生物医学信号预处理算法的研究..doc

毕业设计说明书(论文) 作 者： 学 院 专 业 通信工程 题 目： 医学生物信号预处理算法的研究 指导者： (姓 名) (专业技术职务) 评阅者： (姓 名) (专业技术职务) 2015 年 6 月 吉 林 毕 业 论 文 中 文 摘 要 首先对现阶段医学生物信号预处理算法研究领域的背景意义和国内外的发展现状和趋势进行介绍。对全文的内容和主要工作进行说明。之后介绍通过用智能化的可穿戴式无线传感器采集脑血栓后遗症患者做简单运动时个关节部位产生的三维加速度和三维角速度数据。研究信号预处理方法并比较，FIR（Finite Impulse Response）滤波法，主成分分析方法（Principal Component Analysis，PCA），多维度标度法（Multidimensional Scaling，MDS），核主成分分析方法（Kernel Principal Component Analysis，KPCA）。其中FIR滤波法能有效的消除数据的冗余，PCA，KPCA，MDS算法通过降维进行预处理来提高效率。其次，介绍人工神经网络的特点、网络模型和发展现状，最后介绍采用BP（Back Propagation）神经网络对预处理后的数据进行数据处理分类。通过对比降维算法时间长短，降维后数据输入神经网络训练分类时间长短，分类效果等方面来检验算法性能优劣，总结并选择出适合本课题的数据预处理方法。FIR滤波；PCA；KPCA；MDS；BP神经网络 毕 业 论 文 外 文 摘 要 Title Study of Medical and Biological signal preprocessing algorithm Abstract First stage of medical research in the field of biological signal preprocessing algorithm background meaning and development status and trends at home and abroad are introduced. The full text of the content and the main work will be described. Then, the theoretical basis of the relevant data preprocessing methods described Again biomedical signal preprocessing methods and compare, because of the limited time a preliminary study four algorithms: FIR filter, a main component analysis (PCA), multidimensional scaling method (MDS), kernel principal component analysis into (KPCA).FIR filtering method which can effectively eliminate redundancy, PCA, KPCA, MDS-dimensional data preprocessing algorithm by reducing to improve efficiency Secondly, the characteristics of artificial neural networks, the network model and the development of the status quo, and finally introduce the use of BP (Back Propagation) neural network data preprocessed data processing classification. Dimensionality reduction algorithm by comparing the length of time after inputting data dimen