短时傅里叶变换和提升小波变换在脉象信号分析中的应用

论文摘要

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。短时傅里叶变换（Short-Time Fourier Transform, STFT）和小波变换是目前最常用的时频分析方法。本文对短时傅里叶变换和小波变换的基本概念和基本理论进行了详细的阐述,并探讨了其物理意义;短时傅里叶变换的基本思想是:把信号划分成许多小的时间间隔,用傅里叶变换分析每个时间间隔内的信号,以便确定在该间隔内信号的频谱信息。本文应用全极点滑动窗递归算法,分析了15例吸毒者和22例正常人脉象信号的离散短时傅里叶变换,再通过提取出特定频率段的平均频率和频率中心进行分析,发现吸毒者的最小平均频率值和最大频率中心值均低于正常人,因此当选取最小平均频率值时,20例正常人和14例吸毒者被检测出来,而吸毒者B13,正常人Z05和Z06被误判;当选取最大频率中心值时,21例正常人和15吸毒者被检测出来,正常人Z17被误判。最后以这两个值作为二维特征向量,初步提出了用于划分吸毒者和正常人的临界参数方程,根据该方程,正常人和吸毒者全部被检测出来。小波分析是一种在时域和频域均具有良好局域性的分析方法,尤其适用于非平稳信号的处理,而本文更是在传统小波的基础上,提出了不依赖傅立叶变换,不必通过对一个函数的伸缩和平移来构造小波的小波提升算法。本文利用db4正交小波进行提升小波变换分析了37例样本的脉象信号,通过提取第三层小波系数的第8个分量和第三层尺度系数的第2个分量,构成二维特征向量,找出了吸毒者与正常人脉象信号之间的显著差异,初步提出了用于划分吸毒者和正常人的判据,根据该判据,Z01发生了错判。最后针对这两种方法提取出的二维特征向量,应用概率神经网络算法进行了脉象信号的分类识别,发现网络的训练速度快,聚类效应好,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97%和100%。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究的意义
• 1.2 脉象信号分析
• 1.3 时频分析和概率神经网络的发展及国内外研究现状
• 1.4 本论文的主要研究工作
• 2 短时傅里叶变换
• 2.1 连续短时傅里叶变换
• 2.1.1 连续短时傅里叶变换的定义及物理意义
• 2.1.2 连续短时傅里叶变换的重构
• 2.1.3 连续短时傅里叶变换的时频局域化分析
• 2.1.4 连续短时傅里叶变换的基本性质
• 2.2 离散时间短时傅里叶变换
• 2.2.1 离散时间短时傅里叶变换的定义及物理意义
• 2.2.2 离散时间短时傅里叶变换的时频局域化分析
• 2.2.3 离散时间短时傅里叶变换的重构及其物理意义
• 2.3 离散时间短时傅里叶变换的计算
• 2.3.1 利用全极点递归算法计算离散时间短时傅里叶变换
• 2.3.2 全极点滑动窗的特性
• 3 脉象信号的短时傅里叶变换分析
• 3.1 脉搏波及分析吸毒者脉象信号的意义
• 3.1.1 脉搏波的形成
• 3.1.2 分析吸毒者脉象信号的意义
• 3.2 脉象信号的采集与脉波的选取
• 3.2.1 脉象信号的采集
• 3.2.2 脉波的选取
• 3.3 应用短时傅里叶变换分析脉象信号
• 3.4 软件编制
• 3.5 结论
• 4 小波分析基本理论
• 4.1 连续小波变换与测不准原理的关系
• 4.1.1 小波的定义
• 4.1.2 测不准原理
• 4.1.3 小波分析和测不准原理的关系
• 4.2 连续时间信号的离散小波变换
• 4.3 多分辨率分析
• 4.3.1 多分辨率分析的定义
• 4.3.2 离散时间信号小波变换的初值及其边界问题
• 4.4 提升小波
• 4.4.1 提升小波的基本原理
• 4.4.2 小波分解与重构的多相位表示
• 4.4.3 Laurent 多项式及Euclidean 算法
• 4.4.4 多相位矩阵的因子分解
• 4.4.5 提升算法
• 5 脉象信号的提升小波变换分析
• 5.1 脉象信号的提升小波变换分析
• 5.2 软件编制
• 5.3 结论
• 6 人工神经网络的基本概念和基础理论
• 6.1 人工神经网络的基本原理
• 6.1.1 神经网络的学习规则
• 6.1.2 神经网络的分类
• 6.2 概率神经网络
• 6.2.1 概率神经网络的结构
• 6.2.2 PNN 网络的学习算法
• 7 概率神经网络在脉象信号识别中的应用
• 7.1 实验三：在利用短时傅里叶变换提取特征向量的基础上再利用概率神经网络识别分类
• 7.1.1 实验步骤
• 7.2 实验四：在利用提升小波变换提取特征向量的基础上再利用概率神经网络识别分类
• 7.2.1 实验步骤
• 7.3 软件的编制
• 7.4 结论
• 8 结论
• 致谢
• 参考文献
• 附录