本文關鍵詞：基于脈搏信號的亞健康狀態(tài)識別方法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：亞健康是指人的機體雖然沒有明確的疾病,但呈現(xiàn)出活力降低,適應力呈不同程度減退的一種生理狀態(tài),是介于健康與疾病之間的一種生理功能降低的狀態(tài)。它既可以向健康狀態(tài)轉(zhuǎn)化,又可以向壞的方向轉(zhuǎn)化而進一步發(fā)展為各種疾病。亞健康已經(jīng)成為當今危害人類健康的頭號隱形殺手。由于沒有器質(zhì)性病變,通常不伴有明顯的病理表現(xiàn),現(xiàn)有的傳統(tǒng)醫(yī)療檢測設備,無法對機體的亞健康狀態(tài)和導致功能低下的原因做出描述和判斷。目前,亞健康狀態(tài)的診斷主要靠一些生化指標和問卷調(diào)查,至今為止還未能提出同時具備無創(chuàng)、簡便、快速、成本低、可重復采用、客觀量化、敏感性和特異性高、能持續(xù)監(jiān)測亞健康對個體的影響過程的測評方法。疲勞是導致亞健康的主要原因。本文從疲勞的角度入手,從理論上論證了基于脈搏信號分析對亞健康評估的可行性,并提出了一種通過脈搏信號分析來識別亞健康狀態(tài)的方法。 中醫(yī)學認為亞健康往往是人體陰陽失衡、臟腑功能失調(diào)的初始狀態(tài)。脈搏信號中蘊涵著豐富的人體生理病理信息,是傳遞和窺視體內(nèi)功能變化的窗口。因此,可以通過對脈搏信號的分析來對亞健康狀態(tài)進行評估。 本文在綜述國內(nèi)外研究現(xiàn)狀的基礎上,系統(tǒng)地分析了中醫(yī)脈象研究的工作流程和工作方法。用HK—2000C數(shù)字脈搏傳感器構(gòu)建了脈搏信號采集系統(tǒng),設計了數(shù)據(jù)采集實驗方案,采集了60余名大學生志愿者的脈搏信號,并從中選擇處于中度以上亞健康狀態(tài)的數(shù)據(jù)17組,健康狀態(tài)數(shù)據(jù)13組進行分析。然后采用具有良好的時頻局部化及自適應特性的小波分析法,研究了人體脈搏信號的去噪問題,取得了較好的效果。并且根據(jù)脈搏信號的產(chǎn)生機理、性質(zhì),提取了功率譜峰值、功率譜重心及其頻率,AR模型系數(shù),SER值,Renyi信息量等多個特征量。經(jīng)對30例樣本的分析識別檢驗,結(jié)果表明:功率譜峰值和峰值頻率作為特征量能取得比較好的識別效果,識別正確率達到了86.7%,對17例亞健康狀態(tài)僅有2例未能正確識別。功率譜重心和重心頻率作為特征量也取得了80%的識別率,對AR模型系數(shù)的分類正確率也達到了76.7%,結(jié)果令人滿意。Renyi信息量被引入到脈搏信號識別當中,取得了73.3%的識別率。SER值是比較常用的一種脈搏信號的頻域特征,從分類效果來看SER值并不能很好的識別亞健康狀態(tài)。文中還就線性判別式分析(Linear Discriminant Analysis,LDA)和支持向量機(support Vector Machine,SVM)的識別結(jié)果進行了比較。應用LDA取得了較好的識別結(jié)果。應用SVM也取得了一定的效果,但在其核函數(shù)選擇以及參數(shù)調(diào)整方面均需要參考經(jīng)驗值而確定,在實際應用中推廣性較差。最后介紹了亞健康狀態(tài)識別系統(tǒng)的軟件設計與實現(xiàn)。
【關鍵詞】：亞健康狀態(tài) 脈搏信號 特征提取 線性判別式分析 支持向量機
【學位授予單位】：蘭州理工大學
【學位級別】：碩士
【學位授予年份】：2006
【分類號】：R318.0;TP391.4
【目錄】：

• 摘要8-9
• ABSTRACT9-11
• 插圖索引11-12
• 附表索引12-13
• 第1章 緒論13-19
• 1.1 課題研究背景及意義13-15
• 1.2 國內(nèi)外研究現(xiàn)狀15-17
• 1.3 本文研究內(nèi)容17-19
• 第2章 亞健康與脈搏信號的基礎知識19-25
• 2.1 引言19
• 2.2 亞健康基本知識19-20
• 2.2.1 亞健康的研究思路19-20
• 2.2.2 脈象與亞健康狀態(tài)評估20
• 2.3 脈搏信號的基本特性20-23
• 2.3.1 脈圖的基礎20-21
• 2.3.2 脈圖的時域判讀法21-22
• 2.3.3 脈圖的頻譜分析22-23
• 2.3.4 最佳脈圖23
• 2.4 中醫(yī)脈診23-25
• 第3章 脈搏信號的采集和預處理25-39
• 3.1 引言25
• 3.2 脈搏信號的采集25-27
• 3.2.1 傳感器的選擇25-26
• 3.2.2 亞健康狀態(tài)自評表(SRSHS)26
• 3.2.3 脈搏信號的采集與選取26-27
• 3.3 小波分析27-31
• 3.3.1 小波變換27-29
• 3.3.2 多分辨分析29-31
• 3.4 基于小波變換的脈搏信號濾波處理31-36
• 3.4.1 脈搏信號的小波變換特性31-32
• 3.4.2 閾值法濾波32-34
• 3.4.3 小波基的選擇34-35
• 3.4.4 分解層數(shù)的確定35-36
• 3.5 結(jié)果與分析36-39
• 第4章 脈搏信號的分析與特征提取39-50
• 4.1 引言39
• 4.2 基于功率譜估計的特征提取39-42
• 4.2.1 功率譜估計39-40
• 4.2.2 功率譜峰值及峰值頻率40
• 4.2.3 功率譜重心及重心頻率40-41
• 4.2.4 實驗結(jié)果41-42
• 4.3 基于 AR模型參數(shù)的特征提取42-45
• 4.3.1 平穩(wěn)隨機信號的 AR參數(shù)模型42-43
• 4.3.2 脈搏信號的 AR模型參數(shù)估計43-44
• 4.3.3 AR模型階數(shù)p的選擇44-45
• 4.3.4 實驗結(jié)果45
• 4.4 基于小波分析的特征提取45-47
• 4.4.1 SER值45-46
• 4.4.2 小波包對脈搏信號的分解46
• 4.4.3 實驗結(jié)果46-47
• 4.5 基于魏格納-維爾分布的特征提取47-49
• 4.5.1 魏格納-維爾分布47-48
• 4.5.2 Renyi信息量48
• 4.5.3 實驗結(jié)果48-49
• 4.6 實驗討論與總結(jié)49-50
• 第5章 脈搏信號的模式識別50-59
• 5.1 引言50
• 5.2 線性判別式分析對脈搏信號的識別50-52
• 5.2.1 線性判別式分析算法50-51
• 5.2.2 LDA分類結(jié)果51-52
• 5.3 支持向量機對脈搏信號的識別52-58
• 5.3.1 機器學習基本知識52-53
• 5.3.2 統(tǒng)計學習理論53-54
• 5.3.3 支持向量機54-57
• 5.3.4 核函數(shù)參數(shù)的自動調(diào)整57-58
• 5.3.5 SVM分類結(jié)果58
• 5.4 實驗討論與總結(jié)58-59
• 第6章 亞健康識別系統(tǒng)的軟件設計59-63
• 6.1 引言59
• 6.2 脈搏識別系統(tǒng)功能與分析59-61
• 6.2.1 系統(tǒng)功能模塊的劃分59-60
• 6.2.2 開發(fā)和運行環(huán)境開發(fā)工具60
• 6.2.3 數(shù)據(jù)庫的設計60-61
• 6.3 主要窗體界面及運行結(jié)果61-63
• 總結(jié)與展望63-65
• 參考文獻65-69
• 致謝69-71
• 附錄A 亞健康狀態(tài)自評表(SRSHS)71-73
• 附錄B 攻讀學位期間所發(fā)表的學術論文目錄73

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 溫宗良;岳桂華;唐莎莎;;支持向量機在中醫(yī)臨床診斷中的研究進展[J];江蘇中醫(yī)藥;2012年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 鄭瑩瑩;基于橈動脈波形分析的動脈硬化評估指標研究[D];中國科學技術大學;2011年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 焦洋;指端脈搏信號測試系統(tǒng)研究[D];長春理工大學;2007年

2 徐濤;人體脈象生理信息的提取與識別方法研究[D];山東科技大學;2008年

3 郝曉霞;基于脈搏波的動脈硬化識別方法的研究[D];內(nèi)蒙古大學;2009年

4 齊淑敏;脈搏信號時頻特征提取方法研究及信息處理系統(tǒng)設計[D];山東建筑大學;2010年

5 王業(yè)泰;基于實時脈搏信號處理的VDT視疲勞狀態(tài)識別研究[D];蘭州理工大學;2010年

6 魏宇良;基于小波分析和支持向量機理論的脈像信號處理方法研究[D];華南理工大學;2010年

  本文關鍵詞：基于脈搏信號的亞健康狀態(tài)識別方法的研究，由筆耕文化傳播整理發(fā)布。

本文編號：335266