基于语谱图特征量的肺音分类方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 肺音信号的研究现状 | 第9-10页 |
| 1.1.1 肺音的发生原理 | 第9页 |
| 1.1.2 肺部声音信号的特点 | 第9-10页 |
| 1.2 肺音的种类 | 第10-13页 |
| 1.2.1 正常肺音 | 第11页 |
| 1.2.2 异常呼吸音 | 第11-13页 |
| 1.3 研究意义和技术路线 | 第13页 |
| 1.3.1 研究意义 | 第13页 |
| 1.3.2 技术路线 | 第13页 |
| 1.4 论文的内容与结构安排 | 第13-14页 |
| 第二章 肺音信号的获取、分析及预处理 | 第14-19页 |
| 2.1 肺音样本的采集 | 第14页 |
| 2.2 肺音样本的分析及预处理 | 第14-16页 |
| 2.2.1 语音信号的采样和量化 | 第14-15页 |
| 2.2.2 语音信号的A/D变换和预加重 | 第15页 |
| 2.2.3 加窗函数 | 第15-16页 |
| 2.3 语音波形图的生成 | 第16-17页 |
| 2.4 本文主要算法流程 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 肺音语谱图的预处理及分析 | 第19-24页 |
| 3.1 语谱图的预处理 | 第19-20页 |
| 3.1.1 语谱图的相关介绍 | 第19页 |
| 3.1.2 语谱图的产生机理 | 第19-20页 |
| 3.2 肺音样本语谱图的生成 | 第20-21页 |
| 3.3 肺音语谱图图像增强 | 第21-23页 |
| 3.3.1 语谱图图像的二值化处理 | 第22页 |
| 3.3.2 直方图处理 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 第四章 肺音信号特征提取识别技术 | 第24-32页 |
| 4.1 灰度共生矩阵纹理描述 | 第24-26页 |
| 4.2 纹理特征算法设计与实现 | 第26-31页 |
| 4.3 本章小结 | 第31-32页 |
| 第五章 基于SVM的模式识别技术 | 第32-43页 |
| 5.1 模式识别技术和特征提取技术 | 第32-34页 |
| 5.1.1 模式识别的基本概念 | 第32-33页 |
| 5.1.2 特征提取的主要方法 | 第33-34页 |
| 5.1.3 统计学习理论基本内容 | 第34页 |
| 5.2 利用支持向量机（SVM）的肺音分类识别 | 第34-37页 |
| 5.2.1 最优分类面 | 第35-36页 |
| 5.2.2 SVM的非线性映射 | 第36-37页 |
| 5.2.3 核函数 | 第37页 |
| 5.3 支持向量机算法的实现 | 第37-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第六章 总结和期望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 附录 | 第48-50页 |
| 致谢 | 第50-51页 |
| 在学期间公开发表论文及著作情况 | 第51页 |
| 在学期间公开申请专利情况 | 第51页 |
| 在学期间参加科研项目情况 | 第51页 |
