檢視心音模式识别技术的原始碼

{| class="wikitable" align="right"
|-
|<center><img src=https://www0.kfzimg.com/sw/kfzimg/2984/0286783c8aa838660b_s.jpg width="260"></center>
<small>[https://book.kongfz.com/495835/7290606378 来自 孔夫子网 的图片]</small>
|}

《'''心音模式识别技术'''》，成谢锋，马勇，孙科学 著，出版社： 科学出版社。

[[书籍]]是人类进步的阶梯，合理阅读使一个人完善自身的知识结构<ref>[https://www.sohu.com/a/118132866_476211 什么是时代的知识结构——汤胜天]，搜狐，2016-11-04</ref>，全面提升人文素质<ref>[https://www.sohu.com/a/206238408_558455 陈丹青：何谓人文素质教育？ ]，搜狐，2017-11-24</ref>，为走向成功奠定坚实的基础。

==内容简介==

心音模式识别是人工智能和生物医学的一个交叉应用领域，《心音模式识别技术》采用理论模拟、生物实验与电子测量相结合的分析方法，讨论了心音产生、变化的基本生物声学机理和信号传递规律，详细描述了基于心音的特征提取、表征和识别的相关算法，这些算法均适用于[[生物]]信息等应用。《心音模式识别技术》共8章，主要内容包括：绪论、心音产生机理与心血管模型的研究、心音采集设备、自构心音小波的方法及应用、独立子元变换分析、心音的特征提取与识别方法、心音的混沌特性与深度信任网络，以及心音模式识别的应用。另外，还介绍了心音模式识别技术在手机智能看诊器、汽车主动安全和家庭智能护理等方面的应用案例，并提供了部分智能手机平台上的开发代码和心音小波分析的MATLAB代码。

==目录==

《智能科学技术着作丛书》序

前言

第1章 绪论 1

1.1 心音模式识别的定义、目的和意义 1

1.2 心音模式识别技术的发展过程 2

1.3 心音模式识别[[技术]]的特点及发展趋势 6

1.3.1 心音模式识别技术的特点 6

1.3.2 心音模式识别技术的发展趋势 7

1.4 本章小结 8

参考文献 8

第2章 心音产生机理与心血管系统仿真模型 12

2.1 心音信号的产生机理 12

2.1.1 心脏的位置及形状 12

2.1.2 心房和心室 13

2.1.3 心动周期和心音 14

2.1.4 心音的组成 14

2.2 心血管系统仿真模型 16

2.2.1 基于集总参数的心血管系统仿真模型 16

2.2.2 基于弹簧质量阻尼系统的内心音模型（第一心音） 35

2.2.3 非线性调频信号模型（第二心音） 39

2.3 基于心血管系统仿真模型的内在特征病态仿真 46

2.3.1 高血压病理仿真 46

2.3.2 心血管系统的心衰病理仿真 50

2.4 基于第一心音复杂度的外在特征病理分析 53

2.4.1 心音信号采集 53

2.4.2 多尺度化的基本尺度熵 54

2.4.3 第一心音复杂度分析 55

2.5 本章小结 56

参考文献 57

第3章 心音采集设备 61

3.1 电子听诊器 61

3.2 双路心音听诊器 63

3.3 蓝牙心音听诊器 64

3.4 穿戴式心音听诊器 67

3.5 双模式听诊器 68

3.6 多普勒听诊器 68

3.7 光电位移心音传感器 70

3.8 压电薄膜型心音传感器 71

3.9 智能听诊器 72

3.10 本章小结 72

参考文献 73

第4章 自构心音小波的方法及应用 74

4.1 概述 74

4.2 心音信号的产生与预处理 75

4.2.1 心音的产生原理及成分 75

4.2.2 心音信号研究的意义 76

4.2.3 心音信号的预处理 77

4.3 心音信号的时频分析 79

4.3.1 短时傅里叶变换 79

4.3.2 小波变换 81

4.4 心音小波 82

4.4.1 佳小波基 82

4.4.2 双正交小波基的构造 83

4.4.3 心音信号的特点 85

4.4.4 心音小波的构造原则 86

4.4.5 心音模型 86

4.4.6 HS小波的构造方法 87

4.4.7 HS小波簇 89

4.5 五种小波在心音信号处理中的分析与比较 90

4.5.1 不同小波对心音信号的处理效果对比 90

4.5.2 特征提取及分类 97

4.6 本章小结 104

参考文献 104

第5章 独立子元变换分析 106

5.1 常见的信号分析方法 106

5.1.1 Gabor变换 106

5.1.2 经验模态分解 107

5.2 独立子元变换 109

5.2.1 独立子元变换的基本概念 109

5.2.2 信号的独立子元分解与重构 110

5.3 独立子元变换在心音识别中的应用 114

5.3.1 心音独立子元的获取 114

5.3.2 基于心音独立子元的分类识别 116

5.4 独立子元变换在欠定盲源分离中的应用 116

5.4.1 单路混合信号盲分离 116

5.4.2 基于独立子元变换的单路信号分层方法 117

5.4.3 单路非平稳混合信号的欠定盲源分离 122

5.4.4 含噪混合周期信号的欠定盲源分离 124

5.5 本章小结 128

参考文献 128

第6章 心音的特征提取与识别方法 130

6.1 心音识别系统 130

6.2 基于数据融合的三段式心音身份识别技术 132

6.2.1 三段式识别模型 132

6.2.2 心音信息融合技术 134

6.2.3 实验方法与结果 138

6.3 基于线性频带倒谱的心音特征提取与识别技术 139

6.3.1 心音信号的分析 140

6.3.2 基于心音线性频带倒谱的心音特征提取与识别系统 144

6.3.3 识别实验 147

6.4 二维心音特征提取与识别方法 151

6.4.1 二维心音图概念 151

6.4.2 二维心音图预处理 152

6.4.3 二维心音图特征提取 152

6.4.4 二维心音图分类和身份识别 155

6.5 心音纹理图特征提取与识别方法 157

6.5.1 心音纹理图 157

6.5.2 脉冲耦合神经网络与识别算法 162

6.5.3 仿真实验 164

6.6 径向基函数神经网络在心音识别中的应用 169

6.6.1 径向基函数神经网络的结构和特点 169

6.6.2 心音信号的LPCC和MFCC特征参数 170

6.6.3 基于RBF神经网络的心音身份识别 172

6.6.4 实验结果和比较 174

6.7 小波神经网络在心音识别中的应用 177

6.7.1 小波神经网络的定义与特点 177

6.7.2 心音小波神经网络的构造 177

6.7.3 心音小波神经网络的训练算法 181

6.7.4 基于小波神经网络的心音身份识别 181

6.8 本章小结 184

参考文献 185

第7章 心音的混沌特性与深度信任网络 189

7.1 概述 189

7.2 心音的混沌特征表示 190

7.2.1 心音信号的相空间重构 190

7.2.2 用互信息法确定时延 190

7.2.3 用Cao法计算佳嵌入维数 190

7.2.4 用GP算法快速求解关联维数 191

7.3 心音的预测模型 191

7.3.1 基于混沌的Volterra级数预测模型 191

7.3.2 心音信号的短期预测模型 193

7.3.3 心音信号的长期预测模型 195

7.4 心音混沌特性的应用 199

7.4.1 运动状态变化对心音混沌特征的影响规律 199

7.4.2 年龄变化对心音混沌特征的影响规律 202

7.5 心音深度信任网络 203

7.5.1 深度学习网络与深度信任网络 203

7.5.2 进程择优法和深度学习网络的快速设计方法 206

7.5.3 心音深度学习网络的构建 210

7.5.4 心音深度信任网络的识别实验 214

7.6 本章小结 216

参考文献 216

第8章 心音模式识别的应用 219

8.1 基于LabVIEW的心音分析与身份识别系统 219

8.1.1 概述 219

8.1.2 系统模块 219

8.1.3 实验结果与结论分析 224

8.2 基于Android平台的心音识别系统 226

8.2.1 系统功能模块设计 226

8.2.2 系统用户界面设计与实现 229

8.2.3 系统测试实验 230

8.3 人体运动强度检测方法 232

8.3.1 小波包分解和能量熵算法 232

8.3.2 运动强度检测仿真实验 234

8.3.3 运动强度检测的硬件实现 238

8.4 基于心音特征分析的汽车主动安全技术 240

8.4.1 汽车背景噪声的特点 240

8.4.2 用于汽车主动安全的心音采集装置 242

8.4.3 心音信号的提取方法 242

8.4.4 心音独立子波函数的算法实现 243

8.4.5 心音的分类识别 245

8.4.6 实验结果 245

8.5 胎儿心音的提取与分析系统 248

8.5.1 基于EMD方法的单路混合信号盲分离方法 248

8.5.2 单路混合胎音的盲分离实验 248

8.6 本章小结 253

参考文献 253

附录 257

==参考文献==
[[Category:040 類書總論；百科全書總論]]