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