心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)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(duì)目前該研究領(lǐng)域中存在的分析方法問(wèn)題和分類識(shí)別技術(shù)難點(diǎn)展開(kāi)了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)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(tīng)診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過(guò)對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)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(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)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(shí)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(shí)頻（ATF）分析方法，通過(guò)實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)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(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過(guò)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(hào)的2維特征向量，作為心音信號(hào)分類的特征向量。 d）心音信號(hào)分類方法。根據(jù)心音信號(hào)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(shí)，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(hào)分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中NM、AF、AR、AS、MR每類心音信號(hào)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(duì)余下的每類20組數(shù)據(jù)進(jìn)行測(cè)試，得到每類的分類精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類心臟雜音信號(hào)和正常心音信號(hào)中每類24個(gè)心動(dòng)周期進(jìn)行分類實(shí)測(cè)，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(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語(yǔ)言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過(guò)對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)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(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)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(hào)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(hào)，進(jìn)一步提高心音信號(hào)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(tīng)診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶：weixiao99
低噪聲放大器是接收機(jī)中最重要的模塊之一，文中采用了低噪聲、較高關(guān)聯(lián)增益、PHEMT技術(shù)設(shè)計(jì)的ATF-35176晶體管，設(shè)計(jì)了一種應(yīng)用于5.5~6.5 GHz頻段的低噪聲放大器。為了獲得較高的增益，該電路采用三級(jí)級(jí)聯(lián)放大結(jié)構(gòu)形式，并通過(guò)ADS軟件對(duì)電路的增益、噪聲系數(shù)、駐波比、穩(wěn)定系數(shù)等特性進(jìn)行了研究設(shè)計(jì)，最終得到LNA在該頻段內(nèi)增益大于32.8 dB，噪聲小于1.5 dB，輸入輸出駐波比小于2，達(dá)到設(shè)計(jì)指標(biāo)。
標(biāo)簽： ADS C波段 低噪聲放大器 仿真設(shè)計(jì)
上傳時(shí)間： 2013-11-15
上傳用戶：brilliantchen
利用pHEMT工藝設(shè)計(jì)了一個(gè)2~4 GHz寬帶微波單片低噪聲放大器電路。本設(shè)計(jì)中采用了具有低噪聲、較高關(guān)聯(lián)增益、pHEMT技術(shù)設(shè)計(jì)的ATF-54143晶體管，電路采用二級(jí)級(jí)聯(lián)放大的結(jié)構(gòu)形式，利用微帶電路實(shí)現(xiàn)輸入輸出和級(jí)間匹配，通過(guò)ADS軟件提供的功能模塊和優(yōu)化環(huán)境對(duì)電路增益、噪聲系數(shù)、駐波比、穩(wěn)定系數(shù)等特性進(jìn)行了研究設(shè)計(jì)，最終使得該LNA在2~4 GHz波段內(nèi)增益大于20 dB，噪聲小于1.2 dB，輸出電壓駐波比小于2，達(dá)到了設(shè)計(jì)指標(biāo)的要求。
標(biāo)簽： GHz 波段 低噪聲放大器 仿真設(shè)計(jì)
上傳時(shí)間： 2014-07-03
上傳用戶：遠(yuǎn)遠(yuǎn)ssad
選用噪聲系數(shù)較低的Agilent E-PHEMT ATF-54143晶體管,采用集總元件網(wǎng)絡(luò)匹配方法,設(shè)計(jì)實(shí)現(xiàn)了一種GPS接收機(jī)前端低噪聲放大器。通過(guò)運(yùn)用Agilent公司的微波軟件ADS進(jìn)行設(shè)計(jì)、仿真和優(yōu)化,在PTFE基板上制作實(shí)現(xiàn)了該放大器。
標(biāo)簽： GPS 接收機(jī) 低噪聲放大器 方案
上傳時(shí)間： 2013-10-09
上傳用戶：x4587
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
