基于提升小波与聚类算法的脉象信号识别的研究-信号与信息处理专业论文.docxVIP

重庆大学硕士学位论文中文摘要 重庆大学硕士学位论文 中文摘要 I I 摘 要 作为生物医学信号之一的脉象信号能反映人体脉搏的生理与病理信息，对于它的研 究有助于人类加深对人体自身的认识，在防病与治病中发挥更大的作用,这是本文进行研 究的目的。 小波变换是一个迅速发展的新领域，它是在时域和频域都具有良好局域性的一种信 号分析方法，而且非常适用于非平稳信号的处理。但是小波分析不适合非欧氏空间的应 用，为了弥补传统小波的一些不足，提升小波应运而生，提升小波不仅具有通用、灵活 的特点，而且还有高效的提升实现算法。由于有限长滤波器多相位矩阵的分解不是唯一 的，而相同的多相位矩阵的提升实现算法不一定相同,本论文在总结前人工作的基础上， 较深入地研究了应用提升小波变换对脉象信号进行特征提取与识别的方法,实现了多相 位矩阵两种不同的分解格式及其相应的提升实现算法。其中一种分解格式及其相应的提 升实现算法是由本文提出的.然后分别对 40 例脉象信号（20 例健康正常人和 20 例海洛 因吸毒者的脉象信号）进行一级提升小波变换，通过尺度系数，进行特征提取，找出了 健康正常人与海洛因吸毒者的脉象信号之间的差异，初步提出了用于划分健康正常人与 海洛因吸毒者的判据。 本文的实验结果表明:第一种提升实现算法下 18 例健康正常人和 19 例海洛因吸毒者 被检测出来，而健康正常人 Z01 和 Z10 被误判，海洛因吸毒者 B13 被误判;第二种提升 实现算法下 18 例健康正常人和 20 例海洛因吸毒者被检测出来，而健康正常人 Z01 和 Z10 被误判。 本论文还详细介绍了模糊 C 均值聚类的基本概念和理论依据。着重阐述了 C 均值 模糊聚类的实现算法，在对脉象信号进行特征提取的基础上，利用该算法对 20 例健康 正常人和 20 例海洛因吸毒者的脉象信号进行分类识别，初步聚类后的效果一般，通过 标准差准则对误判的样本进一步划分后取得了不错的效果。 关键词：脉象信号，提升小波，多相位矩阵，特征提取，模糊 C 均值聚类算法 重庆大学硕士学位论文英文摘要 重庆大学硕士学位论文 英文摘要 II II ABSTRACT As a part of the biomedicalsignals, Pulse signals can reflect the pulse of human physiological and pathological information. Studying it can help us to deepen our understanding on our body, and it could play a great role in disease prevention and treatment. It is the main research purpose in this paper. Wavelet transform is developing very qucikly in a new areas at present, it is a good signal analytical method both in the time and the frequency domains, especially applicable for non-stationary signal processing. But wavelet tranform is not suitable for non-European space’s application.In order to compensate for the shortcomings of the traditional wavelet,lifting wavelet generates.Lifting wavelet is not only common, flexible, but also it has effective lifting implementing algorithm. As the finite long filter’s decomposition of the multiphase matrix is not unique,and lifting implementing algorithm is not necessarily the same between the same multiphase matrix. Thus, based on previous work, this paper applys lifting wavelet transform to the pulse signals proceeding feature