<rt id="owe2s"></rt>
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態(tài)的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對目前該研究領(lǐng)域中存在的分析方法問題和分類識別技術(shù)難點(diǎn)展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內(nèi)容包括以下5個方面： a）心音信號采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽診器實(shí)現(xiàn)對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級閾值的方法作為心音信號預(yù)處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進(jìn)行了時頻譜特性分析，結(jié)果表明：不同的時頻分析方法與待分析心音信號的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時頻（ATF）分析方法，通過實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號的時頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應(yīng)錐形核時頻分析方法進(jìn)行心音信號分析。 c）心音信號特征向量提取。根據(jù)對3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號的時頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實(shí)現(xiàn)分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據(jù)心音信號特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類支持向量機(jī)的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對余下的每類20組數(shù)據(jù)進(jìn)行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進(jìn)行分類實(shí)測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實(shí)現(xiàn)了心音信號分析與識別的軟件運(yùn)行平臺構(gòu)建，可完成對心音信號的讀取、預(yù)處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態(tài)鏈接，實(shí)現(xiàn)對心音信號分析數(shù)據(jù)的存儲以及統(tǒng)計功能；最后，通過對心音信號2維特征向量的分析，實(shí)現(xiàn)心音信號的自動識別功能。 本文的研究特色主要體現(xiàn)在心音信號特征向量提取的方法以及多分類支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對心音信號進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時頻分析方法提取心音信號特征向量，根據(jù)心音信號特征向量組成的散點(diǎn)圖，建立心音信號分類的支持向量機(jī)模型，并對正常心音信號和4種心臟雜音信號進(jìn)行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號種類及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類的心臟雜音信號，進(jìn)一步提高心音信號分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。 關(guān)鍵詞：心音信號，小波降噪，非平穩(wěn)信號，心臟雜音，信號處理，時頻分析，自適應(yīng)，支持向量機(jī)
上傳時間： 2013-04-24
上傳用戶：weixiao99
磁共振成像（MRI）由于自身獨(dú)特的成像特點(diǎn)，使得其處理方法不同于一般圖像.根據(jù)不同的應(yīng)用目的，該文分別提出了MRI圖像去噪和分割兩個算法.首先，該文針對MRI重建后圖像噪聲分布的實(shí)際特點(diǎn)，提出了基于小波變換的MRI圖像去噪算法.該算法詳細(xì)闡明了MRI圖像Rician噪聲的特點(diǎn)，首先對與噪聲和邊緣相關(guān)的小波系數(shù)進(jìn)行建模，然后利用最大似然估計來進(jìn)行參數(shù)估計，同時利用連續(xù)尺度間的尺度相關(guān)性特點(diǎn)來進(jìn)行函數(shù)升級，以便獲得最佳萎縮函數(shù)，進(jìn)一步提高圖像的質(zhì)量，最終取得了一定的效果.與此同時，該文對MRI圖像的進(jìn)一步的分析與應(yīng)用展開了一定研究，提出了一種改進(jìn)的快速模糊C均值聚類魯棒分割算法.該算法先用K均值聚類方法得到初始聚類中心點(diǎn)，同時考慮鄰域?qū)Ψ指罱Y(jié)果的影響，對目標(biāo)函數(shù)加以改進(jìn)，用來克服噪聲和非均勻場對MRI圖像分割的影響，達(dá)到魯棒分割的目的，為進(jìn)一步圖像處理和分析打下基礎(chǔ).通過實(shí)驗(yàn)，我們發(fā)現(xiàn)，無論是針對模擬圖像還是實(shí)際圖像，該文所提出的兩個算法都取得了較好的效果，達(dá)到了預(yù)期的目的.
上傳時間： 2013-04-24
上傳用戶：zhichenglu
·論文摘要：利用聲卡DSP技術(shù)和LabVIEW多線程技術(shù)，提出了一種基于聲卡的數(shù)據(jù)采集與分析的廉價設(shè)計方案，具有實(shí)現(xiàn)簡單、界面友好、性能穩(wěn)定可靠等優(yōu)點(diǎn)。在LabVIEW環(huán)境中實(shí)現(xiàn)了音頻信號的采集分析及數(shù)據(jù)存盤重載。PC上配置多塊聲卡即可構(gòu)成實(shí)時、高信噪比的多通道數(shù)據(jù)采集系統(tǒng)?？梢酝茝V到語音識別、環(huán)境噪聲監(jiān)測和實(shí)驗(yàn)室測量等多種領(lǐng)域，應(yīng)用前景廣闊。
上傳時間： 2013-06-18
上傳用戶：changeboy
· 摘要： 通過分析小波分析法中的閾值去噪算法的原理,根據(jù)MEMS陀螺儀信號漂移的數(shù)學(xué)模型,采用了基于小波閾值去噪法對MEMS陀螺儀的輸出進(jìn)行實(shí)時消噪處理.并將該算法應(yīng)用到基于DSP的某MEMS陀螺捷聯(lián)慣導(dǎo)系統(tǒng)后對系統(tǒng)的MEMS陀螺儀進(jìn)行零漂試驗(yàn).通過整個系統(tǒng)試驗(yàn)結(jié)果分析,使用小波閾值去噪法對抑制MEMS陀螺儀零漂,改善MEMS陀螺儀的零偏穩(wěn)定性具有很好的效果,肯定了小波閾值去
上傳時間： 2013-04-24
上傳用戶：xiehao13
對脈搏波信號進(jìn)行分析之前，對信號的去噪非常重要，本論文利用Mallat算法對脈搏波信號進(jìn)行多分辨分析和去噪，分別對閾值法、平移不變量法、模極大值法的降噪原理進(jìn)行分析，通過大量實(shí)驗(yàn)對比，比較了它們在處理脈搏波信號方面的優(yōu)缺點(diǎn)。通過對一段含噪脈搏波信號降噪，得到了滿意的去噪效果。
上傳時間： 2013-10-20
上傳用戶：lmq0059
在QPSK調(diào)制方式下，分別研究推導(dǎo)了基于輔助數(shù)據(jù)的極大似然比信噪比估計算法研究、基于矩的信噪比估計算法研究以及基于高階累積量的信噪比估計算法。通過仿真比較了信噪比估計算法的性能，著重分析比較了采用的迭代次數(shù)及數(shù)據(jù)長度等參數(shù)對算法性能的影響，最終根據(jù)算法各自的特點(diǎn)給出了相應(yīng)的適用范圍。
上傳時間： 2013-10-20
上傳用戶：15736969615
對脈搏波的完全分析是建立在含有少量噪聲且較為清晰的脈搏波信號中，然而在采集脈搏波信號時容易受到多種干擾的影響，使其提取出來的脈搏波含有大量的噪聲，因此降噪處理顯得尤為必要。同時，脈搏波中含有人體生理病理信息，不同的人將表現(xiàn)為不同的特征，可以看出確定脈搏波特征點(diǎn)對于分析人體生理健康很有意義。針對信號去噪問題采用小波變換和多分辨率分析的方法，該方法在時域和頻域都能表征信號局部信息的能力，且具有對信號具有自適應(yīng)性。運(yùn)用極值法確定出脈搏波的峰值點(diǎn)，然后再根據(jù)峰值點(diǎn)確定出其他特征點(diǎn)的位置，實(shí)驗(yàn)證明該方法能夠增加特征點(diǎn)的檢出率。
標(biāo)簽： 脈搏波 信號降噪 特征點(diǎn)識別
上傳時間： 2013-10-12
上傳用戶：shirleyYim
針對齒輪故障特征信號具有強(qiáng)噪聲背景、非線性、非平穩(wěn)性特點(diǎn)，提出采用形態(tài)梯度小波對齒輪振動信號進(jìn)行降噪。首先使用形態(tài)梯度小波把齒輪振動信號分解到多個尺度上，然后對各層的細(xì)節(jié)系數(shù)進(jìn)行軟閾值方法降噪處理，對經(jīng)過處理后的小波系數(shù)進(jìn)行重構(gòu)。對降噪后的齒輪振動信號采用S變換多分辨率時頻分析，能夠從具有良好的時頻分辨率的S變換譜圖提取齒輪故障特征。通過仿真試驗(yàn)和故障軸承的信號分析證明，該方法具有短時傅里葉變換和小波變換的優(yōu)點(diǎn)，不存在Wigner-Ville分布的交叉干擾和負(fù)頻率，能有效地提取隱含在噪聲中的齒輪故障特征，適合齒輪故障的在線監(jiān)測和診斷。
上傳時間： 2013-11-01
上傳用戶：AISINI005
結(jié)合直接數(shù)字頻率合成（DDS）和鎖相環(huán)（PLL）技術(shù)完成了X波段低相噪本振跳頻源的設(shè)計。文章通過軟件仿真重點(diǎn)分析了本振跳頻源的低相噪設(shè)計方法，同時給出了主要的硬件選擇和詳細(xì)電路設(shè)計過程。最后對樣機(jī)的測試結(jié)果表明，本方案具有相位噪聲低、頻率控制靈活等優(yōu)點(diǎn)，滿足了實(shí)際工程應(yīng)用。
上傳時間： 2013-11-12
上傳用戶：jiwy
基于對信號的周期平穩(wěn)統(tǒng)計量的分析，提出了一種高斯白噪聲信道下的盲信噪比估計方法。對信號的調(diào)制方式?jīng)]有要求，也不需要發(fā)送端發(fā)送己知數(shù)據(jù)。
上傳時間： 2013-11-07
上傳用戶：hakim
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<nav id="6yswm"></nav>