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

  1. 基于DSP的离焦信号同步采集与处理技术研究,TH741
  2. 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
  3. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  4. 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
  5. Q学习在基于内容图像检索技术中的应用,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  8. 空间交会接近视觉测量方法研究,TP391.41
  9. 图像实时采集、存储与处理方法研究,TP391.41
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 多币种纸币处理技术的研究与实现,TP391.41
  12. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  13. 基于图像的路面破损识别,TP391.41
  14. 移动机器人视觉检测和跟踪研究,TP242.62
  15. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  16. 基于随机森林的植物抗性基因识别方法研究,Q943
  17. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  18. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  19. 基于空间—频率域的织物组织识别新技术研究,TS101.923
  20. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  21. 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