| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 麻醉状态呼吸音信号特征提取及分类识别 | 第16-29页 |
| 2.1 希尔伯特-黄分析理论基础 | 第16-17页 |
| 2.1.1 HHT 的基本思想及定义 | 第16页 |
| 2.1.2 HHT 特点 | 第16-17页 |
| 2.2 小波分析理论基础 | 第17-22页 |
| 2.2.1 一维连续小波 | 第17-18页 |
| 2.2.2 离散小波 | 第18-19页 |
| 2.2.3 一维正交多分辨率分析与 Mallat 算法 | 第19-22页 |
| 2.3 模式识别理论和关键技术 | 第22-28页 |
| 2.3.1 模式识别的主要含义 | 第22-23页 |
| 2.3.2 特征的提取与选择 | 第23-25页 |
| 2.3.3 设计分类器 | 第25页 |
| 2.3.4 神经网络模式识别 | 第25-27页 |
| 2.3.5 BP 神经网络简单介绍 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于 HHT 的麻醉状态呼吸音信号包络提取及识别 | 第29-39页 |
| 3.1 Hilbert 提取包络信号理论及缺点 | 第29-30页 |
| 3.2 Morlet 复小波提取信号包络的原理及缺点 | 第30-31页 |
| 3.3 希尔伯特-黄变换提取麻醉状态下呼吸音信号包络特征 | 第31-37页 |
| 3.3.1 希尔伯特-黄变换信号提取原理 | 第31-33页 |
| 3.3.2 利用希尔伯特-黄变换进行麻醉状态下呼吸音包络特征提取 | 第33页 |
| 3.3.3 特征提取结果分析 | 第33-35页 |
| 3.3.4 包络特征识别及结果分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于小波包的麻醉状态呼吸音信号特征提取及识别 | 第39-49页 |
| 4.1 小波包基础 | 第39-42页 |
| 4.1.1 小波包的定义和性质 | 第39-40页 |
| 4.1.2 小波包的空间分解 | 第40-41页 |
| 4.1.3 小波包算法 | 第41-42页 |
| 4.2 基于小波包的麻醉状态下呼吸音特征提取和识别 | 第42-45页 |
| 4.2.1 能量的表示 | 第42-43页 |
| 4.2.2 麻醉状态呼吸音信号特征提取 | 第43-45页 |
| 4.3 特征提取和识别的结果分析 | 第45-48页 |
| 4.3.1 比较特征提取的结果 | 第45-47页 |
| 4.3.2 神经网络识别的结果分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
