基于小波技术的心音信号特征提取
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 课题介绍和章节安排 | 第10-13页 |
| 第2章 心音预处理 | 第13-22页 |
| 2.1 心音信号的相关知识 | 第13-17页 |
| 2.1.1 心音信号的产生机理 | 第13-15页 |
| 2.1.2 心音信号的时域特征 | 第15-16页 |
| 2.1.3 心音信号的频域特征 | 第16-17页 |
| 2.2 心音信号数据源 | 第17-18页 |
| 2.3 心音信号预处理 | 第18-22页 |
| 2.3.1 降采样 | 第18-20页 |
| 2.3.2 去工频干扰 | 第20-22页 |
| 第3章 基于小波收缩的心音降噪 | 第22-45页 |
| 3.1 小波变换理论 | 第22-26页 |
| 3.1.1 连续小波变换 | 第22-23页 |
| 3.1.2 离散小波变换 | 第23-24页 |
| 3.1.3 小波变换的多分辨分析 | 第24-25页 |
| 3.1.4 Mallet算法 | 第25-26页 |
| 3.2 分解层数和小波函数 | 第26-33页 |
| 3.2.1 分解层数 | 第27-28页 |
| 3.2.2 小波母函数 | 第28-31页 |
| 3.2.3 小波母函数最优化分析 | 第31-33页 |
| 3.3 阈值化去噪处理 | 第33-43页 |
| 3.3.1 阈值规则选取 | 第35-39页 |
| 3.3.2 实验数据分析 | 第39-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 心音信号的特征提取 | 第45-55页 |
| 4.1 时域特征提取 | 第45-50页 |
| 4.1.1 差分法理论 | 第46页 |
| 4.1.2 S1、S2识别算法 | 第46-48页 |
| 4.1.3 时域特征参数 | 第48-49页 |
| 4.1.4 时域特征提取实验数据分析 | 第49-50页 |
| 4.2 频域特征提取 | 第50-52页 |
| 4.2.1 功率谱分析 | 第50-51页 |
| 4.2.2 频域特征参数 | 第51页 |
| 4.2.3 频域特征提取实验数据分析 | 第51-52页 |
| 4.3 能量特征提取 | 第52-54页 |
| 4.3.1 能量特征提取理论分析 | 第52-53页 |
| 4.3.2 能量特征提取实验数据分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 支持向量机与心音分类识别 | 第55-64页 |
| 5.1 支持向量机理论 | 第55-58页 |
| 5.1.1 可分情形分析 | 第57页 |
| 5.1.2 SVM应用框架 | 第57-58页 |
| 5.2 心音信号的分段 | 第58-60页 |
| 5.2.1 二分类问题 | 第58-59页 |
| 5.2.2 心音信号的分段 | 第59-60页 |
| 5.3 心音信号分类识别 | 第60-63页 |
| 5.3.1 机器学习方法 | 第61-62页 |
| 5.3.2 各类疾病的分类识别结果 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |
