声明
致谢
摘要
图目录
表目录
1 绪论
1.1 课题的研究背景及研究意义
1.2 课题研究现状
1.2.1 脑功能监测方法
1.2.2 声音信号分析和特征提取方法
1.2.3 声音分析诊断流程图
1.2.4 国内外研究现状
1.3 论文的主要内容及各章节简介
2 脑与声音分析和脑卒中患者声样采集处理
2.1 大脑对语言功能的影响
2.1.1 言语功能的神经机制
2.1.2 语言机制的脑功能成像
2.2 大脑的非线性
2.3 声样的采集
2.4 本课题的采集样本
2.4.1 样本采集装置
2.5 声音信号增强处理
2.5.1 噪声的特性
2.5.2 声音去噪方法之小波去噪
2.6 本章小结
3 非线性时间序列分析及其在嗓音信号分析中的应用
3.1 混沌理论概述
3.2 相空间重构理论
3.3 延迟时间的计算和应用
3.4 嵌入维数的计算和应用
3.4.1 计算嵌入维数的方法
3.4.2 时间序列计算嵌入维数
3.4.3 根据延迟时间和嵌入维数重构相空间
3.5 李雅普诺夫指数的计算和应用
3.5.1 李雅普诺夫指数的定义
3.5.2 李雅普诺夫指数的计算
3.5.3 时间序列的李雅普诺夫指数
3.6 本章小结
4 改进的替代数据法在嗓音分析中的应用
4.1 替代数据法
4.2 关联维数的计算和应用
4.2.1 计算关联维数
4.2.2 对时间序列计算关联维数
4.3 改进替代数据法得到归一化检测量
4.3.1 基本概念
4.3.2 归一化方差的检测量的提出和计算
4.3.3 声音时间序列的归一化方差的检测量计算
4.4 本章小节
5 脑卒中病人和健康人声音样本分析和分类
5.1 非线性参数在脑卒中病人和健康入样本中的对比
5.1.1 互信息图的第一个最小值对比
5.1.2 重构相空间的吸引子对比
5.1.3 最大Lyapunov指数对比
5.1.4 归一化方差的检测量对比
5.2 k近邻分类算法
5.2.1 什么是K近邻算法
5.2.2 k近邻的距离度量表示法
5.2.3 K值的选择
5.3 脑卒中病人和健康人声音样本分类
5.4 本章小节
6 总结与展望
6.1 研究工作总结
6.2 进一步工作展望
参考文献
附录攻读硕士学位期间的研究成果及作者简介