版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、西南大學(xué)碩士學(xué)位論文基于小波(包)變換的心電信號(hào)特征提取方法研究姓名:蔣德育申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:劉光遠(yuǎn)20090401ABSTRACT皇皇曼曼曼曼量曼曼曼曼皇l皇皇曼舅曼曼曼!曼皇量曼曼曼!曼曼曼!皇曼曼曼曼曼曼量舅曼曼曼曼曼量量皇曼曼皇曼曼皇曼舅曼曼巴曼曼曼皇曼曼曼曼TheStudyofECGFeatureExtractionMethodBasedonWavelet(Packet)Transformatio
2、nABSTRACTAffectiveComputingisoneofthemaintechnologiestoachievethehighlevelHumanComputerinteractionandEmotionrecognitionisthefocusofaffectivecomputingresearchnOWTheobjectsofresearchinemotionrecognitionincludefacialexpress
3、ions,speechsound,bodyposture,physiologicalsignalsandSOonECGisthemainobjectintheemodonrecognitionbased011physiologicalsignalsInthestudyofemotionrecognitionbasedonECGthemainmethodistoobtaineffectivefeaturesafterpreprocessi
4、ngECGandthenclassifyemotionstatusTherefore,exwactingusefulECGfeatures,analyzingthetrendsofchangesinthefeatures,identifyingfeaturesubsetthatcarlreflectemotionalstatechangesarethebasistOimproveemotionalrecognitionInthispap
5、erthestudyofemotionrecognitionbasedontheECGWaScarriedoutincludingthefollowingtwojobs:1BecauseoflackingofECGdatausedtoanalyzeemotion,wecarriedonECGcollectingforthelaterstudies2InthetcxLwavelet(packet)transformwasusedinECG
6、featureextractionforreducingthenumberofECGfalsewaveformsandimprovingtheemotionalrecognitionThemainmethodis:First,optimalmotherwaveletisusedtemovenoise。Second,Pwaves,QRSwaves,Twavesweredetectedwiththehelpofwavelettransfor
7、mThird,theenergyofeachwaveWascalculatedandanalyzedFourtll,F(xiàn)eaturesWaSextractedfromenergyandusedaStheinputofclassifiertoverifythevalidityThismethodWasusedtOprocessECGinAugsburg,comparingtherecognitionwiththeirfourphysiolo
8、gicalsignals,hasclosingquote,andbeRerrecognitionforjoywith10%higherWhenthemethodWasusedtoprocessourcollectingECGtoextractfeatures,whichclassifiedbyFishertherecognitionforjoyandsadnessis80%and80%TestresultsshowthatECGfeat
9、uresextractedfromtwodifferentsourcescanreflectchangesiIlemotionalstatesandthellseofwavelettransformbenefittedthefeatureextractionfromECGPQRs—TwaveswhichcaniiiiprovetheemotionalrecognitionratebasedOntheECGSOthemethodoffea
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于諧波小波變換的腦電信號(hào)分析與特征提取研究.pdf
- 小波變換在心電信號(hào)特征提取中的應(yīng)用研究.pdf
- 基于小波變換和多域融合的腦電信號(hào)特征提取.pdf
- 基于小波變換的心電信號(hào)處理.pdf
- 心電信號(hào)的特征提取與分類研究.pdf
- 基于小波變換的心電信號(hào)去噪研究.pdf
- 基于小波變換的心電信號(hào)預(yù)處理及特征參數(shù)檢測(cè)方法研究.pdf
- 基于小波變換的心電信號(hào)處理與分析.pdf
- 基于小波包技術(shù)的心電信號(hào)特征提取與數(shù)據(jù)壓縮.pdf
- 腦電信號(hào)特征提取方法研究.pdf
- 基于小波包變換的運(yùn)動(dòng)想象腦電信號(hào)特征提取與分類
- 基于小波變換的心電信號(hào)預(yù)處理與特征識(shí)別算法.pdf
- 基于小波變換實(shí)現(xiàn)心電信號(hào)噪聲最優(yōu)處理.pdf
- 基于小波變換的心電信號(hào)處理算法研究.pdf
- 基于小波變換的心電信號(hào)去噪算法研究.pdf
- 基于小波變換的圖像特征提取方法研究.pdf
- 基于提升格式小波變換的心電信號(hào)處理.pdf
- 心電信號(hào)特征提取與心率變異性信號(hào)分析方法研究.pdf
- 基于小波變換提取高壓局部放電信號(hào)的研究.pdf
- 基于小波(包)變換的表面肌電信號(hào)情感識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論