高阶倒谱估计在脉象信号分析中的应用

摘要

中医独特的诊断方法及治病的疗效是有目共睹的。随着传感器技术和计算机处理技术的发展，人们开始致力于脉诊的客观化研究，希望用现代科学技术的方法和仪器，推进中医脉诊的现代化。这也是本文进行研究的目的。 高阶谱分析是信号处理学科的前沿性研究方向，它是分析非高斯信号的主要工具。倒双谱估计是高阶谱分析方法中最常用的一种方法，本文应用倒双谱估计算法对15例海洛因吸毒者和15例正常人的脉象信号进行了倒双谱估计以便研究脉象信号的分类。根据脉象信号的倒双谱估计只在X轴、Y轴和一、三象限对角切片上存在值的特征，采用倒双谱的对角切片进行分析，发现海洛因吸毒者的倒双谱估计的零分量幅值|b<,x>(0，0)|、特定区域内幅值的方差值var(6)和特定区域的能量与原脉象信号总能量之比E<,1>/E均明显高于正常人的对应值。因此分别以这三个值作为特征参量，初步提出了用于划分吸毒者和正常人的临界参数。当选取零分量幅值时，14例正常人和14例正常人全部被检测出来，吸毒者B13和正常人Z15被误判；选取特定区域幅值方差时，吸毒者B13、B14和正常人Z15被误判；而选取特定区域的能量和原脉象信号总能量比时，吸毒者B06和正常人Z15被误判。而后由于倒双谱的计算量太大，幅值主要分布于三个轴线，并鉴于1<1/2>维倒谱的优点，应用1<1/2>维倒谱方法对脉象信号进行了估计，提取了1<1/2>维倒谱的零分量幅值|S<,x>(0，0)|、特定区间信息熵H<,s>(p)和倒谱能比(CSER)作为区分吸毒者和正常人脉象信号的特征量，对于零分量，14例吸毒者和13例正常人被检测出来，但正常人Z01、z10和吸毒者B13被误判；对于特定区间信息熵，13例吸毒者和14例正常人被检测出来，但正常人z13和吸毒者B03、B06被误判；而选取倒谱能比时，15例正常人全被检测出来，但吸毒者B11、B12和B13被误判为正常人。最后针对这两种方法提取出的三个特征值，组成特征向量，应用BP神经网络的改进算法，MBP算法进行了脉象信号的分类识别，发现网络的训练速度快，对吸毒者和正常人的脉象信号的网络识别率也分别达到了100％和96.7％。 研究结果表明，倒双谱估计和1<1/2>维倒谱估计都能够对脉象信号进行较好的分类识别，二者的识别率都较高。1<1/2>维倒谱的计算量比倒双谱的计算量大大降低了，但识别率有所下降。 本论文还对倒双谱和1<1/2>维倒谱的基本概念和基本理论进行了详细的阐述，在利用倒双谱估计和1<1/2>维倒谱估计分析脉象信号时，对算法进行了推导、验证和应用。

目录

文摘

英文文摘

声明

1绪论

1.1课题研究的目的及意义

1.2脉象信号分析的发展及国内外研究现状

1.3高阶统计量理论的发展及国内外研究现状

1.4本论文的研究工作

2脉象信号

2.1脉搏、脉象与脉象图

2.2脉象信号的采集

2.3脉象信号的选取

3高阶统计量

3.1高阶矩和高阶累积量

3.1.1矩和累积量的定义

3.1.2矩和累积量之间的关系

3.1.3矩和累积量的性质

3.1.4平稳随机过程的矩和累积量

3.1.5高斯过程的高阶矩和高阶累积量

3.2高阶累积量谱

3.2.1矩谱和累积量谱的定义

3.2.2双谱的对称关系

4倒双谱估计及在脉象信号分析中的应用

4.1确定性信号的复倒谱

4.1.1信号假设

4.1.2复倒谱的定义

4.1.3复倒谱性质

4.1.4复倒谱计算方法和相位展开

4.2确定信号和随机信号的功率倒谱

4.2.1功率倒谱的定义

4.2.2功率倒谱的性质

4.2.3功率倒谱的计算方法

4.3确定信号和随机信号的倒双谱

4.3.1倒双谱的定义

4.3.2倒双谱的性质

4.3.3倒双谱的计算方法

4.4应用倒双谱分析脉象信号

4.4.1零分量比较

4.4.2倒双谱的对角切片方差比较

4.4.3倒双谱的对角切片能量比值比较

4.4.4三种方法综合分析

4.5软件编制

4.6结论

5 11/2维倒谱及在脉象信号分析中的应用

5.1 11/2维谱

5.1.1 11/2维谱定义

5.1.2 11/2维谱的性质

5.1.3 11/2维谱的算法

5.1.4 11/2维谱的仿真研究

5.2 11/2维倒谱的定义和算法

5.2.1 11/2维倒谱的性质

5.3脉象信号的11/2维倒谱分析

5.3.1零分量比较

5.3.2特定区间11/2维倒谱熵比较

5.3.3 11/2维倒谱的倒谱能比(CSER)比较

5.3.4三种方法综合分析

5.4软件的编制

5.5结论

6基于神经网络的脉象模式识别研究

6.1 BP神经网络

6.1.1 BP神经网络内容

6.1.2 BP网络结构

6.1.3性能函数

6.1.4偏导数的链法则

6.1.5灵敏度的反向传播

6.1.6 BP算法

6.1.7 Levenberg-Marquardt BP算法

6.2脉象信号的神经网络分类识别

6.2.1对倒双谱提取的特征进行BP分类识别

6.2.2对11/2维倒谱提取的特征进行BP分类识别

6.3软件的编制

6.4结论

7结论

致 谢

参考文献

附录