| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·生物识别技术 | 第10-14页 |
| ·心音身份识别的研究现状 | 第14-16页 |
| ·本论文研究内容和创新点 | 第16-17页 |
| ·论文章节安排 | 第17-18页 |
| 第2章 心音信号身份识别的理论基础 | 第18-23页 |
| ·心音相关基础知识 | 第18-20页 |
| ·心音的产生机理 | 第18-19页 |
| ·心音的时域特性分析 | 第19-20页 |
| ·心音的频域特性分析 | 第20页 |
| ·心音身份识别系统结构 | 第20-21页 |
| ·系统性能评价 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于边界谱和 VQ 模型的识别算法 | 第23-43页 |
| ·HILBERT 边界谱基本原理 | 第23-32页 |
| ·经验模式分解（EMD） | 第23-25页 |
| ·总体平均经验模式分解（EEMD） | 第25-29页 |
| ·Hilbert 谱及其边界谱 | 第29-32页 |
| ·矢量量化（VQ） | 第32-40页 |
| ·矢量量化的基本原理 | 第32-34页 |
| ·矢量量化的失真测度 | 第34-35页 |
| ·矢量量化器的最佳码本设计和 LBG 算法 | 第35-37页 |
| ·改进的初始码本生成法 | 第37-39页 |
| ·VQ 模型的识别问题 | 第39-40页 |
| ·具体算法流程 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于 MFCC 及其一阶差分系数和 GMM 模型的识别算法 | 第43-55页 |
| ·MFCC 倒频系数及其差分系数 | 第43-47页 |
| ·Mel 频率和 MFCC 系数的提取 | 第43-45页 |
| ·MFCC 的动态参数 | 第45-47页 |
| ·高斯混合模型（GMM） | 第47-53页 |
| ·GMM 模型的基本概念 | 第48页 |
| ·GMM 模型的参数估计 | 第48-52页 |
| ·GMM 模型的识别问题 | 第52-53页 |
| ·具体算流程 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 实验结果及其分析 | 第55-64页 |
| ·心音库的建立 | 第55-57页 |
| ·信号采集 | 第55-56页 |
| ·心音库的建立 | 第56-57页 |
| ·基于边界谱和 VQ 方法的心音身份识别实验 | 第57-60页 |
| ·预处理去噪对识别性能的影响 | 第57页 |
| ·特征参数对识别性能的影响 | 第57-59页 |
| ·VQ 模型对识别性能的影响 | 第59-60页 |
| ·基于 MFCC 及其 Δ MFCC 和 GMM 方法的心音身份识别实验 | 第60-63页 |
| ·不同测试及训练时间对系统识别性能的影响 | 第60-61页 |
| ·MFCC 不同滤波器个数及其动态系数对系统识别性能的影响 | 第61-62页 |
| ·不同 GMM 阶数对系统识别性能的影响 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |
