| 摘要 | 第7-9页 |
| Abstract | 第9页 |
| 第1章 绪论 | 第11-29页 |
| 1.1 引言 | 第11-12页 |
| 1.2 冠心病 | 第12-15页 |
| 1.2.1 冠状动脉及其血流特点 | 第12-13页 |
| 1.2.2 冠心病病理 | 第13-15页 |
| 1.3 冠心病诊断方法 | 第15-21页 |
| 1.3.1 常用诊断方法简介 | 第15-16页 |
| 1.3.2 心音对于心脏疾病诊断的意义 | 第16-17页 |
| 1.3.3 冠脉堵塞与舒张期心杂音 | 第17-18页 |
| 1.3.4 冠心病心音诊断技术发展状况 | 第18-21页 |
| 1.4 心音信号处理技术研究进展 | 第21-24页 |
| 1.4.1 心音信号预处理的研究进展 | 第21-22页 |
| 1.4.2 心音信号的分析以及特征提取研究进展 | 第22-23页 |
| 1.4.3 心音信号的模式识别研究进展 | 第23-24页 |
| 1.5 本文所做主要工作 | 第24-25页 |
| 1.6 系统设计与数据采集 | 第25-29页 |
| 第2章 小波阈值消噪广义框架 | 第29-59页 |
| 2.1 引言 | 第29-30页 |
| 2.2 小波变换基本理论 | 第30-35页 |
| 2.2.1 引言 | 第30-31页 |
| 2.2.2 连续小波变换 | 第31-32页 |
| 2.2.3 离散小波变换 | 第32-33页 |
| 2.2.4 多分辨率分析 | 第33-35页 |
| 2.3 小波阈值消噪 | 第35-39页 |
| 2.3.1 引言 | 第35页 |
| 2.3.2 小波阈值消噪模型 | 第35页 |
| 2.3.3 白噪声小波变换特性 | 第35-36页 |
| 2.3.4 小波阈值消噪原理 | 第36-39页 |
| 2.4 广义小波消噪阈值函数性能研究 | 第39-46页 |
| 2.4.1 广义小波阈值消噪函数 | 第39-40页 |
| 2.4.2 广义阈值函数估计的偏差、方差与风险 | 第40-41页 |
| 2.4.3 广义阈值函数偏差、方差与风险的证明 | 第41-42页 |
| 2.4.4 广义阈值函数估计偏差、方差、风险与阈值的关系 | 第42-44页 |
| 2.4.5 广义阈值函数估计偏差、方差、风险与小波系数关系 | 第44-46页 |
| 2.4.6 局部漂移灵敏度 | 第46页 |
| 2.5 广义小波消噪阈值选择研究 | 第46-50页 |
| 2.5.1 Stein无偏风险估计阈值 | 第46-47页 |
| 2.5.2 对角线性投影(DLP)的oracle风险 | 第47-48页 |
| 2.5.3 全局阈值 | 第48-49页 |
| 2.5.4 极小极大阈值 | 第49页 |
| 2.5.5 广义交叉验证阈值 | 第49-50页 |
| 2.6 广义阈值函数及阈值去噪性能比较研究 | 第50-55页 |
| 2.6.1 引言 | 第50-52页 |
| 2.6.2 不同阈值函数去噪性能比较 | 第52-53页 |
| 2.6.3 不同阈值去噪性能比较 | 第53-55页 |
| 2.7 心电及心音信号的消噪 | 第55-57页 |
| 2.8 结论 | 第57-59页 |
| 第3章 心音自动分段算法研究 | 第59-71页 |
| 3.1 引言 | 第59-60页 |
| 3.2 心音分段方法 | 第60-63页 |
| 3.2.1 心音信号的预处理 | 第60-61页 |
| 3.2.2 信号包络的提取 | 第61-62页 |
| 3.2.3 离散信号包络的计算 | 第62页 |
| 3.2.4 分段策略 | 第62-63页 |
| 3.3 结果与讨论 | 第63-69页 |
| 3.4 结论 | 第69-71页 |
| 第4章 Hilbert-Huang Transform理论及其应用研究 | 第71-113页 |
| 4.1 引言 | 第71-72页 |
| 4.2 信号分析方法进展 | 第72-80页 |
| 4.2.1 傅立叶谱分析 | 第72-74页 |
| 4.2.2 短时傅立叶变换(STFT) | 第74-75页 |
| 4.2.3 Wigner-Ville分布(WVD) | 第75-76页 |
| 4.2.4 Cohen类时频分布 | 第76-77页 |
| 4.2.5 匹配追踪算法 | 第77-79页 |
| 4.2.6 HHT分析方法概述 | 第79-80页 |
| 4.3 瞬时频率 | 第80-87页 |
| 4.3.1 传统瞬时频率计算方法 | 第80-83页 |
| 4.3.2 传统瞬时频率定义的缺陷 | 第83页 |
| 4.3.3 瞬时频率正确的条件 | 第83-87页 |
| 4.4 HHT分析方法基本原理 | 第87-97页 |
| 4.4.1 内蕴模式函数(IMF) | 第87-89页 |
| 4.4.2 经验模式分解(EMD) | 第89-95页 |
| 4.4.3 Hilbert谱与边界谱 | 第95-97页 |
| 4.5 HHT分析方法的典型问题及解决 | 第97-105页 |
| 4.5.1 EMD的边界效应及其解决方法 | 第97-102页 |
| 4.5.2 筛选过程停止标准 | 第102-105页 |
| 4.5.3 离散信号瞬时频率的计算 | 第105页 |
| 4.6 实例仿真 | 第105-111页 |
| 4.7 总结 | 第111-113页 |
| 第5章 冠心病患者舒张期心音瞬时频率及Hilbert谱分析 | 第113-139页 |
| 5.1 引言 | 第113页 |
| 5.2 整周期心音信号的HHT分析 | 第113-115页 |
| 5.3 舒张期心音信号HHT分析 | 第115-136页 |
| 5.3.1 舒张期心音的自适应增强 | 第116-121页 |
| 5.3.2 舒张期心音信号的平稳度分析 | 第121-122页 |
| 5.3.3 基于HHT的舒张期杂音瞬时频率及Hilbert谱分析 | 第122-123页 |
| 5.3.4 舒张期心音特征的提取 | 第123-124页 |
| 5.3.5 不同病例的舒张期心音分析结果 | 第124-136页 |
| 5.4 结论 | 第136-139页 |
| 第6章 支持向量机在冠心病诊断中应用研究 | 第139-159页 |
| 6.1 引言 | 第139页 |
| 6.2 统计学习理论 | 第139-145页 |
| 6.2.1 统计学习理论的基本研究内容 | 第139-140页 |
| 6.2.2 学习问题的一般表示 | 第140-141页 |
| 6.2.3 复杂性与推广能力 | 第141-142页 |
| 6.2.4 统计学习理论的核心内容 | 第142页 |
| 6.2.5 VC维 | 第142-143页 |
| 6.2.6 推广性的界 | 第143-144页 |
| 6.2.7 结构风险最小化 | 第144-145页 |
| 6.3 支持向量机理论 | 第145-152页 |
| 6.3.1 最优超平面 | 第145-146页 |
| 6.3.2 线性可分情形 | 第146-147页 |
| 6.3.3 线性不可分情形 | 第147-149页 |
| 6.3.4 支持向量机 | 第149-151页 |
| 6.3.5 核函数 | 第151-152页 |
| 6.4 基于支持向量机的冠心病的诊断 | 第152-156页 |
| 6.4.1 BP网络诊断 | 第152-153页 |
| 6.4.2 支持向量机诊断 | 第153-156页 |
| 6.5 结论 | 第156-159页 |
| 第7章 总结与展望 | 第159-163页 |
| 参考文献 | 第163-173页 |
| 作者在攻读博士学位期间完成的论文 | 第173-175页 |
| 致谢 | 第175页 |
