学位论文 > 优秀研究生学位论文题录展示
脉搏图像与心电信号多信息同步采集及其应用研究
作 者: 孔令杰
导 师: 张爱华
学 校: 兰州理工大学
专 业: 检测技术与自动化装置
关键词: 亚健康状态 脉搏图像 心电信号 同步采集 特征提取 PCA LDA
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 45次
引 用: 1次
阅 读: 论文下载
内容摘要
亚健康状态(Sub-health State)是指人的机体没有明确的疾病,但活力与适应力呈不同程度减退的一种生理状态,是一种介于健康与疾病之间的生理功能降低的状态,它既能向健康状态转化,又能向疾病状态转化,进一步发展为各种疾病,严重影响着人们的健康。亚健康的表现非常复杂,对它的诊断主要靠一些生化指标和问卷调查,至今为止还没有一个在国内外获得公认的标准。脉搏信号和心电信号是两种常见的人体生理信号,它们都蕴涵着大量丰富的与人体健康状况密切相关的生理病理信息,是传递和窥视体内功能变化的窗口。本文以信号处理的角度入手,通过分析脉搏心电信号来评估亚健康状态,并通过实验验证了该方法的可行性和有效性。本文主要研究内容如下:首先,在综述国内外研究现状的基础上,分析了利用脉搏心电信号中蕴涵的信息来评估亚健康状态的可行性。其次,利用脉搏图像传感器和MP425数据采集卡组建了脉搏图像与心电信号的多信息同步采集系统。相机在摄像时通过接口电路能够对外输出脉冲信号,本文将此脉冲信号作为同步信号,将其与数据采集卡的外触发端相连,以实现两个采集动作的同时启动;设计了亚健康实验,完成脉搏图像与心电信号的多信息同步采集。然后,利用动态图像处理技术从脉搏图像中获取脉搏波形,此方法能够真实完整地反映实际的脉搏信息;针对数据采集过程中存在的噪声,选用小波变换对信号进行消噪处理,以获得较干净的信号;在介绍信号特征提取方法的基础上,利用时频域分析方法、非线性分析方法进行脉搏心电特征提取。最后,采用主成分分析(PCA)对所提特征进行降维处理,以剔除特征之间的冗余信息,并利用改进的线性判别式分析(LDA)算法进行亚健康状态的分类识别。实验结果表明,提取的特征能够有效地反映脉搏心电特征的变化,且LDA算法在对亚健康状态识别应用中取得了较好的效果,结果令人满意。由此可见,利用脉搏心电特征来评估亚健康状态是可行的。
|
全文目录
摘要 7-8 Abstract 8-10 插图索引 10-11 附表索引 11-12 第1章 绪论 12-17 1.1 课题研究背景与意义 12-13 1.1.1 课题研究背景 12 1.1.2 课题研究意义 12-13 1.2 国内外研究现状 13-15 1.3 课题研究的主要内容 15-17 第2章 亚健康与脉搏心电信号基础知识概述 17-24 2.1 亚健康概论 17-18 2.1.1 亚健康的定义 17 2.1.2 亚健康产生的主要原因 17-18 2.2 脉搏信号的基本特性 18-20 2.2.1 脉搏信号的特点 18-19 2.2.2 脉图分析 19-20 2.3 心电信号的基本特性 20-22 2.3.1 心电信号的特点 20-21 2.3.2 心电图分析 21-22 2.4 亚健康状态评估的研究思路 22-23 2.4.1 中医脉诊与亚健康 22 2.4.2 心电图与亚健康 22-23 2.5 本章小结 23-24 第3章 脉搏图像与心电信号多信息的同步采集 24-32 3.1 脉搏图像化检测方法 24-25 3.1.1 脉搏信号检测技术的研究现状 24 3.1.2 脉搏图像化检测方法 24-25 3.2 脉搏图像化检测装置 25-26 3.2.1 脉搏图像传感器的结构图 25 3.2.2 脉搏图像传感器的实物图 25-26 3.3 心电信号调理电路及数据采集卡 26-29 3.3.1 心电信号调理电路的原理框图 26-27 3.3.2 MP425 数据采集卡 27-29 3.4 心电信号采集系统 29-30 3.5 脉搏图像与心电信号多信息的同步采集 30-31 3.5.1 脉搏图像与心电信号多信息同步采集系统的实现 30 3.5.2 脉搏图像与心电信号多信息同步采集实验 30-31 3.6 本章小结 31-32 第4章 脉搏心电特征提取 32-43 4.1 基于图像网格面积变化的脉搏信息提取 32-34 4.1.1 脉搏径向离面位移的获取原理 32-33 4.1.2 脉幅的提取 33-34 4.2 基于小波变换的脉搏心电消噪处理 34-37 4.2.1 阈值法去噪原理 35-36 4.2.2 实验结果 36-37 4.3 脉搏心电特征提取方法 37-41 4.3.1 常用特征提取方法概述 37-38 4.3.2 脉搏心电特征提取 38-41 4.4 本章小结 41-43 第5章 基于线性判别式分析的亚健康状态识别 43-53 5.1 模式识别与分类 43-44 5.2 特征选择 44-47 5.2.1 特征选择基本概念 44 5.2.2 主成分分析原理 44-47 5.3 线性判别式分析算法 47-49 5.4 实验结果 49-52 5.5 本章小结 52-53 总结与展望 53-55 参考文献 55-59 致谢 59-60 附录A 攻读学位期间发表的学术论文目录 60
|
相似论文
- 基于DSP的离焦信号同步采集与处理技术研究,TH741
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于空间—频率域的织物组织识别新技术研究,TS101.923
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 青少年学生自评亚健康状况的随访研究,B844.2
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|