摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第1章 绪论 | 第11-21页 |
·生物识别背景和意义 | 第11-16页 |
·心音身份识别的研究历史和现状 | 第16-19页 |
·本论文研究和创新内容 | 第19-20页 |
·论文章节安排 | 第20-21页 |
第2章 心音信号身份识别的技术基础 | 第21-29页 |
·心音基础理论 | 第21-23页 |
·心音的生物学基础 | 第21-22页 |
·心音身份识别系统构架 | 第22-23页 |
·心音时频分析 | 第23-24页 |
·心音的时域特性分析 | 第23-24页 |
·心音的频域特性分析 | 第24页 |
·系统性能评价 | 第24-25页 |
·心音库的建立 | 第25-28页 |
·信号采集 | 第25-26页 |
·心音多位置数据库的建立 | 第26页 |
·心音情绪数据库的建立 | 第26-27页 |
·心音身体状态数据库的建立 | 第27页 |
·心音时间周期数据库的建立 | 第27-28页 |
·本章小结 | 第28-29页 |
第3章 希尔伯特振动分解(HVD) | 第29-41页 |
·希尔伯特振动分解(HVD)基本原理 | 第29-34页 |
·谐波瞬时频率估计 | 第29-30页 |
·谐波瞬时幅值和相位估计 | 第30-31页 |
·迭代运算 | 第31-32页 |
·过调幅 AM 信号希尔伯特振动分解 | 第32-34页 |
·改进的 HVD 和选择谐波分量数方法 | 第34-36页 |
·自适应波形匹配边界延拓 | 第34-35页 |
·希尔伯特振动分解选择谐波分量数方法 | 第35-36页 |
·仿真实验 | 第36-40页 |
·仿真信号希尔伯特振动分解 | 第36-39页 |
·仿真信号的改进希尔伯特振动分解 | 第39-40页 |
·本章小结 | 第40-41页 |
第4章 基于 HVD 和 VQ 模型的识别算法 | 第41-57页 |
·基于 HVD+VQ 心音识别系统 | 第41-43页 |
·心音 HVD 算法 | 第43-48页 |
·心音信号希尔伯特振动分解后类间区分性 | 第43-44页 |
·希尔伯特振动分解选择谐波分量数可行性 | 第44-48页 |
·VQ 模型 | 第48-50页 |
·矢量量化的基本原理 | 第48页 |
·矢量量化的失真测度 | 第48-49页 |
·矢量量化器的 LBG 算法 | 第49页 |
·VQ 模型的识别原理 | 第49-50页 |
·实验一:HVD+VQ 实验测试及结果分析 | 第50-54页 |
·不同 HVD 参数对识别性能的影响 | 第50-52页 |
·HVD 参数对系统识别性能的影响 | 第50页 |
·低通滤波器截止频率对系统识别性能的影响 | 第50-51页 |
·Hilbert 变换对系统识别性能的影响 | 第51页 |
·低通滤波器类型对系统识别性能的影响 | 第51-52页 |
·希尔伯特振动分解阶数对系统识别性能的影响 | 第52页 |
·不同时长对识别性能的影响 | 第52-53页 |
·测试时长对系统识别性能的影响 | 第52-53页 |
·训练时长对系统识别性能的影响 | 第53页 |
·码本数对识别性能的影响 | 第53-54页 |
·HVD 方法和 HHT 方法比较 | 第54页 |
·实验二:不同心音数据库对心音身份识别影响 | 第54-56页 |
·不同心音数据库的识别效果 | 第54-55页 |
·性能分析 | 第55-56页 |
·本章小结 | 第56-57页 |
第5章 心音融合的识别算法 | 第57-68页 |
·融合策略 | 第57-58页 |
·心音多特征 D-S 证据融合心音识别系统 | 第58-63页 |
·特征参数 | 第58-60页 |
·D-S 融合算法策略 | 第60-62页 |
·D-S 证据理论基本概念 | 第60-61页 |
·Dempster 合成规则 | 第61-62页 |
·改进的 D-S 证据融合方法 | 第62-63页 |
·D-S 证据理论在心音融合技术中的应用 | 第63页 |
·心音多位置融合 | 第63-64页 |
·实验三:基于融合的心音身份识别实验测试及结果分析 | 第64-67页 |
·特征融合对识别性能的影响 | 第64-65页 |
·多位置融合对系统识别性能的影响 | 第65-67页 |
·本章小结 | 第67-68页 |
第6章 总结与展望 | 第68-70页 |
·总结 | 第68-69页 |
·展望 | 第69-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-75页 |
附录 | 第75页 |