| 【中文题名】 | 基于神经网络的脉象特征的研究 |
| 【英文题名】 | Study of the Pluse Character Based on Artificial Neural Networks |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-7 |
| 【中关键词】 | 脉象信号,特征提取,模式识别,RBF神经网络,, |
| 【英关键词】 | Pulse signal,feature extraction,pattern recognition,RBF neural network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
脉诊是中医学中最具特色的诊断方法。随着现代科学技术的发展，人们希望能运用现代化的脉象采集仪器和信号处理方法，对传统的中医脉诊进行客观化研究与探讨。因此，脉诊的客观化研究对我国中医脉学的继承和开拓有着重要的意义。本论文的研究主要是基于这方面来进行的。
首先，介绍了脉象信号采集系统的设计，本文的信号采集程序是用VB编制的，且VB在图形用户界面开发方面有较强的优势，而数据的处理分析与识别是利用MATLAB软件进行的，所以介绍了MATLAB与VB之间的数据交换。其次，利用频域分析方法，对时域脉象信号进行频谱分析，得到相应的脉搏频谱曲线，通过频谱曲线的特征分析，提取频域特征值。着重对双谱的基本概念和基本理论进行了详细的阐述，探讨了其物理意义，在利用间接算法分析脉象信号时，对算法进行了推导、验证和应用。
最后，提出了利用径向型神经网络对4种脉象信号进行分类，比较了以脉象信号的频谱特征及双谱分析的相位平均值作为神经网络输入时的训练结果的差异。尽管文中的训练样本有限，但仿真结果表明：对脉象信号的一些特定的特征值，利用神经网络进行识别是一种可行而有效的方法。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
1 绪论 |
8-13 |
|
1.1 课题研究的意义 |
8-9 |
|
1.2 脉象信号分析发展及研究现状 |
9-11 |
|
1.2.1 脉象信号分析系统的研究历史 |
9-10 |
|
1.2.2 脉象分析方法的发展和现状 |
10-11 |
|
1.3 论文的主要内容 |
11-13 |
|
2 脉象信号 |
13-16 |
|
2.1 脉搏、脉象与脉象图 |
13-14 |
|
2.2 脉象信号的预处理 |
14-15 |
|
2.2.1 消除稳态分量 |
14-15 |
|
2.2.2 样本的滤波操作 |
15 |
|
2.2.3 样本的归一化 |
15 |
|
2.3 本章小结 |
15-16 |
|
3 脉象信号的采集 |
16-20 |
|
3.1 脉象信号的采集实验装置 |
16-17 |
|
3.2 采集过程 |
17-18 |
|
3.3 脉搏信号的选取和实验数据来源 |
18 |
|
3.3.1 脉搏信号的选取 |
18 |
|
3.3.2 实验数据的来源 |
18 |
|
3.4 本章小结 |
18-20 |
|
4 脉象信号的特征提取 |
20-35 |
|
4.1 频域特征提取 |
20-27 |
|
4.1.1 频域特征提取的基础理论 |
20-24 |
|
4.1.2 脉象信号研究参数的选择 |
24 |
|
4.1.3 脉搏信号频谱分析 |
24-27 |
|
4.1.4 软件编制 |
27 |
|
4.2 非参数化双谱估计 |
27-33 |
|
4.2.1 双谱估计的应用 |
29-30 |
|
4.2.2 应用非参数化双谱估计分析脉象信号 |
30-32 |
|
4.2.3 软件编制 |
32-33 |
|
4.3 本章小结 |
33-35 |
|
5 基于径向基神经网络的脉象信号识别 |
35-48 |
|
5.1 神经网络模式识别的研究 |
35-36 |
|
5.2 神经网络的基础理论 |
36-38 |
|
5.2.1 生物神经元 |
36-37 |
|
5.2.2 人工神经元模型 |
37 |
|
5.2.3 神经网络的分类 |
37-38 |
|
5.2.4 神经网络的学习规则 |
38 |
|
5.3 径向基神经网络 |
38-42 |
|
5.3.1 RBF神经网络结构 |
38-42 |
|
5.3.2 MATLAB神经网络工具箱的应用 |
42 |
|
5.4 RBF神经网络对脉象频谱分布的识别 |
42-45 |
|
5.5 RBF神经网络对脉象信号的频谱特征及平均相位的识别 |
45-47 |
|
5.6 本章小结 |
47-48 |
|
结论 |
48-49 |
|
参考文献 |
49-52 |
|
攻读学位期间发表的学术论文 |
52-53 |
|
致谢 |
53-54 |
|
| 【DOI】 | LunWen.ID:2.2008.389200 |
