双正交小波基的构造方法和心音小波神经网络的研究

《双正交小波基的构造方法和心音小波神经网络的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－．■Ｃ：！＇＊．－’ｆｒ与柄寞，玲雙ｖ．乂：．．，．．／．一－．＾：Ｊ密扇心；－龙巧．告．．＇ｆ－ｉ＾＇：Ｔ／．；巧．Ｗ％．啦：．．？；學募ＥＶ．：，絮｜■．為＾＾片．若会４達．Ｎ皂逞心，遙技＇ｒ．’．參穿气：＞Ｖ＇．Ｔ＼－．墓汽＂Ｖｉ２ｔｉ文巧：学户：聋耸；．ｖ！４完．確ｖ：，＂／令‘ｒ：－學‘寮看：祭．如导．討Ｖ片爲寫｜５－试義ｖ焉．八］＇．ｉＣ繁皆＾＼＊岳趨心．．：讀＇ｖ青：＾＼ｔ．苦；ｎ焉．、；為窠＇爲－．多；．ｐ響：彎－ｉ秦＂．．．文目．座ｉ去＇減結？ｉ吉達＾＾＾：，；：£纖—‘ｒ

2、＇第扣＂．＇ｒ－．．，Ｍ－‘．．．葦＇；：：．：：＂’護ｆ矿魏讓＂诗．＾嘗＂进巧＼於＾．違一．＊ｒ＾：，＂捨：％，．脅１—霉韻．簿１彻＾一Ｉ＜：＃＃．．ｒ，．＾．．％１；：＇ｒ一．矣：＼幸．苗．．．：名：．－．＂．．；：Ｖ－如．师成－ｖ－．．．每专业电嫌，护ｉ方了向智理邱；ＳＷ请位类别工ｒ－／一＇響＾■文交日期一三？ｒ＇＇＇ｆ．ｉ；ｖ；；ｒ＾£ｉ南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽

3、我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。一与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有不实，愿意承担切相关的法律责任。研充生签名；鍵日期：ａｂｉｒ坪端比９傅气南京邮电大学学位论文使用授权声明本人授权南京邮电大学可１＾保留并向国家有关部口或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索；可Ｗ采

4、用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一论文的内容相致。论文的公布（包括刊登）授权南京邮电大学研巧生院办理。涉密学位论文在解密后适用本授权书。－研究生签名：如导师签名：日期：７．＆傳马AconstructionmethodofbiorthogonalwaveletandresearchonheartsoundwaveletneuralnetworkThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMastero

5、fEngineeringByFuNvtingSupervisor:Prof.ChengXiefengMarch2015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

6、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、Mexicanhat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

7、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IAbstractInthebasicofanalyzingthetheoryofwaveletconstructionandheartsoundcharacters,thispaperputforwardafastconstructionmethodofbiorthogonalwaveletandheartsoundwaveletneuralnetwork.Bothapplicationtechnologyw

8、eredi