| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的意义 | 第8页 |
| ·心律失常ECG 信号分类及数据库简介 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容 | 第11-12页 |
| ·论文结构 | 第12-14页 |
| 第二章 小波变换理论及基本分类器原理 | 第14-24页 |
| ·小波变换理论 | 第14-19页 |
| ·连续小波变换 | 第14-15页 |
| ·离散小波变换 | 第15页 |
| ·多分辨率分析与Mallat 快速算法 | 第15-17页 |
| ·小波包理论 | 第17-19页 |
| ·基本分类器原理 | 第19-23页 |
| ·RBF 神经网络 | 第19-20页 |
| ·SVM | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于三次B-样条小波自适应阈值的QRS 波检测算法 | 第24-34页 |
| ·传统阈值算法的QRS 波检测 | 第24-25页 |
| ·基于三次B-样条小波自适应阈值的QRS 波检测原理 | 第25-29页 |
| ·三次B-样条小波 | 第25-28页 |
| ·信号奇异性与小波变换模极大值的关系 | 第28-29页 |
| ·算法实现与仿真实验 | 第29-33页 |
| ·算法的具体步骤 | 第29-32页 |
| ·仿真实验与结果分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于小波域特征的ECG 信号识别 | 第34-47页 |
| ·基于小波能量熵的晚电位识别算法 | 第34-40页 |
| ·小波能量熵定义 | 第34-36页 |
| ·算法实现与仿真实验 | 第36-40页 |
| ·基于小波包节点熵的心律失常信号识别算法 | 第40-46页 |
| ·基于小波包的特征提取 | 第40-42页 |
| ·RBF 神经网络与RBF 核SVM 的识别性能比较 | 第42页 |
| ·算法实现与仿真实验 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于时频分布的ECG 信号识别 | 第47-57页 |
| ·基于周期图时频分布的ECG 信号识别 | 第47-49页 |
| ·周期图时频分布的定义 | 第47页 |
| ·周期图时频分布在ECG 信号识别中的应用 | 第47-49页 |
| ·基于PWVD-Hough 变换的ECG 信号识别 | 第49-51页 |
| ·PWVD-Hough 变换定义 | 第49-50页 |
| ·PWVD-Hough 变换在ECG 信号识别中的应用 | 第50-51页 |
| ·基于Wigner 高阶谱的晚电位识别 | 第51-55页 |
| ·高阶谱定义 | 第51-53页 |
| ·Wigner 高阶谱与Wigner 双谱 | 第53页 |
| ·Wigner 双谱在晚电位识别中的应用 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·全文内容总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |
