+△BFCC与WVQ模型的心音身份识别第44-46页
    4.4 BFCC+△BFCC与WVQ模型算法的实验与分析第46-50页
        4.4.1 不同训练及识别时间对识别率的影响第46-47页
        4.4.2 Bark子波滤波器组阶数对识别率的影响第47-48页
        4.4.3 WVQ码本维数对识别率的影响第48页
        4.4.4 不同运动状态对识别率的影响第48-49页
        4.4.5 BFCC方法与MFCC方法、LPCC方法的对比第49-50页
    4.5 多位置融合的心音身份识别算法第50-57页
        4.5.1 多位置融合策略第50-52页
        4.5.2 多位置融合心音身份识别算法第52-54页
        4.5.3 多位置融合心音身份识别算法的实验与分析第54-57页
    4.6 本章小结第57-58页
第5章 心音身份识别系统设计与实现第58-70页
    5.1 心音采集装置第58-59页
    5.2 心音身份识别软件总体结构第59-60页
    5.3 蓝牙连接第60-63页
    5.4 用户注册第63-65页
    5.5 用户识别第65-67页
    5.6 系统管理第67-69页
    5.7 本章小结第69-70页
第6章 总结与展望第70-72页
    6.1 工作总结第70-71页
    6.2 展望第71-72页
致谢第72-73页
参考文献第73-77页
附录第77页

论文共77页,点击 下载论文
上一篇:基于STM32的微喷射粘结快速成形控制系统研究
下一篇:基于泛在学习的虚拟网络实验系统的设计与实现