對多道心理測試儀生理參數(shù)提取算法的研究

1、對多道心理測試儀生理參數(shù)提取算法的研究    英文題名 Research on the Extration Algorithm of Physiological Parameters in Polygraph  關(guān)鍵詞 心理測試儀; 生理參量; 小波變換; 閾值函數(shù); 語音降噪; 英文關(guān)鍵詞 Polygraph; Physiological parameter; Wavelet transform; Threshold fun- -ction; Speech denoising; 中文摘要 測謊技術(shù)越來越多地運用于協(xié)助偵查破案,成為打擊和預(yù)防犯

2、罪的重要手段之一。尤其是現(xiàn)代多道心理測試儀的出現(xiàn),使心理生理參數(shù)指標的測量更趨完善。 人在說謊時會不自主地產(chǎn)生一定的心理壓力,這種心理壓力又會引起心跳加快、血壓升高、手掌出汗、體溫微升、肌肉微顫、呼吸速度和容量略見異常等一系列的生理反應(yīng)。 基于以上原理,本文首先對皮膚電、血壓、血容量、心率和呼吸在不同心理壓力下的變化情況進行了研究,并給出了基于皮膚電、血壓、血容量、心率和呼吸生理信號的接觸式多道心理測試儀的各個生理參數(shù)的測量指標。根據(jù)實際應(yīng)用已經(jīng)證明其具有很高的準確度。 其次,根據(jù)人在緊張狀態(tài)下,肌肉會產(chǎn)生微顫現(xiàn)象。這種微顫現(xiàn)象會附在語音中傳播出來,導(dǎo)致語音信號發(fā)生變化。本文通過大量實驗測試研

3、究,找到了與測謊相關(guān)的語音頻帶。為了減小語音信號當中的噪聲對測試結(jié)果的影響,提高測試準確率,本文提出了一種改進的小波閾值函數(shù),并且將這個閾值函數(shù)與區(qū)分清濁音方法相結(jié)合,對濁音段和清音段采用不同的閾值方案,提出了改進的小波閾值降噪方法。通過仿真實驗表明,相對于基于傳統(tǒng)的軟、硬閾值的降噪方法,這種降噪方法可以更有效地提取出原始語音信號。 最. 英文摘要 Lie-detection is used at assisting investigation and case solving and becomes an important means to cracking down on crimes

4、and crime prevention. Especially with the modern polygraph, the measurement of the mental physiological parameter is becoming accurate. The psychological pressure arising from lying usually results in rapid heartbeat, blood pressure rising, palm sweating, body temperature rising, muscle fluttering,

5、respiratory capacity or respiratory rate being abnormal and so on. Based  摘要 5-6 ABSTRACT 6 第1章 緒論 11-19     1.1 心理測試儀的發(fā)展 11-14         1.1.1 萌芽期雛形階段 11-12         1.1.2 近現(xiàn)代機械階段 12-13     &#

6、160;   1.1.3 當代電子化階段 13         1.1.4 當今多元化階段 13-14     1.2 心理測試技術(shù)的研究意義 14-16         1.2.1 偵查工作的輔助性技術(shù)手段 14-15         1.2.2 審查言詞證據(jù)真實可靠性的科學方法 15     &

7、#160;   1.2.3 心理測試結(jié)論具有證明能力 15-16     1.3 心理測試儀的應(yīng)用前景 16-17     1.4 論文的內(nèi)容和安排 17-19 第2章 小波分析基礎(chǔ) 19-35     2.1 小波分析發(fā)展簡史 19-23     2.2 連續(xù)小波及其變換 23-24     2.3 二進小波及其變換 24-26     2.4 多分辨率分析 26-29   

8、  2.5 幾種常用的小波 29-32         2.5.1 Haar 小波 29         2.5.2 Daubechies(dbN)小波系 29-30         2.5.3 SymletsA(symN)小波系 30         2.5.4 Biorthogonal(biorNr.Nd

9、)小波系 30-31         2.5.5 Meyer(meyr)小波 31         2.5.6 Mexican Hat Wavelet(mexh)小波 31-32         2.5.7 Morlet(morl)小波 32         2.5.8 Coiflet(coifN)小波系 32

10、60;   2.6 小波母函數(shù)、閾值規(guī)則和重調(diào)方式的選取 32-34     2.7 本章小結(jié) 34-35 第3章 接觸式心理測試儀生理參數(shù)提取算法的研究 35-48     3.1 接觸式心理測試儀介紹 35-36     3.2 生理參數(shù)的提取算法研究 36-44         3.2.1 皮膚電阻 36-38         3.2.2 血

11、壓/血容量/心率 38-43         3.2.3 呼吸 43-44     3.3 仿真實驗 44-45     3.4 測試方法和結(jié)果分析 45-47     3.5 本章小結(jié) 47-48 第4章 基于小波變換的語音去噪方法 48-67     4.1 小波去噪的基本原理 48-49     4.2 小波去噪方法 49-53    

12、60;    4.2.1 小波分解與重構(gòu)法去噪 49         4.2.2 模極大值檢測法 49-50         4.2.3 屏蔽去噪法 50-51         4.2.4 平移不變量小波去噪法 51-52         4.2.5 非線性小波閾值去噪法 52-53 &#

13、160;   4.3 改進的小波閾值去噪方法的研究 53-66         4.3.1 小波閾值函數(shù) 53-54         4.3.2 新閾值函數(shù)的推導(dǎo) 54-57         4.3.3 基于小波新閾值去噪新方法 57-60         4.3.4 改進的小波閾值去噪方法的仿真實

14、驗 60-66     4.4 本章小結(jié) 66-67 第5章 心理測試儀的語音參量提取算法研究 67-79     5.1 語音素材的端點檢測 67-71         5.1.1 兩級判別法原理描述 68-69         5.1.2 兩級判別法實驗及其結(jié)果 69-71     5.2 心理測試儀的語音參量的提取算法 71-74   

15、60;     5.2.1 用DFT 進行時間信號頻譜分析 72-73         5.2.2 測試儀語音分析的參量提取步驟 73-74     5.3 仿真實驗 74-78     5.4 本章小結(jié) 78-79 結(jié)論 79-81 參考文獻 81-85         2.5.6 Mexican Hat Wavelet(mexh)小波 31-32

16、60;       2.5.7 Morlet(morl)小波 32         2.5.8 Coiflet(coifN)小波系 32     2.6 小波母函數(shù)、閾值規(guī)則和重調(diào)方式的選取 32-34     2.7 本章小結(jié) 34-35 第3章 接觸式心理測試儀生理參數(shù)提取算法的研究 35-48     3.1 接觸式心理測試儀介紹 35-36   &#

17、160; 3.2 生理參數(shù)的提取算法研究 36-44         3.2.1 皮膚電阻 36-38         3.2.2 血壓/血容量/心率 38-43         3.2.3 呼吸 43-44     3.3 仿真實驗 44-45     3.4 測試方法和結(jié)果分析 45-47    

18、; 3.5 本章小結(jié) 47-48 第4章 基于小波變換的語音去噪方法 48-67     4.1 小波去噪的基本原理 48-49     4.2 小波去噪方法 49-53         4.2.1 小波分解與重構(gòu)法去噪 49         4.2.2 模極大值檢測法 49-50         4.2.3 屏蔽去噪法 50-

19、51         4.2.4 平移不變量小波去噪法 51-52         4.2.5 非線性小波閾值去噪法 52-53     4.3 改進的小波閾值去噪方法的研究 53-66         4.3.1 小波閾值函數(shù) 53-54         4.3.2 新閾值函數(shù)的推導(dǎo) 5

20、4-57         4.3.3 基于小波新閾值去噪新方法 57-60         4.3.4 改進的小波閾值去噪方法的仿真實驗 60-66     4.4 本章小結(jié) 66-67 第5章 心理測試儀的語音參量提取算法研究 67-79     5.1 語音素材的端點檢測 67-71         5.1.1 兩級判別法原

21、理描述 68-69         5.1.2 兩級判別法實驗及其結(jié)果 69-71     5.2 心理測試儀的語音參量的提取算法 71-74         5.2.1 用DFT 進行時間信號頻譜分析 72-73         5.2.2 測試儀語音分析的參量提取步驟 73-74     5.3 仿真實驗 74-78

22、60;   5.4 本章小結(jié) 78-79 結(jié)論 79-81 參考文獻 81-85         2.5.6 Mexican Hat Wavelet(mexh)小波 31-32         2.5.7 Morlet(morl)小波 32         2.5.8 Coiflet(coifN)小波系 32     2.6 小波母函數(shù)、

23、閾值規(guī)則和重調(diào)方式的選取 32-34     2.7 本章小結(jié) 34-35 第3章 接觸式心理測試儀生理參數(shù)提取算法的研究 35-48     3.1 接觸式心理測試儀介紹 35-36     3.2 生理參數(shù)的提取算法研究 36-44         3.2.1 皮膚電阻 36-38         3.2.2 血壓/血容量/心率 38-43   

24、;      3.2.3 呼吸 43-44     3.3 仿真實驗 44-45     3.4 測試方法和結(jié)果分析 45-47     3.5 本章小結(jié) 47-48 第4章 基于小波變換的語音去噪方法 48-67     4.1 小波去噪的基本原理 48-49     4.2 小波去噪方法 49-53         4.2.1 小波分解與重構(gòu)法去噪 49         4.2.2 模極大值檢測法 49-50         4.2.3 屏蔽去噪法 50-51         4.2.4 平移不變量小波去噪法 51-52         4.2.5 非線性小波