| 【中文题名】 | 呼吸音特征提取与分类识别方法研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-6 |
| 【中关键词】 | 模式识别,特征提取,复小波变换,小波包,高阶谱, |
| 【英关键词】 | pattern recognition,feature extraction,complex wavelet transform,wavelet packet,high-order spectrum, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 呼吸音是人体呼吸系统与外界在换气运动中产生的音的总称，蕴含着丰富的呼吸系统病理和生理信息。然而呼吸音的随机性、呼吸音获取和分析技术的细节方面的诸多不同，致使呼吸音分析的结果有较大的差异，也使得对照比较不同中心的研究结果比较困难。随着计算机技术及信号处理技术的不断进步，呼吸音识别作为一个热点课题日益受到关注。特征提取是呼吸音识别的核心问题。特征提取就是通过变换的方法，使得有效的分类特征在变换域显示出来，去掉对分类无意义的信息，寻找最有效的信号特征来构成用于分类识别的模式特征向量。
对于工作稳定的呼吸音分析系统来说，其传递函数保持不变，相应的幅频特性和相频特性也是固定的，因此所采集的呼吸音数据在某种程度上就能反映出被测信号的物理特性。
研究表明，不同呼吸音信号的时域波形以及不同变换后的波形都存在着差异。这种差异可以用包络来描述，包络的不同可以体现不同被测信号的特点。而常用的包络提取方法如Hilbert变换需要与滤波器结合，才能有效的应用，因此，本研究提出了基于复小波变换的呼吸音包络特征提取新方法。
研究中首先对采集到的呼吸音数据进行预处理，确定了四种典型的呼吸音信号... |
| 【论文题纲】 |
|
摘要 |
5-7 |
|
ABSTRACT |
7-9 |
|
第1章 绪论 |
9-16 |
|
1.1 课题背景及意义 |
9-13 |
|
1.2 本文主要工作与特色 |
13-16 |
|
1.2.1 主要工作 |
13-14 |
|
1.2.2 特色及创新 |
14-16 |
|
第2章 预备知识 |
16-32 |
|
2.1 小波分析理论基础 |
16-21 |
|
2.1.1 一维连续小波变换 |
16-17 |
|
2.1.2 离散小波变换 |
17-18 |
|
2.1.3 一维正交MRA与Mallat算法 |
18-21 |
|
2.2 高阶累积量基础 |
21-25 |
|
2.2.1 高阶矩与高阶累积量的定义 |
21-23 |
|
2.2.2 高斯过程的高阶累积量 |
23-24 |
|
2.2.3 高阶累积量的性质 |
24-25 |
|
2.3 模式识别概念及关键技术 |
25-31 |
|
2.3.1 模式识别的基本概念 |
25-26 |
|
2.3.2 特征提取和选择 |
26-28 |
|
2.3.3 分类器的设计 |
28 |
|
2.3.4 神经网络模式识别方法 |
28-30 |
|
2.3.5 BP神经网络及其学习算法 |
30-31 |
|
2.4 本章小结 |
31-32 |
|
第3章 基于复小波的包络特征提取和识别 |
32-44 |
|
3.1 引言 |
32 |
|
3.2 HILBERT变换提取信号包络的原理及其缺点 |
32-33 |
|
3.3 复小波变换提取呼吸音包络特征 |
33-40 |
|
3.3.1 小波变换在提取信号包络中的应用 |
33-34 |
|
3.3.2 利用Morlet复值小波进行信号包络提取 |
34-35 |
|
3.3.3 利用Morlet小波进行呼吸音包络特征提取 |
35-36 |
|
3.3.4 特征提取结果与分析 |
36-40 |
|
3.4 识别及结果分析 |
40-43 |
|
3.5 本章小结 |
43-44 |
|
第4章 基于小波包的呼吸音特征提取和识别 |
44-56 |
|
4.1 小波包理论 |
44-47 |
|
4.1.1 小波包的定义与性质 |
44-45 |
|
4.1.2 小波包的空间分解 |
45-46 |
|
4.1.3 小波包算法 |
46-47 |
|
4.2 基于小波包的呼吸音特征提取 |
47-50 |
|
4.2.1 能量的表征 |
47-48 |
|
4.2.2 呼吸音信号的特征提取 |
48-50 |
|
4.3 基于小波包的呼吸音识别 |
50-55 |
|
4.3.1 特征提取的比较 |
50-53 |
|
4.3.2 神经网络识别结果与分析 |
53-55 |
|
4.4 本章小结 |
55-56 |
|
第5章 基于高阶谱的呼吸音特征提取 |
56-66 |
|
5.1 高阶谱的基本知识 |
56-58 |
|
5.2 基于高阶累积量的参数化呼吸音双谱分析 |
58-61 |
|
5.2.1 非高斯AR模型参数化的双谱分析 |
58-59 |
|
5.2.2 呼吸音信号的特征提取 |
59-61 |
|
5.3 特征提取实验结果及分析 |
61-64 |
|
5.4 本章小结 |
64-66 |
|
第6章 总结与展望 |
66-67 |
|
参考文献 |
67-71 |
|
致谢 |
71-72 |
|
攻读硕士学位期间发表的论文 |
72-73 |
|
学位论文评阅及答辩情况表 |
73 |
|
| 【DOI】 | LunWen.ID:2.2008.365050 |
