心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m；
上传时间： 2013-12-07
上传用户：奇奇奔奔
一、用GA直接训练BP网络的权重算法 主程序：gafault.m 它包括以下子程序： 1. BP网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 二、用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法 主程序：gabpfault.m 它包括以下子程序： 1. 网络初始化：nninit.m――给出P，T，R，S1，S2； 2. 适应值计算函数：gabpEval.m； 3．将遗传算法的编码解码为BP网络所对应的权值、阈值函数：gadecod.m； 三、纯BP 主程序：（1）bpfault.m 在MATLAB5.2上 （2）bpfault.m 在MATLAB6.5上 为后来所加
上传时间： 2014-08-15
上传用户：litianchu
《现代通信系统盲处理技术新进展---基于智能算法》主要由以下8章组成： 第1章简要介绍无线通信系统的结构和发展概况，以及其盲处理算法的相关知识。第2章介绍人工神经网络及相应知识，从BP神经网络若手研究盲处理问题,同时给出复数域BP神经网络的信号盲处理方法和该类方法的优缺点说明。在第3章中介绍智能体的概念，并给出基于多智能体系统的盲处理方法。第4章介绍基于支持向量机框架下的盲处理算法，介绍支持向批机的原理，给出基于ε- 支持向量回归机的信道估计新方法，并介绍基千支持向批回归方法的MPSK和QAM的盲信号处理方法，然后引入星座匹配误差函数，并根据线性支持向搅回归和有序风险最小化原则，由恒模和星座匹配误差函数联合组成的新经验风险项构造一个新的代价函数，进而通过迭代求解优化问题获得均衡器。第5章介绍神经动力学和反馈神经网络的相关知识，特别地从神经动力学角度论述连续反馈神经网络可有效飞作的原因，论述反馈神经网络权值矩阵对吸引子和相轨迹的影响。并给出如何根据系统接收信号与发送信号之间的子空间关系，构造一个适用于现代通信系统中的盲检测的特定性能函数和优化问题。第6章分别展示如何基于连续多阈值神经元Hopfield网络模型实现通信信号盲处理的理论和方法，针对多相制信号的特点给出两种连续相位多阙值激励函数形式，并分析讨论该两类激励函数参数的选择、分别给出连续多阈值神经元 Hopfield 网络工作于同步和异步模式下的新能队函数及其相关证明。介绍采用幅相连续激励法解决稀疏QAM 信号的盲检测思路，并针对 QAM 信号的特点，分别给出连续幅度和相位多阙值激励函数形式，分析讨论该类激励函数的特点。第7章则电在从另一个角度提出采用同相正交振幅连续激励法解决密集QAM信号盲检测方法。介绍如何从激励函数角度分析放大因子选择的范围；给出该特定问题的同步和异步运行模式下的新能量函数形式；并证明和分析所设计的能量函数部分定理；介绍在基于反馈神经网络的信号盲处理方法这一研究课题中发现的几类现象，包括当信号的统计信息缺失或失真情况下，连续多阈值神经元反馈神经网络的盲检测能力：通用高阶QMA的激励函数被使用作为低阶QAM信号盲检测问题时的适用性......
上传时间： 2022-07-09
上传用户：
提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法，这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系，同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征，基于这种统计模型，文中先推导出了一种各向异性双变量收缩函数的近似形式，然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域，实验结果表明文中提出的方法同小波域 BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比，能够有效地去除图像的高斯噪声，提高了图像的峰值信噪比；并较完整地保持了图像的纹理和边缘等细节信息，从而明显改善了图像的视觉效果。
上传时间： 2013-10-23
上传用户：thuyenvinh
用C语言来实现的。牛顿插值法对一些函数作近似的替代，是N个节点数的插值函数。
上传时间： 2013-12-31
上传用户：lo25643
此函数用于研究Mallet算法及滤波器设计 此函数用于消噪处理 分解的高频系数采用db9较好,即它的消失矩较大 分解的有用信号小波高频系数基本趋于零 对于噪声信号高频分解系数很大，便于阈值消噪处理
上传时间： 2015-05-19
上传用户：csgcd001
程序代码说明 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象
上传时间： 2015-06-16
上传用户：zuozuo1215
程序代码说明 P0401：用Prewitt算子检测图像的边缘 P0402：用不同σ值的LoG算子检测图像的边缘 P0403：用Canny算子检测图像的边缘 P0404：图像的阈值分割 P0405：用水线阈值法分割图像 P0406：对矩阵进行四叉树分解 P0407：将图像分为文字和非文字的两个类别 P0408：形态学梯度检测二值图像的边缘 P0409：形态学实例——从PCB图像中删除所有电流线，仅保留芯片对象
上传时间： 2015-06-18
上传用户：xwd2010
神经网络BP算法（C程序） 文件输入输出目录为：F:\BP 训练样本文件名：训练样本.txt 值为： 1 1 -1 1 -1 1 0 1 0 1 输出文件名为：阈值.txt 权值.txt
上传时间： 2013-12-28
上传用户：lepoke
