宫商角征羽复习进程.ppt

《宫商角征羽复习进程.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、宫商角征羽背景介绍背景介绍闻诊即通过听声音和嗅病气测知病况，闻的内容可以分：声音、语言、呼吸、呕吐、肠鸣和病气等。背景介绍正常声音自然、音调和谐、语言表达清楚。病变声音嘶哑：声嘶和失音多因外感风寒或风热，寒热相交伤肺所致。蹇涩：说话不流利、含糊不清、缓慢、词不达意。多见于中风后遗症或热病后期。郑声：神志不清、语言重复、语言不连续、声音低弱多为虚证。错语：语言颠倒、错乱，自知说错不能自主，多为心气不足。研究内容我国传统乐学理论将“音阶”概念分为五音又称五声，包含：宫、商、角（jué）、徵（zhǐ）、羽。宫商角徵羽

2、衣荷子书古玉泥土妇卜音黄辰章见广男鼎半方体质分类研究内容研究内容信号采集信号处理小波分析PNN分类算法优化算法流程以阴虚质某一男生‘古玉’语音信号为例——信号处理原始信号波形图去噪处理预加重处理加窗处理研究内容研究内容原始信号短时频谱图加窗后信号频谱图语谱图以阴虚质某一男生‘古玉’语音信号为例——频谱分析研究内容以阴虚质某一男生‘古玉’语音信号为例——小波包分解小波(Wavelet)是一种能量在时域非常集中的波，具有衰减性且振幅呈现正负相间的震荡形式。与Fourier变换相比，小波对于分析瞬时时变信号非常有用。

3、它有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了傅立叶变换不能解决的许多困难问题。研究内容以阴虚质某一男生‘古玉’语音信号为例——小波包分解小波变换的本质就是用精心挑选的基来表示信号方程的过程。每个小波变换都会有一个母小波Ψ(x)，同时还有一个尺度函数，对二者进行缩放和平移后即可得到任何小波变换的基函数集合。研究内容提取小波包能谱并归一化小波分析的特点是窗口面积固定，形状可调——即时间和频率窗都可改变的时域局部化分析。但是，由于其再分解过程中忽略了高频部分的信号，使得它的

4、频率分辨率随频率升高而降低。在这种情况下，小波包分解应运而生，它不仅对低频部分进行分解，对高频部分也实施了分解，而且小波包分解能根据信号特征和分析要求自适应地选择相应频带与信号频谱相匹配，是一种比小波分解更精细的分解方法。研究内容小波分解VS小波包分解结合小波包分解的特性，本文选取db4小波包分解，分解层数为6层，通过分解获得64段小波包节点系数。[C,L]=wavedec(s,6,'db4')%用小波函数db4对信号s进行6尺度分解以阴虚质某一男生‘古玉’语音信号为例——小波分析研究内容小波包能谱分解及归一化

5、结果如图所示，横坐标为第N段小波节点，纵坐标对应相应小波的节点能量。6层小波包分解能谱图归一化的小波包能谱图以阴虚质某一男生‘古玉’语音信号为例——小波分析研究内容表1女生平和质和阴虚质训练准确率和预测准确率性别组名训练样本数预测样本数平均训练准确率平均预测准确率女平和质321695.4%80.3%阴虚质1025191.5%77.8%表2男生平和质和阴虚质训练准确率和预测准确率性别组名训练样本数预测样本数平均训练准确率平均预测准确率男平和质341794.2%82.9%阴虚质643393.7%76.1%女生平和质

6、48例，阴虚质153例；男生平和质51例，阴虚质97例.分别男女生提取64段小波节点能量，然后进行根据该能量特征分布对上述两种体质进行分类，概率神经网络(PNN)采用训练集和预测集2:1的比例进行实验，以‘古玉’语音信号为例——PNN分类研究内容总结小波包分解的基础上提取各节点的能谱，再根据该能谱进行PNN分类，其预测准确率在二分类中准确率较好，在四分类中虽然较二分类有所降低，但也基本在70%左右，能够较好的对受试者通过语音信号分析进行体质分类。总结声象特征的研究不仅为中医体质学提供现代科技佐证其意义还在于引导

7、人们以客观化的角度，采用现代工程学研究新技术对人体生命活动进行更加深入的探讨，促中医学理论发展。谢谢观看此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢