双正交小波基的构造方法和心音小波神经网络的研究

发布时间：2017-09-02 06:43

  本文关键词：双正交小波基的构造方法和心音小波神经网络的研究

  更多相关文章： 构造双正交小波 小波基选择原则 心音 激活函数 心音小波神经网络

【摘要】：在分析小波构造理论和心音特点的基础上,提出了双正交小波基的快速构造方法和心音小波神经网络,并深入讨论了它们的应用技术。首先给出了双正交小波的具体构造方法、详细步骤和算法流程图;其次,以滤波器长度为N,消失距为N/2构造出了一系列小波基,并且给出了N分别等于2、4、6、8、10、12的小波基波形图;然后,根据小波基的选择原则,选定滤波器长度为10,消失矩为5的自构小波专门用于处理心音信号,并命名为心音小波;最后,利用心音小波对多组心音信号进行去噪处理和特征提取,实验结果表明自构心音小波比db小波、bior小波、sym小波的综合效果要好,重构误差率最低、信噪比最高、均方误差最小、平滑度更好,并且平均可分度提高了50%。为了将心音特征优化抽取和心音识别融合在一个针对心音的分类网络中进行处理,还提出了一种能有效融合小波与神经网络优势的心音小波神经网络。通过在隐含层引入心音小波作为激活函数,可构成一种新的心音小波神经网络;最后,选取多组正常心音信号与早搏心音信号作为实验对象,并与morlet小波神经网络、Mexican hat小波神经网络进行对比分析,验证了所构心音小波神经网络在收敛性、算法速度上的优越性,正确识别率也达到了97%。这些研究结果对于促进小波的应用和心音的研究具有理论意义和实用价值。
【关键词】：构造双正交小波 小波基选择原则 心音 激活函数 心音小波神经网络
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN912.3;R540.4
【目录】：

• 摘要4-5
• Abstract5-7
• 第一章 绪论7-13
• 1.1 本课题的研究背景及意义7-8
• 1.2 本课题的研究现状8-10
• 1.2.1 小波构造研究现状8-9
• 1.2.2 小波神经网络构造研究现状9-10
• 1.2.3 心音研究现状10
• 1.3 本课题的主要内容及创新点10-13
• 第二章 双正交小波构造13-24
• 2.1 小波构造理论13-14
• 2.2 第一代小波的构造14-18
• 2.2.1 Harr小波与shannon小波的构造14-15
• 2.2.2 Meyer小波的构造15-16
• 2.2.3 db小波与样条小波的构造16-18
• 2.3 第二代提升小波的构造18-23
• 2.3.1 双正交提升小波构造20-23
• 2.4 本章小结23-24
• 第三章 双正交小波构造实例24-32
• 3.1 双正交小波的快速构造方法24-26
• 3.2 滤波器长度为N，，消失距为N/2 的小波基的构造26-27
• 3.3 自构双正交小波的波形图及其分析27-30
• 3.4 本章小结30-32
• 第四章 自构小波对心音信号的应用研究32-45
• 4.1 选择小波的原则32-33
• 4.2 处理对象为心音信号的小波选择33-34
• 4.3 自构心音小波对心音信号的去噪实验34-36
• 4.4 自构心音小波对心音信号的特征提取实验36-44
• 4.5 本章小结44-45
• 第五章 心音小波神经网络45-59
• 5.1 小波神经网络理论45-49
• 5.2 心音小波神经网络的构造49-52
• 5.3 心音小波神经网络的应用52-58
• 5.4 本章小结58-59
• 第六章 总结与展望59-61
• 6.1 总结59-60
• 6.2 展望60-61
• 参考文献61-64
• 附录1 攻读硕士学位期间撰写的论文64-65
• 附录2 攻读硕士学位期间参加的科研项目65-66
• 附录3 攻读硕士学位期间申请的专利66-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 张增芳,陈瑞中,齐保谦,陆英北;基于小波神经网络的心电数据压缩研究[J];广西工学院学报;2002年01期

2 王阿明;柳红;;小波神经网络在肿瘤预后中的应用研究[J];数理医药学杂志;2007年02期

3 王阿明;刘慧;张迎春;王绪;;小波神经网络模型在肺癌中的应用研究[J];徐州医学院学报;2007年02期

4 晋晓芳;王峰;胡晓娟;郭东星;;小波神经网络在季节性时间序列预测中的应用[J];现代预防医学;2012年24期

5 邓宇;田考聪;;基于小波神经网络的饮用水源水水质参数预测模型研究[J];中国卫生统计;2012年03期

6 李昌青,王淑艳;基于自适应小波神经网络的心电图检测法[J];生物医学工程学杂志;2002年03期

7 吴清,沈雪勤,颜威利;利用小波神经网络求解脑电等效偶极子源参数[J];中国生物医学工程学报;2004年03期

8 邓宇;姚宁;田考聪;;基于小波神经网络的饮用水水质预测模型研究[J];重庆医科大学学报;2009年04期

9 曹叔彦;刘伟;晋晓芳;胡晓娟;郭东星;;小波神经网络在人口死亡率数据拟合中的应用[J];数理医药学杂志;2014年03期

10 郁可,郁阿丽,张永胜;小波神经网络在脑电信号数据压缩与棘波识别中的应用[J];生物物理学报;1998年02期

中国重要会议论文全文数据库 前10条

1 胡博;陶文华;崔博;白一彤;尹旭;;基于小波神经网络的异步电机故障诊断[A];2009中国控制与决策会议论文集（2）[C];2009年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 鲁艳军;陈汉新;陈绪兵;;基于小波神经网络的齿轮裂纹故障诊断[A];节能减排 绿色制造 智能制造——低碳经济下高技术制造产业与智能制造发展论坛论文集[C];2010年

4 董健;尹萌;张辉;;小波神经网络结合多项式的混合预测方法在通信规划中的应用[A];2011全国无线及移动通信学术大会论文集[C];2011年

5 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 陈建秋;张新政;;基于小波神经网络的水质预测应用研究[A];2006中国控制与决策学术年会论文集[C];2006年

7 孙正贵;;小波神经网络的高效学习算法及应用研究[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

8 黄敏;朱启兵;崔宝同;;基于小波神经网络的轧机特性回归[A];2007中国控制与决策学术年会论文集[C];2007年

9 周绍磊;张文广;李新;;一种基于改进遗传算法的小波神经网络[A];2007年中国智能自动化会议论文集[C];2007年

10 杜青;刘剑飞;刘娟;乔延华;;基于小波神经网络的模拟调制信号自动识别[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

中国博士学位论文全文数据库 前10条

1 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

2 章文俊;小波神经网络算法及其船舶运动控制应用研究[D];大连海事大学;2014年

3 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

4 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年

5 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

6 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

7 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

8 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

9 黄同成;基于小波神经网络理论的VOCR与HOCR技术研究[D];上海大学;2008年

10 蔡振禹;基于粗集—小波神经网络的煤炭企业管理研究[D];天津大学;2007年

本文编号：776993